4步走,搭建好用的数据指标体系

标签: 经验分享 2年 初级 数据指标体系 | 发表时间:2022-05-25 10:05 | 作者:接地气的陈老师
出处:https://www.yunyingpai.com

编辑导语:说起数据指标体系,大家总会想起“AARRR”、“OSM”和“UJM”等,但如果细问,你真的能说清吗?要搭建好用的数据指标体系,光有理论是不行的。这篇文章分四步讲解搭建数据指标体系的方法,一起看看吧。

一提起指标体系,很多同学像说相声一样,脱口而出“AARRR”“OSM”“UJM”……讲得好开心,可面试官多反驳一句:“我这是销售运营的指标体系!”“说清楚到底O是什么O,U是怎么U的!”就会让很多同学没了办法。

今天系统讲解下,该如何处理此类问题。和很多数据分析问题一样,OSM等理论本身没有问题。问题是不能把理论当教条,不深入业务流程之中,不考了具体场景,是没法搭建出好用的指标体系的。

一、清晰业务场景

所谓的业务场景,即:数据指标要反映的业务是啥。

它包含了四个方面:

  1. 业务方目标是什么;
  2. 业务的流程是什么;
  3. 业务方做哪些动作影响结果;
  4. 业务流程/业务流程,有啥数据记录?

很多同学面对具体业务,不知道该怎么梳理指标,本质上是对业务不熟悉。即使不问“销售运营指标体系”,而是问:

“销售卖的是啥呀?”

“销售目标客户是谁呀?”

“销售人员咋卖的呀?”

“销售运营又运营啥呀?”

一个都答不上来,那还咋梳理指标。懂业务是第一位要求,了解业务场景后,可以一步步开始梳理。

二、清晰业务目标

业务目标是业务最关心的东西,也决定了指标体系的主指标是啥。数据采集,得优先保证主指标有采集;指标体系的展开,也优先展示主指标的产生过程。

在业务方的心中,业务目标是很清晰的。因此可以直接沟通。

比如销售运营工作,常见的主指标有:

  • 销售目标达成→指标:销售收入(金额)
  • 销售业绩增量→指标:销售收入增长率
  • 销售队伍稳定性→指标:整体离职率/A级离职率
  • 特定客户开发数量→指标:整体离职率/A级离职率
  • ……

梳理清楚这些,定下主指标,就能结合具体业务流程,看主指标是怎么实现的。

三、梳理业务流程

业务流程是主要数据来源,指标体系首要任务是反馈业务流程情况。有了主指标以后,要结合业务流程,梳理出过程指标。有了过程指标,才能解释主指标为什么低,为什么高。

还拿销售运营举例。销售运营的工作,是叠加在销售正常的工作之上的,因此有两个业务流程要梳理:

  1. 销售的操作流程
  2. 销售运营做了哪些优化

不同销售流程的操作不一样,想让指标体系具体、能落地,就得深入业务细节之中,看具体是怎么操作的。有的流程可能很简单,比如销售自带客户资源,那就自己联系客户→签约,结束。

但有的流程可能很长,比如卖软件的,从接收客户线索到成交,有N多步骤,这里是不能偷懒的,要一步步认真梳理,最好画出流程图。(如下图)

销售运营的动作,大体上可以分成三部分:

  1. 培训:培训销售们产品知识、话术、技巧
  2. 激励:物质激励、精神激励
  3. 组织:SOP制定、流程管理

这里也不能偷懒,需要了解到细节。比如培训,什么时间、什么话题、多少人参与,要了解到位。比如激励措施,物质奖励的奖励规则,要了解到细节(如下图)这些细节才是直接驱动销售干事情的动力。

这里有个常见的误区,就是很多同学在梳理指标体系的时候,只关注用户行为,不关注业务动作。比如梳理销售指标,就简单地:销售额=业务员人数*有成交比例*人均成交金额,就拉倒完事。

至于有啥奖惩措施,有啥规范制度,一概不知。这样会导致指标体系只能展示结果,不能解释原因,也没法对比分析。最后对着人数、比例、人均金额三个指标狂抓脑袋:为啥它就涨了呢?为啥它就跌了呢?(如下图)


四、确认数据采集

数据记录是保障。业务流程数字化程度不高,没有数据记录,一切免谈。比如销售运营指标体系;如果想解读销售业绩,就得掌握销售过程,得先知道销售干了啥,没干啥;如果想诊断销售能力,就得掌握销售个人画像,得先知道销售有啥经验、啥背景;如果想分析运营动作有效性,就得记录每个动作上线时间,作用在哪些人身上。

如果以上统统没有,只有一张成交订单和订单上的销售个人编号。那就真的没啥好分析的了。最后的数据就只有:销售额=业务员人数*有成交比例*人均成交金额。基于这么点可怜的数据,可以做一些简单的、粗线条的分析,比如:

  • 对业绩排名,分析业务员业绩稳定性、找出标干
  • 对团队排名,分析团队管理水平高低
  • 对比活动/政策上线前后差异,粗略观察效果

当然,因为缺少细节,所以这些分析很容易被人质疑。没有数据,分析个屁!这一点一定要牢牢记在心里。

在各种场合,努力推动数字化进程,努力提高业务部门对采集数据的重视(而不是提高业务部门对数据分析成果的期望),才是数据分析师们自救法宝。

至于那种大吹特吹:“我有神威无敌大将军算法,代码一跑上知天下知地中间知空气”的主,你就跟他划清界限,让他独自面对销售的质疑,死几次他就知道改了。

 

作者:接地气的陈老师;来源:微信公众号“接地气学堂”

本文由@接地气的陈老师 原创发布于运营派。未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

相关 [数据 指标 体系] 推荐:

电商数据分析基础指标体系

- - 199IT互联网数据中心
信息流、物流和资金流三大平台是电子商务的三个最为重要的平台. 而电子商务信息系统最核心的能力是大数据能力,包括大数据处理、数据分析和数据挖掘能力. 无论是电商平台(如淘宝)还是在电商平台上销售产品的卖家,都需要掌握大数据分析的能力. 越成熟的电商平台,越需要以通过大数据能力驱动电子商务运营的精细化,更好的提升运营效果,提升业绩.

【长文干货】一文详解电商数据指标体系

- - PMCAFF互联网产品社区 - 产品经理人气组织
在各大电商平台或电商公司内部,最常见到的就是这种数据监控大屏,用于帮助平台和商家实时了解业务情况. 要观测数据,首先就要建立一套完备的数据指标体系,定义清楚我们要看什么,怎么看. 本文将通过电商数据的定义、体系构建、指标详解介绍电商数据指标体系. 电商数据指用来记录用户行为的数字信息,包括用户的注册、登录、流量、点击、消费、复购等一系列行为习惯的量化数据.

4步走,搭建好用的数据指标体系

- - 运营派
编辑导语:说起数据指标体系,大家总会想起“AARRR”、“OSM”和“UJM”等,但如果细问,你真的能说清吗. 要搭建好用的数据指标体系,光有理论是不行的. 这篇文章分四步讲解搭建数据指标体系的方法,一起看看吧. 一提起指标体系,很多同学像说相声一样,脱口而出“AARRR”“OSM”“UJM”……讲得好开心,可面试官多反驳一句:“我这是销售运营的指标体系.

从 0-1 构建指标体系

- - IT瘾-dev
假设豆豆在小区附近开了一家小型超市,花花每周二下班后,都会来店里买半斤猪头肉,风雨无阻,从不间断. 豆豆心想:“花花每次来的时间都很固定,并且已经坚持了好几个月,我如果提前把肉准备好,这样就可以节省彼此的时间了. 此后每周二,只要花花一到店里,豆豆就跟他说,“猪头肉已经调好啦,还特意为你多加了花生碎,直接拎走就行”.

搜索引擎变现策略指标体系

- - Dustinsea
下文就百度商业变现的指标体系进行概要描述,并针对一个类似于百度LBS系统的变现思路,阐述一个商业系统变现策略指标体系的建立过程. 为什么需要商业变现策略指标体系. 一般情况下,一个互联网产品,或是一个移动端产品在发展前期,主要会关注流量及用户量的增长. 当流量,用户量做到一定程度时,就会考虑商业变现.

oracle 数据库体系结构

- - Oracle - 数据库 - ITeye博客
       任何硬件平台或操作系统下的ORACLE体系结构都是相同的,包括如下四个方面:.         数据文件,日志文件,控制文件,参数文件.         表空间、段、区间、数据块.         共享池,数据缓冲区,日志缓冲区,PGA.         用户进程、服务器进程、后台进程.

网络数据的背后——网络日志的分析指标

- cRabdanceR - 腾讯CDC
  常用的定量分析是问卷调查,这可以收集到用户对产品的主观反馈,它的结果受问卷题目的影响,不能完全客观地反映用户如何使用产品,他们在实际环境中遇到了哪些问题. 而针对网站的定量分析,网络服务器的日志文件能真实反映用户的当前体验,解释行为的深层特点,能够更有效地改进产品.   网络日志可以帮我们回答很多问题,比如用户在什么时间段浏览网站;对网站的什么板块比较感兴趣;是怎样了解到网站;多少用户会转成重复用户;在网站上找到兴趣点的路径是什么;应该怎样优化使用过程,提高用户体验,等等.

网站运营数据分析之内容指标

- 翔 - 互联网的那点事
做为网站运营、产品经理、交互设计师等职位,经常要对网站的一些运营数据做分析,那么这些公式是如何计算的,每个术语又代表什么意思呢. 请看网站运营数据分析之内容指标:. 网站转换率 Take Rates (Conversions Rates). 计算公式:网站转换率=进行了相应的动作的访问量/总访问量.

网络数据的背后——网络日志的分析指标

- - 互联网分析
首先我们看看网站数据采集的方法:. 通常网站分析的技术包括页面标签分析技术(JS技术)和日志文件分析技术两种,两种网站分析技术各有优缺点,譬如下文中介绍的基于回话的统计和点击流分析日志文件分析法就要优于页面标签分析法. 常用的定量分析是问卷调查,这可以收集到用户对产品的主观反馈,它的结果受问卷题目的影响,不能完全客观地反映用户如何使用产品,他们在实际环境中遇到了哪些问题.