数据指标体系「搭建流程+真实应用」全解！数据分析师&产品经理必看！

    Rian | 作者

DS数据科学之美 | 来源

 

---

 

在日常工作中，产品经理和数据分析师相爱相杀，其中两个角色都会涉及到数据运营指标体系的搭建。

 

对于产品经理来说，用什么样的指标体系去刻画他负责的产品是非常关键的，决定了他能不能及时从指标上找到产品的问题，迅速的改变打法；对于数据分析师来说，如何帮助产品去设计一个完整、准确、高效的、能反应产品走势和用户行为变化的指标体系存在很大的挑战性。今天主要分享数据指标体系具体的搭建流程，以及搭建完之后如何在业务中应用。

 

1

 

搭建过程

 

要想搭建一个指标体系，主要的步骤有下面4个分别是：指标规划、数据采集、报表呈现、数据产品

 

1. 指标规划

 

首先我们需要知道我们需要知道产品或者运营对应的目标是什么， 深入了解业务，然后规划出大致需要哪些指标，每一个指标是怎么定义的

 

2. 数据采集

 

定好了指标之后，就要根据指标去确定我们要上报的数据，这一阶段最重要的是上报的分类和上报的规范，具体的上报规范每个公司都有自己的上报规范，需要按照这个提需求，每一个上报的后的数据都需要进行检验检查，保证上报的数据是跟我们想要采集的数据是一致的，并且上报的时候没有明显错误。

 

3. 报表呈现

 

上报上来的数据进行加工计算，主要的流程是在数据仓库（数据仓库简单来说就是存数据的地方）进行的，计算后就呈现在报表上。

 

这里需要关注是报表对应的维度和指标有哪些，是否这些是齐全的，每一张报表之间的联系以及报表与整体的产品目标的联系

 

4. 数据产品

 

等有了基础的报表体系之后，再把所有的业务的报表体系做成集成，并加上一些高阶的功能，比如数据的上卷、下钻和异常监控等功能组成了一个数据产品，数据产品除了提供数据的情况的可视化以外，还有一些自助的功能，比如让用户可以输入条件进行提取数据，用户分群功能等

 

2

 

数据指标体系的实际应用

 

1. 下钻分析

 

（引用自: 鸟哥笔记和腾讯移动分析）

 

在工作中经常遇到像dau降低了，收入降低了，留存降低了等，最直接的方法就是可以利用前期搭建的指标体系去进行下钻分析，比如微信每天发表情的数量降低了，通过维度拆解就发现18-24岁的年轻群体降低的比较严重，那我们就可以看这一部分群体为什么会下降严重，又可以拆分为新用户和老用户等不算下钻抽丝拨茧，进行下降归因

 

2. 用户行为洞察

 

以电商为例，通过多个指标之间的漏斗分析可以定位出流失严重的关键环节，比如这里就是从提交订单到支付订单流失非常严重，产品就要对这一个环节进行用户调研，及时改进功能

 

3. 用户画像洞察

 

比如"更美"app 的画像洞察， 可以发现这个app在主要的使用群体，通过主要的使用群体的画像监控，可以发现每次产品迭代后主流的用户群体变化情况，便于产品决策者决策目前设计出来的产品的主流用户群体是不是当初设定的群体，我们的细分群体是否有触达转化到等等

 

4. 用户生命周期洞察

 

我们知道用户的生命周期分为引入期、成长期、成熟期、休眠期、流失期，根据这个我们可以把每天的活跃用户（dau）划分为新增用户、持续活跃用户（活跃的频次较高）、流失复活用户（很长时间没有活跃突然活跃）、沉默活跃用户（较短时间没有活跃，突然活跃的用户）

 

DAU的组成：

 

 

 

我们只要前期计算出每天dau中新增、沉默复活、持续活跃、流失复活中各个用户群的占比，就可以监控每一种用户群体的变化走势，以及每个细分群体之间的流转情况，我们希望的肯定是持续活跃用户比例上升，流失复活和沉默复活的比例减少。

 

- END -