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

N
Netflix TechBlog - Medium
IT之家
IT之家
博客园_首页
Hugging Face - Blog
Hugging Face - Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
美团技术团队
小众软件
小众软件
博客园 - 叶小钗
WordPress大学
WordPress大学
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园 - 三生石上(FineUI控件)
罗磊的独立博客
博客园 - Franky
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Last Week in AI
Last Week in AI
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
T
Tailwind CSS Blog
宝玉的分享
宝玉的分享
博客园 - 【当耐特】
月光博客
月光博客
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
酷 壳 – CoolShell
酷 壳 – CoolShell
人人都是产品经理
人人都是产品经理

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,
搭建数据指标体系,掌握这三个流程最管用!
接地气的陈老师 · 2023-10-30 · via 人人都是产品经理

本篇文章从业务流、管理流、数据流三方面为我们详细阐述了如何搭建数据指标体系,为我们提供了实际工作中的实用干货。接下来让我们一起学习如何利用数据体系指导业务实现吧!

一提到数据指标体系,很多人喜欢背诵AARRR、RFM一类。可真到工作中,会经常发现很难满足业务需要。比如前几天就有同学提问:用户流失该如何搭建指标体系?

起因是:某公司定义了用户流失率指标是“连续三个月不消费”,可业务看到这个指标却很懵:

  • 知道了用户流失率是30%,所以呢?能干什么?
  • 知道了用户流失要召回,可召回划算吗,值不值得干?
  • 为啥一定要等到用户流失了才干活?不能早干点事吗?

因此,想让数据部门帮忙建立一个用户流失指标体系,全面反映问题,辅助业务决策。那该怎么办呢?想要搭建一个业务用得起来的指标体系,需要考虑三个流程:业务流、管理流、数据流,下边一个个看一下。

一、梳理业务流

梳理业务流,即搞清楚业务上需要分几步达成目标。有些业务流程是很清晰的,比如销售流程,就是一个大转化漏斗;比如客服流程,根据客户需要,分类处理问题。业务流程是数据指标的基础(如下图):

这才是搭建数据指标体系,而不是死背AARRR

在本文流失分析场景中,面临的第一个挑战是:业务流程不清晰。业务方自己也不知道可以干啥,此时肯定不知道该看哪些指标。

对用户流失而言,常见的措施有:

  1. 事前预防:当用户出现投诉/退货,及时安抚
  2. 事前预防:当用户消费一个月比一个月少,及时激励
  3. 事前预防:当用户1个月/2个月未消费(此时尚未达流失标准)进行刺激
  4. 事后补救:利用优惠活动/新品上市/爆款产品等进行召回,尝试重新激活

可以先列出清单,然后让业务选:希望从哪个方向下手。注意!业务方很有可能说:“我们不了解情况,暂时选不出来”。那么下一步,可以先把这几种情况对应的数据捞出来,让业务方看清楚大局再行动:

这才是搭建数据指标体系,而不是死背AARRR

二、梳理管理流

梳理管理流,即搞清楚管理层到底希望业务想做成啥效果。注意!即使业务流程很清晰,业务的目标也有可能是多元化的。

比如销售流程,有可能有好几种考核方法:

  • 只考核销售额
  • 销售额+毛利
  • 销售额+毛利+回款
  • 销售额+特定产品销量

不同考核方式,决定了指标体系的主指标不同,当然会影响考察哪些子指标。因此搞清楚管理层意图很重要。

这才是搭建数据指标体系,而不是死背AARRR

在本文流失分析场景中,面临的第二个挑战是:业务方也不明确到底要做成啥样。所以才会发问:“到底值不值得做”“到底该不该做”。

此时,可以做一些辅助工作:

  • 这些用户流失前的贡献有多大 → 理论上流失前贡献越大,越应该召回
  • 这些用户处于流失状态多久 → 理论上流失状态越短,越容易召回
  • 这些用户有没有自然回流的迹象→ 理论上有回流迹象,越容易召回

可以先把数据梳理出来,让业务方看一看找找感觉,这样容易定出目标了。

这才是搭建数据指标体系,而不是死背AARRR

帮业务方定一下目标是很重要的。因为不同难度的目标,意味着采取的手段不一样,软绵绵的业务手段也不会起到效果。比如召回流失用户,如果就孤零零地发条短信,啥好处都不给,那用户愿意傻乎乎回来消费就见鬼了。

此时业务让你“深入分析下,为啥召回没用”,有啥好分析的!作为用户,你看到一条短信就乐呵乐呵地给企业送银子呀!换你你也不会。

如果前期实在定不下来目标,可以预留一段时间做观察期。比如留仨月时间,留一笔预算,测试一下不同召回手段的效果,了解下在一定预算支持下,能实现的效果是啥。这样有了测试数据支持,后边再落实目标就容易了。

三、梳理数据流

梳理数据流,即明确业务的目标是否已量化记录,业务的操作流程是否已量化记录。这一步是确保前两步梳理的内容,能落地成数据表报,而不是悬在空中。考察的是数据采集的功夫。

比如销售流程,传统企业的最大问题就是数字化能力不行,除了最后一步的签约合同,之前啥过程数据都没有,这不就歇菜了,还建啥指标体系,指导啥业务工作呀。

回到用户流失的例子,除了流失用户人数这个孤零零指标外,上述两步梳理的内容,最好都有记录(如下图):

这才是搭建数据指标体系,而不是死背AARRR

注意!数据指标体系不止有指标,标签也很重要:

  • 流失前用户消费:高消费、中消费、低消费
  • 流失前用户偏好:品类偏好/优惠偏好
  • 流失前用户状态:有投诉、无投诉
  • 对召回行为的响应:有响应、无响应
  • 召回用户素材:优惠类、新品类、换季类
  • 召回用户优惠力度:高、中、低

这些都需要打好标签,才能方便后续的深入分析。当需要解释:“为什么召回效果不好?““为什么流失增多”这些问题时,直接利用标签对比,就能得出初步答案,从而极大提高数据指标体系的可用性。

四、理想的效果

理想状态下,一个好的数据指标体系,可以指导业务实现工作闭环,用通俗的话说,是:我想干什么→我要针对谁干→我要怎么干→我干成了没有,全流程都有数据监控。这样在数据的指导下,业务方不断具体到用户流失案例,整个指标体系如下图运作:

这才是搭建数据指标体系,而不是死背AARRR

这样就不是一个孤零零“流失率35%”的指标,而是可以按图索骥,找到解决问题的思路,追踪效果,可以说能实现用数据驱动业务了。

专栏作家

接地气的陈老师,微信公众号:接地气的陈老师,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文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。

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。