下载掌阅APP，畅读海量书库
立即打开
本节将从常用指标和指标体系构建方法两个方面对指标体系相关知识进行总结，尽管我们可以将具体的指标体系生成工作交给ChatGPT去处理，但是只有掌握了这些相关知识，我们才能有的放矢地通过ChatGPT搭建指标体系，且我们产出的指标体系也会因此更加富有逻辑性和框架性。
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。
指标在我们的生活中其实无处不在，比如当我们想要知道自己的身体是否健康时，如果仅用“我感觉今天头有点不舒服”或者“我身体一直非常棒”这样的语言来描述，就会显得过于主观并且缺乏依据。只有当我们去医院做完体检后，凭借体检报告中血压、血糖等各项身体指标才能客观、有理有据地说明我们的健康状况。
对于企业也是同理，我们如果要表达“A产品最近卖得不如B产品好”或者“C网站近期吸引到不少流量”，一定要用合适的指标和精准的数值描述清楚。
（1）“A产品最近卖得不如B产品好”ð“A产品2023年7月销量为18273件，GMV为381023元；而B产品2023年7月销量为29112件，GMV为598846元”。
（2）“C网站近期吸引到不少流量”ð“C网站近30天UV为180000，环比增长40%，同比增长30%”。
数据指标主要可以通过两个角度进行分类：一是按照分析对象将其划分为用户数据指标、行为数据指标、货品数据指标；二是按照流程顺序将其划分为结果型指标和过程型指标。
首先我们来看按照分析对象将其划分出来的指标。
1．用户数据指标
几乎所有的产品都可以将其用户分为五个类型：新增用户、活跃用户、留存用户、沉默用户和流失用户，因此用户数据指标主要围绕上述用户类型展开，图4.1归纳总结了常用用户数据指标。
图4.1 常用用户数据指标
如果把产品的所有用户当成一个池子，那么新增用户就是活水，能够保持水的流动鲜活。针对新增用户的数据指标主要用来描述商家从不同渠道获取的新增用户的数量及新增用户的质量，常用到的新增用户指标主要包括新增用户数量、用户增长率和获客成本。
（1）新增用户数量。顾名思义，新增用户数量就是一段时间内新注册或加入的用户数量，适用于评估市场吸引力和用户增长趋势，以及衡量营销活动的效果。
（2）用户增长率。用户增长率用于衡量用户数量的增长速度。其计算方式为
用户增长率=（新增用户数量／前期用户数量）×100%
它主要用于评估产品或服务的用户数量是否在增加，以及市场份额的扩大程度。
（3）获客成本。获客成本是获得新客户的近似成本，简单地说，就是将潜在客户转化为想要购买产品或服务的客户所花费的资金和资源。由于获得新客户的方式有很多种，因此获客成本会有所不同。该指标的计算可以包括广告费用、市场推广费用、销售人员薪资、促销活动成本等。其计算方式为
获客成本=营销和销售成本／新客户数量
活跃用户是指在特定时间段内与产品、服务或平台进行交互或使用的用户，通俗地说，也就是那些时不时喜欢在产品或平台上“溜达”的用户。活跃用户不仅仅注册或安装了应用程序，而且会实际参与和使用产品。常用到的活跃用户指标主要包括活跃用户数量和活跃用户率。
（1）活跃用户数量。活跃用户数量就是在特定时间段内与产品、服务或平台进行交互或使用的用户的数量。不同业务和平台对活跃用户数量的计算各有差别，例如，在社交媒体平台上，活跃用户数量可以是发表帖子、评论、点赞或分享内容的用户数量；在电商平台上，活跃用户数量可以是进行购物、下订单或发表评价的用户数量。
（2）活跃用户率。活跃用户率是指活跃用户数与总用户数之间的比例关系，可以衡量用户参与度和产品使用程度。
如果没有用户，我们的产品就无用武之地；如果用户留存不好，那产品就离下线不远了。所谓留存用户，就是在特定时间段后继续使用产品、服务或平台的用户。管理学家彼得·F.德鲁克（Peter F.Drucker）指出：“商业的目的在于创造和留住顾客”，留存用户对于产品或平台运营的重要程度可见一斑。数据分析中针对留存用户的数据指标主要是留存率。
