在产品的日常中,有着统一的业务逻辑和指标口径,才能继续后续的流程。这篇文章,我们就来谈谈数据分析过程中指标确定的问题。

指标是数据的逻辑,是产品需求的外显。只有通过指标才能将无逻辑的、散乱的、无价值的数据整合成逻辑严密、整齐的、有价值的业务变动,供产品、业务参考以应对直接挑战与钱攒风险。

微小的数据变动下潜藏着产品浪潮的变动,如拼多多对电商领域的冲击,直接反应在低客单价用户活跃数的缓慢下降,有着指标趋势敏感度的人才能够发现它。

而在产品的日常工作中,只有统一指标的业务逻辑和指标口径才能继续推进流程,否则轻则“加班加点”,重则“全军覆没”,可见产品指标的重要性。然而实际上,指标确定、数据分析的流程很简单。笔者将按照以下逻辑对其进行梳理:

一、数据告诉你的秘密

数据是客观的,不会说话,最终会被统合成同样客观的指标数字。但通过观察公司最核心指标的设立,我们可以了解管理层关注的重点。

比如,公司重点关注规模指标如GMV、单量、DAU等时,说明公司正在市场上拼杀or处于跑马圈地的状态;公司重点关注资金成本,说明公司开始注重效率发展,此时公司管理层认为野蛮发展的时代已经结束,需要进行精细化运营;公司重点关注市场、合作伙伴的指标,说明公司在该市场已经有利一定地位,并开始关注生态发展。

目前电商平台仍然以关注交易域的客单价等信息为主,仍主要处于关注“结果”的状态哦。

二、指标篇

2.1 指标设计

目的:不是为了设计而设计,是和业务逻辑紧密相关、需要时刻与产品&技术对齐的内容

以网易严选为例,目的可以划分为业务和计算两类。

在业务类别里又可以简单划分为供应链和商品营销两个方面,在供应链方面为成本类(如库存成本、物流成本等)、时效类(如到货及时率、生产及时率等)、体验类(如用户满意度、客诉率等)。在商品营销方面为用户类(如PV、CTR等)、流量类(如商品曝光等)、商品类(如退货率、好评率等)、营收类(如利润率、GMV等)。

在计算类别里,可以分为量指标(规模、量级)、比值指标(单位效能如库存、ARPU等)、比率指标(评估占比(如毛利率、退货、流量转化率等)。

设计:指标设计要目的性明确,需要和业务深度对接,确定指标将着重于效益、收益、质量哪一部分。

公式:一个指标口径可能会有多个公式,需要与业务运作逻辑强相关。

口径&范围:主要通过目前公开的行业白皮书、公开培训确定,成本较高,建议出问题第一个问口径一不一样。

2.2 指标解读

现象与归因:指标数据变动可以抽象展现现状变化,如拼多多入局对电商领域的冲击,然而指标本身并不会提供原因,需要深度探讨进行合理归因,注意“现象”和“归因”需要为因果关系,而非“相关关系”。

量化:举例说明,一个功能渗透率由4%升到6%,我们会说功能渗透率提升50%。

解读节奏:分为单一指标和指标体系两种解读逻辑。

1.单一指标:日常看波动即可。需要保持数据敏感度,设定阈值,超过阈值便需要复盘原因。

2.指标体系:首先对业务节奏分段-日常观察什么,活动观察什么,日常与活动指标的客观交叉规律;其次了解在不同时期需要观察什么

以网易严选供应链层面为例,网易严选有很规律的活动周期(411、618、双十一、双十二)。

1.日常:核心指标如库存、成本、客诉、商品专项指标等等。

2.大促:

  • 促前:缺货风险;到货及时率;仓库存储风险;逾期率;分仓平衡性等。
  • 促中:生产及时率;配送及时率;配送时效等。
  • 促后:退货率、客诉率等。

三、数据分析的套路:准确看-客观判-选方法

  • 准确看:看什么?看“数字+描述”(描述场景越具体越好)
  • 判断方法:经验判断;专家判断(评分orAHP层面分析);趋势判断
  • 选方法:矩阵分析(Boston);漏斗分析;杜邦分析;RFM分层分析;交叉分析(穷举数分)

四、数据分析避坑指南

  • 一定要了解业务流程,熟悉业务逻辑最好的方法是有权限玩一遍整个产品。
  • 多深度追问自己,“为什么找你”、“应该做什么”,多问为什么。
  • 协调资源:和数仓同学协调规划、排期、反馈,打好关系;和业务方达成规划/流程/策略共识;和产品&技术对齐业务逻辑;和组内伙伴多进行专业交流、业务启发,交流工作方式。

本文由 @乾意 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

友情提示

本站部分转载文章,皆来自互联网,仅供参考及分享,并不用于任何商业用途;版权归原作者所有,如涉及作品内容、版权和其他问题,请与本网联系,我们将在第一时间删除内容!

联系邮箱:1042463605@qq.com