产品运营数据分析框架应该包含哪些重要指标?

简介:

首先指标并不是一成不变的,它会根据你的行业、公司所处的阶段而改变;第二是我们很容易把指标找错,而只有正确的指标才能指导你的运营工作。

众所周知,新增用户、用户活跃度、停留时长、常用功能或者各渠道转化率等,都是很重要的用户行为数据,这些数据告诉我们,用户是谁?从哪里来?在网站/App 干了什么?这些数据应该成为数据分析的基础数据,我们可以基于这些行为数据去做更深度的分析。因为它们只能告诉你网站的大概情况,但是通常不太能很好地指导工作。

如何选择正确的数据指标?

产品运营数据分析框架应该包含哪些重要指标?

“ North Star Metric ” 北极星指标,又叫做“ OMTM ” One metric that matters , 唯一重要的指标。

之所以叫北极星指标,是因为这个指标一旦确立,就像北极星一样,高高闪耀在天空中,指引着全公司上上下下,向着同一个方向迈进。

一、为什么北极星指标那么重要?

找到公司的北极星指标,是做增长的第一步,也是至关重要的一步。为什么这么说?

第一,做增长涉及到公司运营的方方面面,没有一个明确的数据指标指引,很容易眉毛胡子一把抓,而无法有效地集中火力抓住重点。

第二,当公司到达一定规模,一个共同的目标可以帮助把团队调整到同一个方向上,并且明确任务的优先级。

第三,设定一个数据指标,能够大幅提高行动力。如同 YC 联合创始人 Paul Graham 所说:一旦你选定了你的目标,你只有一件事可以做,努力达到那个目标。通过这一个目标,你可以知道公司的状况,有针对性地上线各种项目和试验,然后观察有无成效。

二、两个选择数据指标的案例

如果上面的陈述还是让你觉得太枯燥,一起来听听关于北极星指标的两个故事吧。

1、美剧《硅谷》中的Pied Piper

最近大热的HBO美剧,Sillicon Valley 硅谷,刚刚出了三季,已经充分地俘获了广大马工和非马工的心。我的很多程序员朋友都在追,一致的评价是非常写实,而且几乎有点太写实了。从某搜索引擎大公司内部的浮夸文化,到形形色色的奇葩风险投资人,再到Pied Piper从一个程序员Richard的业余项目跌跌撞撞成长为独立的公司。

走过融资烧钱几度濒临破产又置之死地而后生的全过程,简直可以称为一部活脱脱华丽丽的硅谷真人秀。

产品运营数据分析框架应该包含哪些重要指标?

在第三季的倒数第二集,当投资人和公司员工兴奋地开 party 庆祝 Pied Piper 的重大里程碑500,000个安装用户时,公司的CEO Richard却处在巨大的恐慌中。

为什么?因为在这 500,000 次安装用户里,只有 19,000,也就是不到 4% 的日均活跃用户(DAU)。

安装数不用解释,日均活跃用户(DAU)在这里指的是每天至少登录 Pied Piper 平台一次的用户,用户下载多固然好,但是这里面有很多是因为刚刚上市的宣传,媒体报道和品牌效应,而高下载低活跃用户比例恰恰说明了产品还存在巨大的问题。

在接下来的剧集里,Richard 和他的团队走上了想法设法增加 DAU 的漫漫长路,无所不用其极,甚至还一度采用了从印度皮包公司买点击的办法。

产品运营数据分析框架应该包含哪些重要指标?

Richard自带主角光环,Piped Piper 很可能会逢凶化吉。在现实世界中,如果你选择了一个错误的指标作为公司的北极星指标,而你却不自知,你会把公司置于一个十分危险的境地。

2、Facebook 如何突破 MySpace 重围

早在Facebook成立之前,美国社交网络的老大是MySpace。MySpace 历史久,用户多,还有东家加大金主新闻集团撑腰,从任何一个角度看都应该可以轻易碾压由几个大学辍学生创办的 Facebook,最终却输得一败涂地。

其中的原因当然不只一个,但是有一个有趣的区别是:MySpace 公司运营的主要指标是注册“用户数”,而Facebook在Mark的指引下,在成立的早期就把“月活跃用户数”作为对外汇报和内部运营的主要指标。

产品运营数据分析框架应该包含哪些重要指标?