留存率表示在给定时间段内继续使用产品或服务的用户比例，留存率可以用于不同时间段的衡量，如次日留存率、周留存率、月留存率等。其计算公式为
留存率=（继续使用产品或服务的用户数／起始时期的用户数）×100%
假设在某一周的起始时A公司有1000个用户，而在该周结束时期有800个用户继续使用产品或服务，则该周的留存率为
留存率=（800/1000）×100%=80%
处在留存状态的用户人群中，往往会有一群与商家互动行为较为稀疏或者已经处于流失边缘的用户，这些用户被称为沉默用户。衡量沉默用户状况的指标主要包括沉默用户率和沉默用户召回率。
（1）沉默用户率。沉默用户率是沉默用户数与总用户数之间的比例关系，它衡量的是处于沉默状态的用户在整体用户基数中的占比，它可以帮助企业评估用户参与度的下降情况，并作为改进用户留存策略、产品和改善用户体验的参考。
（2）沉默用户召回率。面对用户在流失边缘徘徊，企业肯定不能坐以待毙，往往会尝试各种方式进行用户召回。沉默用户召回率就是指企业成功重新激活沉默用户的比例，也称为沉默用户再参与率，它衡量的是企业在尝试重新吸引沉默用户后取得的成功程度。其计算方式为
沉默用户召回率=重新激活的沉默用户数／总沉默用户数×100%
流失用户是指曾经使用过产品、服务或平台，但在一段时间内完全停止使用并放弃了关系的用户，这些用户不再与产品或平台进行交互，可能取消了订阅、注销了账户或干脆卸载了相关软件。衡量流失用户状况的主要数据指标是流失率。
流失率是在给定时间段内停止使用产品或服务的用户比例。其计算方式为
流失率=（流失用户数／起始时期的用户数）×100%
它主要用于评估产品或服务的用户流失情况，判断用户流失的严重程度，为改进用户留存策略提供依据。
当我们需要评估用户在整个生命周期内对平台的贡献时，就需要用到用户生命周期价值这个指标。它衡量了一个用户在整个与企业的互动过程中对企业的经济价值，是用户在各个阶段的变现能力之和。其计算方式为
用户生命周期价值=（平均购买金额×购买频率×用户生命周期长度）–用户获取成本
2．行为数据指标
在通过各种用户数据指标了解了我们的用户后，我们还需要通过一系列指标去刻画特定时间段内用户群体特定行为发生的次数和频率，这就是行为数据指标。行为数据指标可以用于评估客户行为触点的有效性，并优化低效和改进的客户行为触点，以增加特定行为的频率、提高业务行为效率和优化业务流程，从而为企业创造更多收益。
不同行业和业务流程适用的行为数据指标有较大差异，因此本部分主要讲述一些具有代表性的行为类指标：PV和UV、平均访问深度、转化率、K因子。
（1）PV和UV。PV即页面浏览量，是统计网站或移动应用在一定时间内页面被访问的总次数，每次页面加载算作一次浏览；与PV常常捆绑出现的指标是UV，即独立访客数，它是统计网站或移动应用在一定时间内独立访问者的数量。也就是说，如果A公司的平台网页某日被5000人共计打开了10000次，那么对应的UV是5000，PV则是10000。
（2）平均访问深度。平均访问深度是一次访问行为中浏览的平均页面数，其计算方式为
平均访问深度=PV/UV
如果把网站想象成图书馆，那么平均访问深度就是读者在图书馆里阅读书籍的数量，读者在图书馆中读的书越多越能说明图书馆的藏书对读者有很大的吸引力，因此平均访问深度主要用于评估用户在单次访问中的浏览兴趣和活跃程度，指导网站或应用的内容布局和导航设计。
（3）转化率。转化率是用户在网站或移动应用中完成特定目标（如购买、注册等）的比例，主要用于评估网站或移动应用的目标达成情况，衡量营销活动的效果，优化用户转化路径和提升用户转化率。
（4）K因子。我们都希望我们的产品能快速“破圈”然后大面积“圈粉”，由星星之火发展成燎原之势，那么火焰的蔓延速度就是K因子。在用户运营中，K因子常用于分析评估用户参与度和内容传播的效果，其计算方式为
K因子=（每个用户平均带来的新用户数量×转发率）-1
3．货品数据指标
在企业的日常实践中，用户数据指标可以帮助企业了解目标市场的需求和偏好，从而推动货品的设计与优化；反过来，货品的性质和质量又会直接影响用户的行为，因此用户数据指标、行为数据指标和货品数据指标都不是孤立存在的，而是互相联系的。
