实战：如何设立数据指标体系？

编辑导读：随着业务规模的扩大，各类相关的数据量增大、数据指标也越来越多，如果缺乏指标体系就会造成难以衡量产品/活动效果、难以判断整体业务发展状况等问题。本文作者结合案例，对数据指标体系展开了介绍，包括构建指标体系的相关方法和异常监控，希望通过此文能够加深你对指标体系的认识。

在互联网行业，指标是我们绕不开的话题。

上百万的市场预算，却不知道钱花出去到底带来了多少回报。

做了几次活动，写了几篇文章，却不知道有没有带来足够的流量。

辛辛苦苦导入了流量，却不知道流量有没有转化为用户。

注册过程中缺乏每步转化率的监测，优化和优化效果更是无从谈起。

不知道注册用户的留存情况，更不知道这些用户是否可以成为一个忠诚用户甚至付费用户。……

种种的“不知道”，都是因为你缺少了指标思维！

人生路上多知己，全靠指标讲道理。什么是指标？数据统计中有哪些常见的指标？如何为一个项目（活动、功能、产品）制定指标模型？别急，今天我们唠唠指标那些事儿。

一、指标是什么？

先来看一下因吹斯汀的百度百科怎么解释指标：预期中打算达到的指数、规格、标准，一般用数据表示。

比如，Boss开年会时说：“我们今年新增的几个指标：员工流失率、门店客流量、客单价……（balabala）成果丰硕，收益明显！”。发言中所提到的“员工流失率”、“门店客流量”、“客单价”，就是指标，是对结果的数据化描述。

在互联网行业中，我们可以对指标做出更为具体的定义：指标，是反映某种事物或现象，描述在一定时间和条件下的规模、程度、比例、结构等概念，通常由指标名称和指标数值组成。

指标可以分为简单计数型指标和复合型指标。简单计数型指标是指可通过重复加1这一数学行为而获得数值的指标，如UV（Unique Visit , 独立访客数）、PV（Page View，页面浏览量）；

复合型指标是由简单计数型指标经四则运算后得到的，如跳出率、购买转化率。

在计算指标时，我们还会涉及绝对数、相对数；百分比、百分点；频率、频数；比例、比率等计算方式。

二、实战：如何设立指标体系？

假设你手上有一个方案（可能关于活动、功能或是APP），怎么从指标层面衡量它实施后效果是好是坏（即评估产生的价值）？

1. 明确业务目的，确定核心指标

指标体系没有放之四海而皆准的模板，不同业务形态有不同的指标体系。

想要制定符合业务需要的指标体系，离不开日积月累的深刻洞察。我们总结了几大常见的互联网业务类型，把“省时间/杀时间”、“产品自身提供价值/产品链接其他资源提供的价值”当作横纵坐标的两端，构建了4个象限。

「产品自身提供价值」是指产品自身可以满足用户需求，为用户提供价值。

「产品链接其他资源提供的价值」是指产品作为平台方或链接者，把用户和其他資源链接起来，以此为用户提供价值。

如：O2O产品，产品把用户和众多商家链接在一起，为用户提供价值；如探探，则把不同的用户链接在一起，为使用者提供价值。

我们根据业务特点将不同业务放入对应的象限之中，它们分别是：

工具类业务：帮助用户节省时间，产品自身提供价值。如墨迹天气、TEA。核心指标应该聚焦到判断工具的使用率。

内容类业务：杀掉用户时间，产品自身提供价值。如今日头条、一点资讯。核心指标应该聚焦到内容的质与量。

交易类业务：帮助用户节省时间，产品通过链接其他资源提供价值。如淘宝、京东金融。核心指标应该聚焦到转化率。

社交类业务：杀掉用户时间，产品通过链接其他资源提供价值。如Soul、探探。核心指标应该聚焦到用户的活跃程度。

在明确业务之后，就可以构思每个业务需要关注的指标。如下表所示：

2. 拆解核心指标

明确业务类型和业务指标之后，我们要结合实际业务，将主要关注的指标拆解到可行动的程度。常见的拆解思路有两种：

（1）按场景拆分成多个子指标的和

如：DAU ≈ 日新增用户+留存用户+回流用户；

（2）按一定的关系拆分成多个子指标的积

1）依靠逻辑关系进行指标拆分。如：

GMV （总消费额）≈ 用户数 x 购买频次 x 客单价；

销售额 ≈ 用户总量 x 付费率 x 客单价；

LTV（生命周期总价值 ，life time value ）=LT（生命周期 ，life time）x ARPU（每个用户的平均花费，Average Revenue Per Use）

2）依靠时间先后进行指标拆分。

如：渠道推荐效果 ≈ 展现次数 x 点击率 x 转化率

3. 案例

举个例子，某电商平台准备做一个大促活动，BOSS说，把活动的销售总额提高5倍，我们应该怎么办呢？

首先，如果想提升销售额，要么提升买家数，要么提升客单价。