什么是指标体系
指标体系定义
指标体系是将零散单点的具有相互联系的指标，系统化的组织起来，通过单点看全局，通过全局解决单点的问题。它主要由指标和体系两部分组成。指标是指将业务单元细分后量化的度量值，它使得业务目标可描述、可度量、可拆解，它是业务和数据的结合，是统计的基础，也是量化效果的重要依据。举个通俗的例子，想象你正在玩一款建造城市的游戏。在游戏中，你需要关注许多不同的因素，如人口、资源、建筑物等。这些因素就是指标，它们帮助你了解城市的状况。但是，如果你只看一个因素，比如人口数量，你可能无法全面了解城市的发展。这时，城市建设的体系就派上用场了，它可以帮助你将人口、资源、建筑物等因素联系起来，让你更好地规划城市的发展。总之，指标体系是一种管理工具，通过将各种度量值有机地组织在一起，帮助组织更好地了解业务并做出决策。它就像一把放大镜，让我们可以从不同角度来观察和分析业务运作的各个方面，有助于更好地优化和改进业务。当我们谈论指标时，有两种主要类型：结果型指标和过程型指标。这两种类型在业务分析和决策中都起着重要作用，下面通过一个示例来解释它们：假设我们经营一个在线电商网站，目标是提高销售收入，就会有以下几个指标：
- 结果型指标
一个典型的结果型指标可能是每月总销售额。这个指标是结果，因为它告诉我们在某段时间内我们实际赚了多少钱。结果型指标通常是延后知道的，因为您需要等到一段时间才能看到销售额的变化。这意味着在发生变化之前，我们很难采取直接的干预措施。结果型指标的作用在于监控业务的整体健康，如果总销售额骤降，这可能是一个警示信号，需要进一步调查。
- 过程型指标
与结果型指标不同，过程型指标关注的是影响最终结果的中间步骤。在电商网站的情境下，一个过程型指标可以是“购物车转化率”，即用户将商品加入购物车后最终完成购买的比例。这个指标告诉我们在用户购物的过程中，有多少人最终完成了购买。过程型指标可以通过采取不同的运营策略来影响，例如改善网站的用户界面、提供更多的支付选项或优化商品推荐算法。如果购物车转化率低，这可能表明用户在购物过程中遇到了问题，需要分析并采取措施以提高转化率，从而最终提高总销售额。总之，结果型指标用于监测业务的总体表现，而过程型指标关注影响业务结果的中间步骤，并提供了指导改进的方向。通过同时关注这两种类型的指标，我们可以更全面地了解业务，并采取有针对性的措施来实现业务目标。体系是由不同的维度组成，而维度是指用户观察、思考与表述某事物的“思维角度”，维度是指标体系的核心，没有维度，单纯说指标是没有任何意义的。维度主要分为定性维度和定量维度，定性维度，主要是偏文字描述类如城市、性别、职业等;定量维度，主要是数值类描述如收入、年龄等，对定量维度需要做数值分组处理。
指标的构成
指标 = 业务维度描述 + 技术维度描述
指标，是反映某种事物或现象，描述在一定时间和条件下的规模、程度、比例、结构等概念，通常由指标名称和指标数值组成。例如，‘用户平均停留时间’这个指标，它的业务维度描述告诉我们为什么这个指标重要，而技术维度描述则解释了如何计算这个指标的数值。指标数值是具体的结果，即 2 分钟。这个指标可以帮助我们了解用户对网站的兴趣程度，从而采取措施来改进用户体验，例如增加吸引用户的内容或提高网站加载速度。通过将业务和技术维度结合起来，我们能够更好地理解和利用指标来优化业务。
指标的分级
在进行整个指标分级的时候，我们需要先思考：一级二级指标，能否反映产品当前的运营情况；三级四级指标能否帮助一线人员定位问题，指导运营工作。数据本身是分层的，我们在思考指标的时候，也应该有一个层级的概念，而不是现阶段关心什么，我们就放什么；指标分级可以帮助我们更高效的去定位问题，去验证你的方法论，无需每次都要思考要去看哪些指标。
1. 公司战略层面指标
