一个产品的指标体系是如何搭建起来的

680次阅读
没有评论

搭建一个有效的指标体系,可以帮助企业更好地管理其资源,并优化业务过程。那么,如何建立指标体系呢?本文作者对此进行了分析,一起来看一下吧。

一个产品的指标体系是如何搭建起来的

很多增长产品可能都会比较专注于微观的具体业务,并没有意识到了解增长大局观的重要性,也没有建立起宏观的思考框架,这会导致在做具体业务时,不能很清楚自己的业务和公司整体的业务到底是怎样的关系,自己负责的业务是如何影响公司整个业务的,也很难站在老板的角度评估它对公司的价值,这就导致了长期只能沉浸在一块业务中,难以突破成长瓶颈。

所以我们在平时工作中可以有意识的培养自己再往上思考一层看业务的意识,再往下一层深挖业务背后的“为什么”。这样有利于从全局角度理解业务。

在做具体的增长动作之前,能够找到自己工作的增长目标,并根据这个目标拆解出来,由影响这个目标的变量组成的公式。而之后所有增长工作,就是在不断求解和优化这个公式。

而指标体系,就可以从数据角度使我们从一个更顶层的视角来理解整体业务,以及自己负责的业务在整体业务中充当的角色。和指标体系相关的还有两个比较重要的概念,一个是北极星指标 ,一个是增长模型。

关于如何寻找和确定一个产品当前阶段的北极星指标,以及如何搭建产品当前阶段的增长模型这两部分内容,后续会单独写一下,本次先聊聊指标体系。

搭建指标体系可以帮助一个企业去量化并评估其目标、策略和绩效等等。这种量化和评估可以帮助企业更好地了解其现状和未来发展的方向。此外,指标体系还可以帮助企业进行跟踪和监测,以便及时调整战略和行动计划,保持与竞争对手的竞争优势。最终,指标体系可以为企业提供更好的决策支持,促进其可持续发展。

此外,搭建一个有效的指标体系可以帮助企业更好地管理其资源,并优化业务过程。通过收集和分析关键数据,企业可以识别出哪些方面需要改进,以便提高效率和降低成本。指标体系还可以促进团队合作和协作,因为它可以帮助不同部门之间更好地沟通并共享信息。

下面就来聊聊指标体系,指标体系是由最底层的原子指标逐级向上汇聚而成(下面会讲到),而原子指标来自数据库表中的某个具体数据,所以指标体系本身是由“数据”组成。

不能衡量它,就无法管理它。要真正做到用数据去洞察用户和产品还是比较困难的。

1)要知道看什么数据,到底什么样的数据才能正确的衡量你的产品。如果用错的指标去衡量数据,就会给你错误的信息。而错误的信息就会带来错误的决策,导致产品动作跑偏。

所以指标体系是一切的基础,是一个产品的导航,也是一个产品负责人必备的基本功。

2)有了正确的数据维度,怎么看到这些数据?可以通过产品落地时进行数据埋点。埋点本身并不难,但要想做到真正的体系化的完整埋点并不简单。

3)有了数据埋点,能收集数据了,接下来就需要去监控和分析数据。

一、指标体系为什么重要

1. 核心指标能监控产品现状

通过核心指标我们可以快速发现产品存在的问题。假如没有关键指标来衡量,我们就无法量化当前产品做的是好是坏,也很难定位到当前的问题。

只能凭借感觉和经验做判断,就会受到经验的局限性,不够客观,一直靠个人很难持续做出正确的产品决策。同样,核心指标也可以用来表述产品的现状,让所有人都能清晰明确的理解。

2. 指标体系也是对产品动作的牵引

它是产品迭代方向的目标导航。具体包含两部分含义:

1)指标体系框定了产品动作的范围,只有在指标体系中的数据才是关键目标,而其他的数据只是日常观察的指标。比如某产品中当前阶段的核心指标如果是留存,是使用时长,那用户分享率等只是相应的监控指标。