你可能听说过所谓的虚荣指标,“Vanity Metric”。 我们并不能说注册用户数是一个彻头彻脑的 Vanity Metric,但它却有”虚荣“的成分在。怎么讲?如果 Myspace 号称自己有 100 万注册用户,这里面有多少是5年前注册的,有多少注册之后从来没有二次访问过,有多少试用了几次就成为了僵尸用户,有多少仍然使用但是半年才上线一次?

100 万的注册用户可能在投资人那里看起来好看,在员工那里说起来好听,但在公司的内部运营上,它也可能让 MySpace 错误估计了形势,走偏了方向,抓错了重点,最终在和 Facebook 的较量中败下阵来。

产品运营数据分析框架应该包含哪些重要指标?

相比之下,从“用户数”到“月活跃用户数”,看起来只是多了三个字,却确保了Facebook内部的任何决策都是指向真实持续的活跃用户增长。我最佩服Mark Zuckburg的一点是,他不仅把月活跃用户数作为内部的北极星指标,还坚持对外汇报同一个指标,以此来确保监督公司的运营策略永远诚实地对用户价值负责,而不是追求简单粗暴的短期增长。

要知道这一点并不容易做到,现在很多公司仍然选择对投资人披露一个注过水的“半虚荣指标”,以求数字好看。

数据指标从来都不只是指标,它代表了管理层对用户价值和公司成功关系之间的理解,也会指导每个基层员工在日常工作中的一次次决策和执行。走正,和跑偏之间,也许只有一个北极星指标的区别。

三、如何找到北极星指标

说说我自己的经验吧,我最近加入了一家做个人金融类的App公司,主要负责用户留存。我入职之后做的第一件事情不是大张旗鼓地开始做增长实验,而是开展了一系列数据分析和内部讨论,最终我的第一个建议是停止使用公司现有的留存指标,转而使用一个新的指标。

得到整个团队的认同之后,然后才开始针对新指标的增长实验。通过上面两个故事,我想你不难明白我为什么要把这个作为第一步。

1、衡量北极星指标的6个标准

那么,如何找到一个合适的北极星指标呢?

首先声明,这个过程并不是一蹴而就的事情,也可能需要多次的尝试和改版。开始之前,把你脑子里有的一些指标写下来,问自己下面一些问题,可能会帮助你找到大概的方向:

a、你的产品的核心价值是什么?这个指标可以让你知道你的用户体验到了这种价值吗?

比如说,我现在公司做的是投资 App,那么用户的核心价值就是投资,所以这个北极星指标应该和投资有关;

b、这个指标能够反映用户的活跃程度吗?

在上面的例子里,Myspace 的“注册用户数” 就没有反应用户的活跃程度;

c、如果这个指标变好了,是不是能说明你的整个公司是在向好的方向发展?

比如说,对于 Uber 来说,如果只是把注册司机数作为北极星指标,显然就忽略了乘客这一方面。因此 Uber 的北极星指标应该能够反映司机和乘客的供需平衡,所以“总乘车数”就是更为合适的一个指标。

d、这个指标是不是很容易被你的整个团队理解和交流呢?

一般来说,建议选一个绝对数作为北极星指标,而不是比例或百分比:比如说,“总订单数”就比“订单额超过 100 元的订单比例”好理解。

e、这个指标是一个先导指标,还是一个滞后指标?

比如说,SaaS 公司喜欢使用收入作为北 极星指标,这不是一个坏指标,但是它确是一个滞后指标。有的用户很可能已经停止使用几个月了,却还在付月费。在这种情况下,”月活跃用户数“可能是一个更好的先导指标。

f、这个指标是不是一个可操作的指标?

简单地说,如果对于一个指标,你什么也做不了,那它对你来说相当于不存在。

2、3 个案例搞清北极星指标

几个北极星指标的例子:

产品运营数据分析框架应该包含哪些重要指标?

3、在业务实践中不断优化

最后,不要苛求完美,不要试图一步到位,寻找北极星指标也不是一道只有唯一解的数学题,很多指标之间都有相关性,选哪个并没有本质区别。

产品运营数据分析框架应该包含哪些重要指标?