用于衡量公司整体目标达成情况，通常设定在 5-8 个指标。这类指标是与业务紧密结合，按照行业标准进行制定，有可参考的行业标准指标，且这类指标针对全公司所有员工均具有核心的指导意义。例如某游戏公司的一级指标：新增账号、留存率、DAU/MAU （日活跃用户/月活跃用户）、付费人数（率）、收入金额等。
2. 业务策略层面指标
为了实现一级指标，企业会做出一些策略，二级指标通常与这些策略有所关联。可以简单理解为一级指标的实现路径，用于更快定位一级指标的问题。例如某游戏公司一级指标是游戏收入，那么二级指标可以设定为不同游戏物品的收入。一级指标是 DAU（日活跃用户），那么二级指标设定为分服务器的 DAU 等。这样当一级指标出现问题的时候，我们可以快速查询到问题的所在点。
3. 业务执行层面指标
- 三级指标是对二级指标的路径拆解，用于定位二级指标的问题。
- 三级指标的使用通常是可以指导一线人员开展工作的指标内容。
- 三级指标的要求是：一线人员看到指标后，可以快速做出相应的动作。
例如游戏公司的二级指标是 XX 区服的 DAU，那么三级指标则可以设定为游戏时长、游戏频次、游戏等级分布、游戏关卡流失情况等。通过观察这些数据，可以去针对性地做调整，如某个关卡流失的用户特别高，那么尝试降低难度。
指标体系生命周期
生命周期主要包含定义、生产、消费、下线四个阶段。针对整个生命周期要持续做指标运维、质量保障，同时为了提高指标数据复用度，降低用户使用成本需要做对应的数据运营工作。
图 指标体系生命周期图
综合使用场景
指标体系主要是结合用户的业务场景来进行使用，多个不同的指标和维度可以组合起来进行业务的综合分析，用户可通过指标的变化看到整体业务的变化，并能够快速发现问题、定位问题。常用的场景一种是决策分析的场景，通过数据看清业务现状进行战略决策支持；另一种是运营分析场景，无论是做用户运营、产品运营还是活动运营都需要各类指标数据的支撑去看清问题、分析问题和指导解决问题。
指标体系的作用
衡量业务发展质量
指标体系可以反映业务客观事实，看清业务发展现状，通过指标对业务质量进行衡量，把控业务发展情况，针对发现的业务问题聚焦解决，促进业务有序增长。
建立指标因果关系
主要明确结果型指标和过程型指标关系，通过结果指标回溯过程指标，找到解决问题的核心原因。
指导用户分析工作
目的建立产品评估体系、活动效果评估体系、智能运营分析体系。
指导基础数据建设
明确基础数据建设方向，集中资源，避免过程和结果分析指标数据的遗漏或缺失。
指导内容产品建设
结合用户的业务场景来进行使用，多个不同的指标和维度可以组合起来进行业务的综合分析，用户可通过指标的变化看到整体业务的变化，并能够快速发现问题、定位问题。
统一指标消费口径
企业内统一关键指标业务口径及计算口径，统一企业业务目标，实现自上而下目标驱动。
搭建指标体系的方法
指标体系建设的常用方法是通过场景化进行指标体系的搭建，以用户的视角场景化思考，自上而下业务驱动指标体系建设，所以要在特定场景下做好指标体系建设，需要先选好指标，然后选择合适的方法搭建指标体系。
科学方法选指标
选指标常用方法是指标分级方法和 OSM 模型。
1. 指标分级
主要是指标内容纵向的思考，根据企业战略目标、组织及业务过程进行自上而下的指标分级，对指标进行层层剖析，主要分为三级 T1、T2、T3。
- T1 指标：公司战略层面指标
用于衡量公司整体目标达成情况的指标，主要是决策类指标，T1 指标使用通常服务于公司战略决策层。
- T2 指标：业务策略层面指标
为达成 T1 指标的目标，公司会对目标拆解到业务线或事业群，并有针对性做出一系列运营策略，T2 指标通常反映的是策略结果属于支持性指标同时也是业务线或事业群的核心指标。T2 指标是 T1 指标的纵向的路径拆解，便于 T1 指标的问题定位，T2 指标使用通常服务业务线或事业群。
- T3 指标：业务执行层面指标