除非这些监控的指标有明显的异常,那当前阶段所有的产品动作都应围绕指标体系中的核心指标。

2)通过指标体系也能拆解出实现产品目标的关键路径。在指标体系中,通过多级细拆是可以拆接出产品动作的。就像制定OKR一样,有了大目标,就有了明确的方向,我们知道了自己在哪,中间有哪些里程碑,知道里程碑我们就清楚下一步要去哪里,要提升哪些指标。

比如一个视频产品,希望提升付费用户数,拆解的二级指标就是付费的转化率以及付费流程的各级漏斗。这样就明确了后续的产品动作,就是针对各级付费漏斗找到问题进行优化,进而提升整体的转化率和付费用户数。通过这种指标体系的拆解,就明确了产品动作的发力点。

二、指标体系和数据的关系

最顶层的叫顶层指标。拆解后的指标叫汇总指标,也叫过程指标。最后一层叫原子指标。这三个有什么区别呢:

  • 原子指标都是从数据库里的明细表直接加工出来的,直接汇总出来。比如加减乘除算出来的。对于指标而言,它不能再被拆解了,也不能再被分析了,就是最原子的。
  • 汇总指标是把不同的原子指标或者汇总指标本身,通过加减乘除又出来了一个,这个是我们工作中接触最多的,就是像我们自己身上背的各种各样的指标,通常都是汇总指标。
  • 顶层指标,一般可以认为是那种比较虚的,听上去假大空的,比如GMV,比如什么什么价值,什么用户贡献,听上去比较虚比较空,但是它恰恰又是非常重要的。通常顶层指标是北极星指标。

三、指标和纬度的区别

应该很多人很难区分指标和纬度的区别。

1. 什么是指标

指标是指具备业务含义,能够反映业务特征的,它一定是个数据。它要具备清晰的业务含义。非常明确,非常具体。比如DAU,注册用户量,每日活跃用户量,次日留存率,次日留存用户量,用户购买转化率等等,这些都是具有明确业务含义的。

另外非常重要的一点,指标有且只能是数字,不能是文本。如果你看到一个指标是什么文本,那它一定不是指标。因为指标都是汇总和加工计算出来的,它的计算方式就是常见的四则运算或者一些复杂的数学运算。由于是数学运算,所以只能通过数字来表示,文本是没办法计算的。

2. 什么是维度

维度是用来描述指标的不同角度。维度本身不能独立存在,必须依附于某个指标。维度可以是数字,也可以是文本。如果把指标比作一个人,那维度就是这个人各个属性,各个特征。或者把人换成用户画像,因为画像里面的维度越多,这个画像就更加全面和准确。

比如“3月份北京各区女性用户的续费率是10%”。

这里面哪些是指标,哪些是维度?

首先看维度,3月份叫时间维度,北京各区叫地理纬度,女性用户叫客群维度。

再看指标,这里的指标是续费率,以及指标的值是10%。

所以从语文上来讲呢,维度都是定语。指标都是主语。

在excel表里的透视表,透视表里面也有指标维度。一般行是指标。列是维度。可以往行跟列拖很多东西,但是那个值那个地方有且只能有一个值。在值的里面可以改那个值的计算方式,什么求和,什么重复计数,求方差等等。

再给一个GPT的解释,供参考:

一个产品的指标体系是如何搭建起来的

总结下,指标体系在产品工作中的关键作用。

首先能够告诉我们产品动作的范围。

其次,通过规定范围和明确路径,可以对产品动作产生牵引作用。

四、什么是指标体系

指标体系是按照一套框架组织起来,能够衡量产品关键表现的一组数据指标。

指标体系有两个特点:

1)全面性

是指指标体系中的数据,能够全面的描述业务的关键维度,不是只能衡量其中的一部分,这些指标都是和产品核心价值、商业目标强相关的。

比如一个工具产品不能只用留存,使用时长来作为核心指标,也要包含营收指标来衡量产品的商业化价值。

如果正在做投放,还要包含获客成本、新增量以及投放的ROI等增长指标体系,需要全面衡量产品的表现。

2)抽象性

不是说要把产品所有的指标都放入指标体系,如果所有数据都进入了指标体系,那就因为没有优先级,导致指标体系不具备指导性,无法真正的指导产品动作。

所以指标体系需要具有抽象性,它包含的是基于产品最关键的目标拆解下来的数据指标,其他非相关的指标不能放入指标体系,但可以作为日常关注的数据。

比如上面提到的工具产品中指标体系里包含了留存、活跃指标、营收指标和增长指标。而其他更多维度的指标,如某个功能的渗透率、分享率等等,这些都不会放在指标体系内。

五、指标体系的构成

接下来说下指标体系中到底应该放入哪些指标,即指标体系的组成结构都有什么。

1. 产品的通用指标

通用指标用来描述一个产品的核心价值,体现为用户价值和商业价值两个部分。大部分产品在实现用户价值的同时,也需要满足业务目标。指标体系需要涵盖这两个不同的维度:

1)用户价值的指标

用来衡量产品对用户需求的满足程度,也是指标体系的基础。一个产品具有用户价值,用户愿意用你的产品才会有后续的商业价值。比如工具产品更多的是用户的留存、使用频次、时长。电商产品可能是用户的交易频次、满意度、复购率等。

2)商业价值的指标

用来衡量商业目标的达成情况。按照产品类型不同,商业模式不同,会有不同指标。比如以淘宝为例的电商平台,核心是交易的GMV商家总数以及总营收发生的交易越多,商家总数越多,营收越多就代表着这个平台的经营状况越好。而内容类的会员产品就看会员GMV和会员数;短视频产品就看广告收入、内容生态指标等。

2. 业务当前阶段的重要目标

核心作用是体现指标的牵引性。基于业务阶段或产品生命周期不同,也会动态调整。举个栗子。比如某个内容社区产品在现阶段用户内容供给问题投诉率极高,影响了整体的口碑和用户体验。那很可能这个产品在已有的留存交易量、GMV等指标外,会把投诉率作为一个核心指标,加入指标体系,从而监控后续的动作是否能够有效降低投诉。

指标体系中有这些指标还不够,基于这些关键指标,通常也叫一级指标,可以拆解出相应的二级和三级指标。

为什么要进行指标拆解?

因为很多一级指标都是结果指标,指标衡量的是一系列动作最终的结果,产品动作没有办法做出结果,只能做出一个过程。如果指标只能衡量结果,无法衡量过程,就缺失了对业务的实际意义。这时需要将一级指标进行拆解,得到可以直接作用的二级、三级指标。

比如DAU就是一个结果指标,没有办法直接作用。但DAU经过拆解就可以分为用户新增和留存两个指标。可以对这两个指标进行动作,通过提升新增或者优化老用户的留存,进而提升DAU。当然一般情况下,因为新增和留存非常重要。经常也会把它们放到一级指标。

另外,结果指标通常具有滞后性。比如MAU要满月后才知道它的值,所以拆解一级指标还能提前发现问题,避免在看到结果指标降低后才去找原因去补救。

举个栗子,大多数情况下,电商产品的月GMV,当一个月收入结果已经出来后,这个月就已经结束了,只能分析原因,然后在下个月去做相应的改进动作。这时就需要将GMV拆分为购买UV和单价,其中购买UV可进一步拆分为活跃UV,商品点击率、下单率和支付成功率这些三级指标。这样就可以对这些二级、三级指标进行按天实时的监控。当某个指标出现波动时,可以立即发现其中的问题,及时做出对应解决方案。

当然,也不是所有一级指标都需要拆解,有些一级指标可以直接通过产品动作来作用。比如用户使用时长,用户转化率等。

六、如何搭建指标体系?

