聊聊数据指标体系的搭建

小提示：您能找到这篇{聊聊数据指标体系的搭建}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的聊聊数据指标体系的搭建内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

许多人对于搭建业务数据指标体系一头雾水，甚至有初入职场的新人面对数据指标体系的搭建连连打退堂鼓，想问上级却难以开口，问同事们又获知手机广告资质甚少，被折磨得焦头烂额。本文作者通过自身职场经历总结出一套数据指标体系的搭建指南供大家参考，推荐身处数据指标体系工作任务困扰的朋友们阅读。

最近在工作中被老板安排搭建业务的数据指标体系，刚接到这项任务时，完全是一头雾水，不知道应该怎么做。经过自己边摸索边和老板、导师请教，思路逐渐清晰起来，写下这篇文章来总结我目前理解的搭建数据指标体系的方法论。

一、为什么要搭建数据指标体系？

1. 深入了解业务全貌

由于我们组的项目都是刚做起来不久，每个项目的数据指标都很不完善，只能看到像覆盖用户数、分享次数、订单量等这类结果数据，但只看结果数据，了解到的是某项目的大概情况，但并不知道用户是怎样完成一系列操作达成某个结果的；

而在梳理数据指标的过程中，需要一步步的梳理用户的使用路怎样进行网上营销径或分析某个指标是怎么来的，这就要求我去熟悉每个页面和操作，在这一套流程走完之后，我对整个业务自然有了更深的了解。

除此之外，我还能够对我手中正在做的项目有更深的了解，明白它是主要是用来提升业务中的哪个指标，对于业务发展有什么意义。

2. 快速定位业务问题

我们经常会遇到某个关键指标突然下降的问题，只盯着结果数据是分析不出原因的，这就需要用到一些来源数据。

比如总订单量减少了，可以看是哪个渠道的订单量减少了，定位到某一渠道后，可以看具体是哪一个步骤页面曝光量减少阻塞了用户，定位到页面后再去分析这个页面最近有没有改动，是不是出了bug导致不能正常展示等。

在搭建数据指标体系时，其实很大一部分工作量就是在梳理来源数据，有了完整的来源数据，就能快速定位到问题出在哪了。

3. 明确业务解决方案

如果某天老板下发一项任务是提升某个关键指标，就可以根据业务实际情况去考虑提升某一个来源数据，从而落地为具体的执行方案。

比如要提升总订单量，可以提升分享渠道的订单量，在分享成单的过程中，有个重要步骤就是用户点击打开分享素材，如果能提升分享素材的点击率，就会有更多用户看到商品，下单的概率也就增大了，由此可以得出接下来的执行方案就是丰富分享素材的样式，使其有更高的点击率。

二、如何搭建数据指标体系？

1. 明确搭建目的，确定拆解思路

不同工种的同学搭建出来的数据指标体系可能是不同的，因为他们思考业务的角度不同，搭建的目的也不同。

比如产品视角和运营视角，以工具产品为例，产品同学可能更关心产品的覆盖率、使用率、使用深度等，以此来判断这个工具是否便捷高效以及后续的优化方向，这就决定了在搭建时产品同学需要梳理这个工具的使用流程，按照用户的使用路径一步步拆解，提取出关键步骤的数据指标；

而运营同学可能更关心业务整体目标的达成，这个工具产品可能只是完成目标的众多渠道之一，在拆解时可以参考费曼问题的解决思路，思考这个目标可以拆解成哪些渠道的小目标，每个渠道要达到小目标主要取决于哪些指标。

这两种视角最终搭建出的数据指标体系虽然结构不同，但要看的数据指标其实相差不大，在动手前可以根据自己的目的去选择更合适的思路。

2.确定数据指标的监测维度

有了数据指标之后，我们需要知道如何去监测它们更有利于开展更深入的分析，也就是通过什么维度去监测它们，这里有趋势、对比、细分、分布四个维度可以参考，利用这些维度去套用每个指标，看能否在分析时提供一些洞察。

趋势比较容易理解，即通过折线图看到数据指标的走势和波动，如果只看表格上的数字明细，肉眼很难快速看出某个数字的涨幅跌幅是否在正常范围内；

对比是指同比和环比，同比是指今年某月或某季度和去年某月或某季度相比，环比可以是环比上周、环比上月等，对比数据除了能反映出业务发展情况之外，也可以帮助排除季节性或周期性的影响因素，比如今年7月的订单量环比6月增幅很大，但同比去年7月几乎持平，而且去年7月的订单量涨幅也比较大，说明可能是因为放暑假刺激了学生群体的消费；

细分是指某个指标是由哪些来源组成的，比如在看商品详情页的曝光量时，除了看总曝光量，还需要支持细分看每个曝光是从哪个页面进来的（首页、活动详情页、商品分类页、排行榜页等）；
分布是指组成某个指标的来源占比，比如在看商品详情页的曝光量时，可以看首页、活动详情页、商品分类页、排行榜页等页面带来的曝光量占总曝光量的百分比。

3. 梳理需要的数据指标和监测维度，向开发提数据需求，搭建数据看板

在梳理数据指标时，需要注意如果产品还处在发展初期的不成熟阶段，不需要看每一个步骤的数据指标，只看关键步骤即可，避免指标太多难以聚焦，有的节点数据量也可能非常小，没有参考价值；

而且这个时候，产品形态并没有完全确定，如果这时把每个路径指标都列出来并参考优化，会导致后续迭代的思路都局限在当前的产品形态中，但当前并不一定是最好的产品形态。

再推荐一个效率工具，建议使用Xmind进行梳理，既可以由主干展开多个分支，也可以将多个分支再合并回归到主干，标签和笔记功能可以分别用来记录监测维度和在跟老板对过之后的修改意见。

在梳理完成后，就可以提需求给开发去做数据看板了。

4. 在日常分析问题时，提出假设并验证，同时补充数据指标

按照以上方法搭建好数据指标体系的初版后，在遇到问题时，通常采用提出假设并验证的方法来分析问题，这时候可能发现有些有助于分析的数据指标并没有被覆盖，我们可以收集这些指标，逐步完善整个业务的数据指标体系。

本文由 @ajitnis 于，，

题图来自 Unsplash，基于 CC0 协议