指标是数据分析的基础，搭建一个完善的指标体系能让分析工作变得更加高效，还能量化业务质量。在真实场景中，经常会遇到异常指标，清晰的指标体系能帮助我们快速定位问题。今天将系统地介绍一下指标体系的搭建和异常指标分析思路。
指标体系搭建
对于互联网行业，通常依据 AARRR 模型来搭建指标体系。
- 获取阶段（Acquisition）：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进行评估。可选择时间、省份城市、渠道等维度，指标可选择新用户数等。
- 促进活跃（Activation）：如何让新用户转化为活跃用户。这时需要关注活跃用户数、产品使用时长、复购等指标。
- 留存阶段（Retention）：如何让用户持续活跃、提高用户粘性、或者将流失用户重新召回。这个阶段需要重点关注留存率、流失率和召回率。
- 盈利阶段 （Revenue）：用户开始贡献商业价值。比如广告收益等。
- 传播阶段（Refer）：老用户传播推荐产品，带来新用户的过程。可以关注分享带回用户数。
异常指标分析
这个流程只是一个整体框架，每一步都需要结合真实业务场景进行具体分析。
- 检查数据的准确性，判断是否指标口径定义错误，或者 SQL 代码取数逻辑出错。
- 观察指标的时间特性。可对该指标进行同环比分析，判断数据本身是否具有季节性、周期性。注意，在进行同环比分析时，需要考虑是否存在突发事件，若忽略这些因素很可能会导致截然相反的分析结果。
- 定位数据的异常是否来自某个活动或功能的改变，可以和产品运营沟通，近期是否有活动上线。再或是考虑是否技术侧的埋点设计、数据上报、数据统计出现了错误。
- 对异常指标进行维度拆解。可以计算不同维度对数据异常的影响系数：
影响系数某维度异常前指标数值异常指标数值某维度异常前指标数值
- 竞品分析。通过竞品分析一方面可以了解整体行业的发展情况，另一方面可以了解我们的产品在整个行业的份额是否发生了变化。
- 预测数据异常将持续多久，判断异常指标对核心数据是否存在影响。与业务沟通，商讨挽回损失的对策。