搭建指标体系一共可以分为三步。

首先,要明确所负责产品的用户价值和商业价值。因为搭建指标体系的意义,就是为了量化产品价值。只有清晰的知道产品的价值,才能进行价值的量化。

其次,根据上一步的输出,找到价值量化的一级指标。这里除了衡量产品价值的通用指标,也要包含当前阶段的关键目标,同时明确一级指标的定义和计算方式。

最后,根据一级指标,拆解二级或者三级指标,实体机内的所有指标都是可被产品动作作用的。

最终就得到了一张完整的数据指标体系表。从第一步开始,先梳理产品价值。产品价值通过用户价值和商业价值来体现。

  • 用户价值:指产品对用户需求的满足程度。
  • 商业价值:指产品对业务经营的贡献。

要衡量用户价值。首先要明确你有哪些用户,先进行用户分类后,再明确产品是怎样满足各类用户需求的。不同产品面向的用户差异非常大,有些是一类用户,有些是多类用户。比如平台类产品通常有供给方和需求方两类用户。如果存在多个用户类型满足的需求不一样,需要关注的核心指标自然也就不一样。

再来看商业价值。产品带来的商业价值指的是产品对业务经营的贡献。大部分产品业务经营主要围绕两个点进行赚钱和省钱。所以狭义的商业价值指的就是赚钱或者省钱。但因为不是所有团队都直接为这两个点负责,所以广义上的商业价值还包括为了赚钱或者省钱相关的支撑目标。而这些支撑的目标会落实在不同的部门身上。

一个产品负责人,要看所负责产品的商业价值,就需要看产品的商业模式。

怎么分析商业模式?

产品给客户提供什么样的价值,客户怎么付费,如何让客户持续的付费。

这里面关键点有三个:

第一,要弄明白你的客户是谁,客户和用户要做区分,客户是付你钱的人,要想清楚给客户的价值。

第二,要想清楚,为了持续付费,业务还需要做什么。

比如广告模式,比如视频网站的广告,一方面给用户提供视频,获得播放的观看。从中加入广告的曝光,客户是广告主用广告的曝光换广告主的广告费。这种业务模式下,为了持续放大收入,成熟的产品就需要将关注、体验和收入做平衡。

第二类增值模式,比如小说产品、音乐产品的会员免费模式,解决技术需求,付费模式解决plus需求。在这种情况下,用户主要付费的原因是优质以及自己感兴趣的内容。所以除了收入本身,还要关注优质内容引进。

第三类平台模式,比如说短视频社区类产品,大多数都通过广告变现,要让这个生态持续发展,就要维持产品的调性,鼓励原创,保证用户能够长期消费有价值的内容。为了持续给客户价值赚更多的钱,所以就需要关注内容生态健康度指标。

完成了通用指标部分后,如果现阶段业务有额外的关键目标,也需要放到指标体系内,在这部分可以直接把关键指标添加进入指标体系的表中。

只列出指标还不够,需要补充对一级指标的详细计算方式。这是为了确保和团队理解一致,不会因为大家对计算方式理解不同,而在实际工作中造成偏差和误解。

由此,我们可以引出指标体系的几个关键要素:

一个产品的指标体系是如何搭建起来的

以上,大致聊了下指标体系的几个方面,关于接下来如何进行指标的拆解,一般有几种方法,这里简单列一下:

  1. 公式拆解法:是指通过一级指标的计算公式进行二级指标的拆解。
  2. 漏斗拆解法:是指通过用户的使用流程或者步骤逐步拆解二级指标。
  3. 维度拆解法:是指将一级指标按照不同维度细分的方式进行拆解。

一个产品的指标体系是如何搭建起来的

拿GMV拆解举例如下(需结合实际业务来,这里只是举个栗子):

一个产品的指标体系是如何搭建起来的

本文由 @大大舰长 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议。

Read More 

正文完
可以使用微信扫码关注公众号(ID:xzluomor)
post-qrcode
 
评论(没有评论)
Generated by Feedzy