工作5年,我总结了指标里的这些“坑”

0 评论 2936 浏览 11 收藏 10 分钟

编辑导读:有效的指标体系是产品健康运行的重要前提,作为数据分析师,必须要了解指标背后的目的和价值。本文作者从自身工作经历出发,梳理总结了指标体系中常见的一些问题,供大家一同参考学习。

作为一个5年+的数据打工人,相信只要与数据打过交道,都直接或间接的接触过“指标”相关的问题或需求,那么,我们今天就来聊聊指标里的那些“坑”

01 指标搭建过程

开局先上图:

我们来详细解读一下:

第一步:确定目的

目的很重要!目的很重要!目的很重要!重要的事情讲三遍~

“把问题描述出来,问题就解决了一半”,一样,确定度量的目的,就基本知道需要什么指标了。

我们第一步一定要和产运确定好度量的目的,如果想看用户粘性,我们可以使用留存率、活跃频次、DAU贡献度等;如果想看用户消费,我们可以使用点展比、pv均消费次数、日均消费次数等。

一切的指标,都是为目的服务,所以,我们确定好目的,就如同客人点好了菜,我们才知道要做什么

第二步:确定评估维度

客人点好了菜单,作为厨师,我们就要开始配菜了。

其实“菜”点了,作为一个有经验的“厨师”,我们就知道需要什么样的配料了。

通过目的的确认,我们可以把具体业务拆分为产品功能和业务过程,我们把功能映射到相应的指标上,生成最初的原子指标,也就是无法再次拆分的指标。

如:XX页面的PV,是该页面的原子指标之一,XX页面的点击次数,也是该页面的原子指标之一。

通过目的,我们找到了对应产品功能下的原子指标;但是我们怎么确认,我们筛选出的(原子)指标能够更全面的反应功能的情况呢?后面我们接着说。

第三步:明确计算逻辑

配料之后,我们就要开始做菜了。

产品功能映射完了,我们还需要对原子指标进行处理:组合原子指标,修饰原子指标,使其变成派生指标(也就是在原子指标上,加入业务流程)。

举例:

CTR(pv均点击次数) = 点击次数 / PV

业务流程:该功能能够被点击&展现,想要度量一次展现,能够带来几次消费

XX功能当日UV渗透率 = 使用XX功能人数 / 上级功能使用人数

业务流程:该功能通过某个上级功能流转过来,想要度量该功能被消费的效率/漏斗

这些指标都有明显的修饰词,或是由多个原子指标组合而来,这些就是派生指标。

派生指标就类似做菜时的烹饪手段,煎炸炒烧,如何把原子指标“做成“我们需要的指标,从而更好的度量产品,反应产品好坏,达到我们建立指标的目的,才是我们最关键的步骤

第四步:计算波动阈值

大多数分析师可能都不会算波动阈值,觉得没有必要或者麻烦。

但是如果我们算了波动阈值,会有哪些好处呢?

主要有以下3点:

(1)事前:非常明确的知道,波动是否处于正常范围,从而及时的发现和提出问题

举例:某APP,日常DAU 1000w左右,昨日波动了15w,那么,15w是正常值还是异常值?如果我们率先发现提出了问题,我们后续是否能够更多的进行分析,摆脱Sql Boy的“命运”

(2)事中:建立相应的AB-test评估体系,指导产运进行实验分析

举例:某功能上线了一个实验,CTR从基准桶的50%上涨至53%,涨幅的3%是否有收益?如何衡量收益大小or正负?

(3)事后:沉淀复盘,培养自己的数据敏感度

举例:某会议上,产运找你聊想要做的实验,预计会影响的指标,问你如何评估影响或计算收益,你直接说出这项指标的“经验波动阈值”,产运后续是否会更信服你,后期是否更容易开展工作

但是,切记:不同的流量下,波动的大小不同,阈值也会不一样,所以我们需要计算的是: 常用流量分桶 (不同流量区间)的波动阈值,切忌一切波动都套用大盘波动阈值。

02 常用指标举例

上文留了一个疑问:如何保证指标能够较全面的反应产品情况?

我们现在来解答一下:通过指标的分类,我们会大致知道,在不同的度量目的下,需要建设怎样的指标。

从覆盖角度来说,我们可以大致把指标分为 横向指标 & 纵向指标

  • 纵向指标:漏斗转化,如UV渗透率

但是纵向指标有一个非常明显的缺点:渗透1次,UV算1次,渗透2次,UV渗透还是只算1次,所以,我们就需要横向指标。

  • 横向指标:人均点击次数、人均消费次数

在度量纵向效率的同时,我们还需要度量横向的消费效果,类似坐标轴里的的XY轴才能确定坐标;横向指标和纵向指标组合,我们才能度量不同场景下的产品情况。

从度量内容来说,我们可以大致把指标分为 效率指标 & 消费指标 & 活跃指标:

  • 效率指标:度量服务效率是否高效,如功能渗透率、用户转化漏斗等
  • 消费指标:度量用户的消费深度 & 消费广度 & 消费满意度,如 消费页面数、页面停留时长、功能尾点击比例等
  • 活跃指标:度量用户的活跃度,如 周活跃天数,XX留存率,XX使用频次等

从业务角度来说,近期随着视频的兴起,我们把指标分为 视频指标 & 非视频指标(社交or电商or流量)

视频指标:

  • 3vv :观看时长>=3s的观看数 / 总观看数
  • 长播/完播率 :播放比例>=0.6或0.8的观看数/ 总观看数
  • 平均视频观看数:总观看视频数 / 打开APP次数
  • 平均观看时长 : 总观看时长 / 打开APP次数
  • …..

非视频指标:

  • DAU:Daily Active User,即日活,这里有个坑:一定要明确口径;是打开APP即算日活?还是打开超过10s算日活?还是其他条件?很多分析师只知道日活,但是并不知道日活的口径,这会导致DAU波动时拆解逻辑不对,得出错误结论
  • NU:New User,即新增,也需要注意口径的坑,是下载就算,还是激活APP就算,还是新增注册才算?
  • GMV:Gross Merchandise Volume,即交易金额,注意,GMV理论上来说,含有已付款&未付款,但是各个公司不一样,需要注意口径
  • LVT:客户生命周期价值,这个在做渠道时常用,咱们下期文章再来解释指标的详细计算逻辑和波动拆解,敬请期待
  • CAC:获客成本,这个也是做渠道时常用,咱们也下期讲
  • ……

指标太多,大家可以多看看相关书籍,也可以多总结沉淀自己用过/见过/了解过的指标,后期对于产品的分析,策略的制定,都有很大的帮助。

好了,本期内容就是这些,希望对你有帮助。

 

本文由 @巡山猫 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。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!