T3 指标是对 T2 指标的拆解，用于定位 T2 指标的问题。T3 指标通常也是业务过程中最多的指标。根据各职能部门目标的不同，其关注的指标也各有差异。T3 指标的使用通常可以指导一线运营或分析人员开展工作，内容偏过程性指标，可以快速引导一线人员做出相应的动作。
2. OSM 模型（Obejective，Strategy，Measurement）
OMS模型是指标体系建设过程中辅助确定核心的重要方法，包含业务目标、业务策略、业务度量，是指标内容横向的思考。
- O
用户使用产品的目标是什么？产品满足了用户的什么需求？
主要从用户视角和业务视角确定目标，原则是切实可行、易理解、可干预、正向有益。
- S
为了达成上述目标我采取的策略是什么？
- M
这些策略随之带来的数据指标变化有哪些？
用分析模型搭建指标体系
AARRR 海盗模型是用户分析的经典模型，它反映了增长是系统性地贯穿于用户生命周期各个阶段的：用户拉新(Acquisition)、用户激活(Activation)、用户留存(Retention)、商业变现(Revenue)以及用户推荐(Referral)。
1. AARRR 模型
- A 拉新：
通过各种推广渠道，以各种方式获取目标用户，并对各种营销渠道的效果评估，不断优化投入策略，降低获客成本。涉及关键指标例如新增注册用户数、激活率、注册转化率、新客留存率、下载量、安装量等。
- A 活跃：
活跃用户指真正开始使用了产品提供的价值，我们需要掌握用户的行为数据，监控产品健康程度。这个模块主要反映用户进入产品的行为表现，是产品体验的核心所在。涉及关键指标例如 DAU/MAU （日活跃用户/月活跃用户）、日均使用时长、启动 APP 时长、启动 APP 次数等。
- R 留存：
衡量用户粘性和质量的指标。涉及关键指标例如留存率、流失率等。
- R 变现：
主要用来衡量产品商业价值。涉及关键指标例如生命周期价值(LTV)、客单价、总消费额（GMV ）等。
- R 推荐：
衡量用户自传播程度和口碑情况。涉及关键指标例如邀请率、裂变系数等。可以根据实际业务场景，结合使用 OSM 和 AARRR 模型，来系统性的选择不同阶段所需要的核心数据指标。可以根据实际业务场景，结合使用 OSM 和 AARRR 模型，来系统性的选择不同阶段所需要的核心数据指标。
图 指标构建图
场景化搭建指标体系
目前阶段互联网业务比较流行的一种通用抽象场景“人、货、场”，实际就是我们日常所说的用户、产品、场景，在通俗点讲就是谁在什么场景下使用了什么产品，不同的商业模式会有不同的组合模式。以滴滴实际场景为例：哪些场景（此处场景定义为终端，如 Native，微信，支付宝）的什么人（乘客）在平台上使用了哪些货（平台业务线，如快车/专车等），进而为评估用户增长的价值和效果。
- “人”的视角：
从“人”的视角，我们比较关心的是什么乘客在什么时间打的车，排了多长时间，等了多长时间上车，周期内第几次打车，打车花了多少钱，是否有投诉和取消行为，具体到数据指标主要看发单用户数、完单用户数、客单价、周期内完单订单数、取消订单数、评价订单数等。
- "货"的视角：
从“货”的视角，我们比较关心的就是成交了多少，交易额多少，花了多少，到具体数据指标主要会看总消费额（GMV）、成交率、取消率指标，再进一步会细分到城市、区域，一级品类、二级品类。数据的效果通过目标对比，横向对比、历史比较等方式进行分析确定。
- "场"的视角：
从“场”的视角，我们比较关心的就是哪个渠道用户点击量大曝光率大，带来了多少新用户，完成多少交易订单，客单价是多少；或者是哪个活动拉新或促活效果怎么样转化率多少，结合场景数据实际情况制定对应策略。
以上分别从“人”、“货”、“场”三个角度进行了数据指标和分析维度的提炼，下面我们把三类指标结合指标分级方法进行分解关联。