货品数据指标可以根据应用场景分成两种类型：其一是库存类货品指标，其二是业务成交类货品指标，这两个指标一“后”一“前”，互相配合。库存类货品指标在后方为业务的成交提供弹药，而业务成交类货品指标就是在衡量弹药有没有在一线业务中被充分地打出去。
图4.2归纳总结了常用货品数据指标。
图4.2 常用货品数据指标
首先来看常见的库存类货品指标，该类型指标主要包括库存数量、库存周转率和库销比。
（1）库存数量。库存数量即企业在某个时间点持有的产品或物料的数量或在某个时间段持有的平均货品数量。在计算该指标时可以选择以下两种方式中的任意一种：
①单位时间内库存总数量或库存总金额／单位时间天数；
②单位时间内，（期初库存数量或金额+期库存数量或金额）/2。
（2）库存周转率。库存周转率是企业在一定时间内销售或使用库存的速度和效率，从企业经营角度来看，库存周转率越高，则库存货品越是能够快速转化为销售收入，从而减少库存风险和降低滞销风险，其计算方式为库存周转率=销售额／平均库存数量。
（3）库销比。库销比反映了库存持有风险和资金利用效率，其计算方式为库销比=平均库存数量／平均销售额。
业务成交类货品指标主要包括成交总额、复购率和客单价，下面介绍这些指标的概念和应用场景。
（1）成交总额。如果你对电商行业有一定关注，那么GMV这个指标你一定不会陌生，成交总额就是我们常说的GMV。成交总额是指在特定时间段内，所有交易或销售活动所产生的总收入或总销售额。需要注意，GMV在统计时包括销售额、取消订单金额、拒收订单金额和退货订单金额。
（2）复购率。复购率是在一定时间段内再次购买同一产品或服务的客户比例，可以衡量客户忠诚度和产品的再购买吸引力。
（3）客单价。客单价可以用来评估用户的价值和盈利能力，帮助企业了解客户购买行为和消费习惯，不同行业的客单价会有天然的差距，比如奢侈品企业的客单价往往要比快消品企业高得多。
按照分析对象将其划分出来的各种常用指标主要就是前面讲的这些，现在我们来看按照流程顺序划分出的结果型指标和过程型指标。针对这两个指标，我们主要掌握它们的划分依据和应用场景。
（1）结果型指标用于衡量用户发生某个动作后所产生的结果，通常是延后知道的，很难进行干预。结果型指标更多的是监控数据异常，或者是监控某个场景下用户需求是否被满足。
（2）过程型指标是用户在做某个动作时所产生的指标，可以通过某些运营策略来影响这个过程指标，从而影响最终的结果，过程型指标更加关注用户的需求为什么被满足或没被满足。
在4.2.1节，我们了解了不同指标的概念和应用，但是要完整、全面地描述业务，光用单个指标肯定是远远不够的。比如我们在描述天气的时候，如果只知道今天的温度是25摄氏度，那我们今天出门是穿长袖还是短袖？要不要带伞？要不要涂抹防晒霜？只有知道今天的温度、湿度、天气类型等各个指标才能作出分析判断。
因此我们要把多个指标按照一定关系构成一个整体，也就是形成指标体系，才能更有效地进行分析和决策。
指标体系构建方法主要包括两个步骤：一是指标选取，二是指标体系搭建。
1．指标选取
如果你不幸在森林中迷路需要辨别方向，寻找北极星这个老生常谈的方法肯定会第一时间出现在你的脑海里，因为无论你在哪里，北极星总是指向北方。同样，公司如果想要辨别自己的方向，找出适合自己的经营模式，也是需要“北极星”来指引的，也就是我们所说的北极星指标（North Star Metric）。
北极星指标是指标选取的常用方法，也被称为第一关键指标，它是在产品的当前阶段与业务或战略相关的绝对核心指标，应当紧密联系公司的核心业务目标，并通过衡量用户行为和价值创造来反映公司的业务增长情况。
因此，在选择北极星指标时首先要明确公司的核心业务目标和战略方向，其次要深入了解目标用户群体及其需求，分析用户对产品或服务的核心价值并识别影响业务增长的关键业务要素。在此基础上，对候选指标进行综合权衡和筛选，考虑指标的全面性、代表性、适应性和灵活性，最终选择能够全面反映公司业务健康状况且与业务目标一致的北极星指标。
