惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

The GitHub Blog
The GitHub Blog
Engineering at Meta
Engineering at Meta
博客园 - 聂微东
博客园 - Franky
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
雷峰网
雷峰网
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
L
LangChain Blog
WordPress大学
WordPress大学
H
Help Net Security
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Y
Y Combinator Blog
Blog — PlanetScale
Blog — PlanetScale
MyScale Blog
MyScale Blog
IT之家
IT之家
酷 壳 – CoolShell
酷 壳 – CoolShell
罗磊的独立博客
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
有赞技术团队
有赞技术团队
Apple Machine Learning Research
Apple Machine Learning Research
云风的 BLOG
云风的 BLOG
博客园 - 【当耐特】
P
Proofpoint News Feed
D
DataBreaches.Net

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
以快递为例,浅谈数据指标体系建设思路
我爱芋儿鸡 · 2024-03-27 · via 人人都是产品经理

指标体系可以将独立的指标关联在一块儿,进而表征业务营运的过程或业务结果。那么,怎么建立好指标体系呢?这篇文章里,作者以快递为例,谈了谈数据指标体系的建设思路,一起来看一下。

一、为什么建设指标体系

开篇之前,简单回顾下建设指标体系的作用。

指标体系是通过建立数据指标之间的横向、纵向关系网络把独立的指标关联在一起,综合性的表征业务营运过程或业务结果。

所以数据指标体系,着重是为了业务管理者和执行者服务

通常来说,一个业务涉及数据指标会比较多,数据指标体系覆盖到的维度、颗粒度、层次也会比较广。因此,在应用层面上,数据指标会结合对应不同使用目的,呈现到不同的模块和数据表现形式上。比如快递公司的快递时效、客服质量是关注维度差异度较大的板块,并且责任部门不同,通常会拆成两个板块做数据报表。

二、以快递为例建设指标体系

1. 确定核心指标的思路

核心指标指的是现阶段最关注最能表现业务发展好坏的指标。从公司战略层面设定的核心指标以盈利为中心,寻找核心指标。从部门策略层面的核心指标围绕部门核心发展目标设定,比如客服部门围绕用户满意度指定阶段核心指标,通常部门核心目标是自上而下拆解过来的目标(从公司层面来说,部门核心指标是公司战略指标的下级)。

那么以快递为例,以盈利为目的,从利润拆解核心指标。快递的利润=单票利润*业务量。快递行业的同质化严重,各家单票成本(不含派费)差异仅在0.15-0.2元之间,以增加业务量为核心的“市占率”是三通一达一兔在内快递公司战略性目标。

2. 拆解指标的思路

可以这么定义下级指标:下级指标的达成情况组成核心指标的达成。所以下级指标一定是从上级指标拆解而来。一般考虑拆解思路包括3种:乘除法、加减法、人货场。

1. 乘除法:类同ujm法,从快递主业务流程出发对指标拆解。首先通过乘一法,拆解业务流程中的关联因素;再重新对各因素排列组成新指标。新指标,就是原指标的下级指标。

市占率 = 本公司业务量 / 市场的总业务量

= (本公司业务量 / 市场的总业务量 ) *(派签量/派签量)*(中转运输量/中转运输量)*(发出量/发出量)*(揽件量/揽件量)*(下单量/下单量)

= (本公司业务量/市场的总业务量)* 下单量 *(揽件量/下单量)*(发出量/揽件量)*(中转运输量/发出量)*(派签量/中转运输量)

= (本公司业务量/市场的总业务量)* 下单量 * 揽收率 * 发出率 * 中转运输率 * 派签率

基于此,我们可以初步建立如下图二层体系。

2. 通过加减法拆解:将指标从产品分类/渠道来源等维度拆解成几个独立的因素。

下单量 = 各渠道下单量

= 大客户下单量+散件下单量

=(电商平台下单量 + 其他品牌大客户下单量 ) + (渠道散件业务量 + 自有散件业务量 )

揽收率

= 揽收率 / 下单量

= (及时揽收量 + 超时揽收量) / 下单量 = 及时揽收率 + 超时揽收率

= (下单量- 取消量 – 爽约量)/ 下单量 = 1 – 取消率 – 爽约率

综合上述加减乘除拆解方法,可以形成如下图指标体系。

3. 从人货场角度拆解:从人、货、场三个角度考虑影响指标达成的因素。

  • 人:用户、快递员、客服、分拣员、司机、…
  • 货:商品、订单、运单、发车凭证、…
  • 场:网点、中转分拨、运输车辆、…

以及时接单率为例。人,包括运营人员、快递员因素;货,包括订单分单、接单因素;场:包括地图、网点管理因素。衍生针对运营人员的人工分单时效、针对快递员的接单及时率、针对网点维护完成度和网点异常清理率等指标,结合实际业务发展阶段现状有选择的加入到阶段性指标体系中。

本文由 @我爱芋儿鸡 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。