借助数据分析工具,如国外的 Mixpanel、和国内的GrowingIO,来持续监控你的北极星指标,在业务实践中不断优化。你的目标是为你的团队找到一个最适合现阶段的聚焦点,让大家在日常工作中能够齐心协力向着一个方向前进。

毕竟,任何方法论都是为了帮助你更好地达成目标。不管是北极星,还是南极星,只要能照着我们走到终点,都是好星星。


文作者:曲卉

来源:51CTO

相关文章
|
SQL 数据采集 数据挖掘
大数据行业应用之Hive数据分析航班线路相关的各项指标
大数据行业应用之Hive数据分析航班线路相关的各项指标
440 1
|
7月前
|
人工智能 自然语言处理 Prometheus
不懂 PromQL,AI 智能体帮你玩转大规模指标数据分析
PromQL AI 智能体上线。本文将从自然语言生成 PromQL 实践视角,探讨如何构建知识库、与大模型进行交互、最终生成符合需求的 PromQL 语句。本文还介绍了在 MCP 和云监控控制台下使用 AI 智能体的用例。
619 51
|
5月前
|
SQL 搜索推荐 数据挖掘
数据分析怎么想、怎么用?一文讲透常见思维框架!
在数据分析中,很多人面对数据感到迷茫,主要问题在于缺乏清晰的思维框架。本文介绍了五种常用的数据分析思维框架,如拆解法、对比分析法、5W1H问题导向法等,帮助你在业务场景中理清思路、快速定位问题核心。通过实际案例讲解如何在不同情境下灵活运用这些框架,提升分析效率与逻辑表达能力,真正做到用数据驱动决策。
|
搜索推荐 数据可视化 数据挖掘
基于Python flask框架的招聘数据分析推荐系统,有数据推荐和可视化功能
本文介绍了一个基于Python Flask框架的招聘数据分析推荐系统,该系统具备用户登录注册、数据库连接查询、首页推荐、职位与城市分析、公司性质分析、职位需求分析、用户信息管理以及数据可视化等功能,旨在提高求职者的就业效率和满意度,同时为企业提供人才匹配和招聘效果评估手段。
662 0
基于Python flask框架的招聘数据分析推荐系统,有数据推荐和可视化功能
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
872 4
|
存储 数据挖掘 数据处理
Apache Paimon 是一款高性能的数据湖框架,支持流式和批处理,适用于实时数据分析
【10月更文挑战第8天】随着数据湖技术的发展,越来越多企业开始利用这一技术优化数据处理。Apache Paimon 是一款高性能的数据湖框架,支持流式和批处理,适用于实时数据分析。本文分享了巴别时代在构建基于 Paimon 的 Streaming Lakehouse 的探索和实践经验,包括示例代码和实际应用中的优势与挑战。
650 1
|
SQL 数据挖掘 API
ibis:极具潜力的Python数据分析新框架
ibis:极具潜力的Python数据分析新框架
374 6
|
存储 数据挖掘 索引
Python streamlit框架开发数据分析网站并免费部署
使用Python的Streamlit框架,开发了一个在线数据分析工具,替代Excel查看设备温度CSV数据。通过pandas读取数据,matplotlib绘制图表。程序处理CSV,提取所需列,计算最大最小平均值,用户可多选查看特定数据。[GitHub](https://github.com/yigedaigua/MGHB)上有完整代码,应用已部署至Streamlit Cloud。
435 1
|
数据挖掘 Python
python数据分析——业务指标量化
业务指标量化是衡量企业运营效果的重要手段,通过具体的数据和数值,可以更加直观地了解企业的运营状况,为企业决策提供有力的数据支持。
313 1
|
监控 搜索推荐 数据挖掘
python数据分析——业务指标分析
业务指标分析是企业运营中不可或缺的一环,通过对各项关键指标的深入剖析,我们能够更好地了解企业的运营状况,发现潜在问题,进而制定相应的策略来优化业务流程、提升经营效率。 在业务指标分析中,我们首先要明确分析的目的和范围。是为了评估整体业务健康状况,还是针对某一具体环节进行优化?明确了目的后,我们需要收集相关的数据,这些数据可能来源于不同的业务系统和数据库,因此数据的整合和清洗也是分析过程中的重要步骤。 接下来,我们要选择合适的分析方法。比如,对于销售数据,我们可以采用时间序列分析来观察销售趋势;对于用户行为数据,我们可以使用用户画像和路径分析来洞察用户需求和行为习惯。
415 1