如果发现单一指标不能全面体现公司的经营情况，可以考虑加入其他指标作为“制衡指标”，比如很多电商公司会将北极星指标设置为GMV，将辅助指标设置为订单量。既然有指引方向的作用，那方向一定要一致，所以要尽量控制指标数量，越聚焦越好。指标也不可选太多，指标太多，容易变得不知轻重；指标太少，只有一个，容易变得视野狭隘、盲目前进。
2．指标体系搭建
指标体系搭建方法主要有两种，即指标分级和OSM模型，下面对这两种方法分别进行介绍。
（1）指标分级。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，分别称为T1级指标、T2级指标和T3级指标。
如果企业是一棵参天大树，那么T1级指标就是树根，是最高级别的指标，直接与企业的战略目标和核心价值相关。这些指标对于企业的成功和可持续发展至关重要，能够全面反映企业整体业务表现和业务增长情况。
T2级指标就像是树干，是次级别的指标，衡量关键业务要素和关键业务流程的关键驱动因素。这些指标对于实现T1级指标和战略目标具有重要影响，能够直接衡量和监控企业的关键业务表现和业务健康状况。
T3级指标就像是树枝，是更具细化和具体性的指标，用于提供更详细的业务信息和补充性的分析。这些指标通常用于支持决策、优化业务流程和深入了解特定业务环节，但相对于T1级和T2级指标来说，对企业整体业务目标的直接影响较小。
（2）OSM模型。OSM模型是指标体系建设过程中辅助确定核心的重要方法。它包含业务目标、业务策略和业务度量，是指标内容横向的思考，下面我们分别解释“O”“S”“M”的含义。
“O”即objective，代表目标。目标是组织设定的具体、可衡量的业务目标。它们应与组织的战略目标和长期愿景保持一致。目标应具有明确的定量或定性度量标准，以便进行衡量和追踪。
“S”即strategy，代表策略。策略是为实现目标而制定的行动方案和决策。在OSM模型中，策略是指导实现目标的路线图和计划。策略选择需要考虑组织的资源、竞争环境和市场需求等因素，以确保有效地实现目标。
“M”即measurement，代表度量。度量是指标体系中用于衡量和评估业务绩效的具体度量指标。在OSM模型中，度量是与目标和策略对应的指标。这些指标应该准确地反映业务绩效和目标的达成情况，选择适当的度量指标能够帮助组织监控和改进业务绩效。
在4.1节的案例中，我们提到A公司的指标混乱的现状：指标命名随意，不易理解；各部门指标的名称不同口径相同、指标名称相同口径不同等。要解决这些问题，需要公司各部门统一数据口径，要共用指标，也就是公司要有大家都参考使用的指标说明。
那如何形成一个大家都认同的指标说明呢？
假设我们把公司的各个指标比作一个庞大的词汇库，那么“指标字典”就好比一本词典。在这本词典里，每一个指标都被有序、有组织地整理好，就像词典中的每一个词条。当你对某个指标有疑问时，只需翻阅这本词典，就能找到关于该指标的详细解释，包括它的定义、计算方法、相关维度等。
这样的指标字典不仅能确保公司内部各部门对指标的理解保持一致，还能大大提高沟通效率，减少不必要的误解和重复劳动。它是公司数据化建设的基石，也是数据平台搭建的关键。
而“指标体系”与“指标字典”虽然都涉及指标，但它们的侧重点不同。指标字典更像是一个索引，列出了所有的指标，并为每一个指标提供详细的解释。而指标体系则更注重指标之间的逻辑关系，它按照业务的组织结构对指标进行分类和整合。
要建立一个完善的指标字典，我们需要考虑以下几个方面。
（1）指标分类。为了方便查找，我们需要按照业务方向对指标进行分类。
（2）指标名称。每个指标的名称都应该简单明了，且具有规范性。
（3）计算方法。明确每个指标的计算方式，包括它的汇总方法和度量单位。
（4）可用维度。列出与该指标相关的所有可能维度，如时间、年龄、性别等。这些维度可以根据实际需求进行选择和组合。
（5）指标映射。解释这个指标能够反映的业务情况和它的应用场景。
表4.1是某指标字典示例，供大家直观感受。
表4.1 某指标字典示例
