增长模型指标体系如何构建?

2 评论 15498 浏览 141 收藏 18 分钟

指标体系的重要性,不言而喻了吧?不管是做运营还是做服务,亦或是做产品,都离不开指标体系的构建。

你在公司里构建的指标体系是如下这两个样子吗?

是这样?

还是这样?

指标如此构建也无可厚非,毕竟公司里能用到的指标无非这些,全列出来总不会有错,但是,结果就出现了上面的样式:

1)指标变成满天星:没有重点、没有思路,等指标构建完成了也只是看到了一组数据,各有用处,却无法形成合力,最终不仅浪费了开发人力,也无益与业务推动;

2)指标空洞不落地:笔者曾经历过一个需求,客户给一个需求文档,粗看又有模型又有分类,像是出自大家之手,但仔细一看发现,模型里面随处可见分析字眼,流程中没有几个具体的指标,需求空洞,无法落地。

正是上面的原因,业务与数据开发的矛盾不断的激化,最终落得不停升级的命运。作为一个非资深的数据分析人员,非常想与大家一起聊一下指标体系的构建思路,刚好听到曲卉老师的“北极星指标”构建方法,深有感触,梳理了指标构建常用方法,与大家一起分享。

不管是做运营、做产品还是做服务,指标都像是一双眼睛,随时提醒工作人员业务效果的好坏,一定程度上指标反映了公司的战略方向,部门的业务目标。所以,有效的构建指标体系才能有效协调资源,促进合作,而不是各忙各的,一盘散沙。

(1)公司战略的拆解

公司的战略反应的是公司以什么样的方式赚钱,经常伴随的词语是“商业模式”、“盈利模式”等,对于一个在公司中处于中下层的工作人员而言,战略往往是非常遥远也非常宏观的概念。

中小型的创业公司还好说,至少能够听到或者看到公司的战略。但是对于一些大型的公司,员工上万人,业务线数千条,真实的战略恐怕只有几个高管才会频繁考虑,过滤到我们这个阶层估计已经是成型的业务模型,清晰的业务指标了吧。

虽然距离遥远,但是战略目标对指标体系构建的重要性还是值得一再强调的,不同公司战略方向各不相同,其关注的指标也千差万别。教育类重点在于学生上课,视频类重点在于观看时长,广告类行业重点在于点击转化等等,不同战略引发了关注指标的差异。这个被重点关注的指标就被称作是“北极星指标”,这一指标不仅仅用来衡量公司运营的效果,更多的是用来进行业务拆分和工作协调,它的存在,能帮助产品经理和运营怼结果负责。

对于“北极星指标”而言,公司里往往会有两种情况,即:清晰不清晰

往往较为成熟的公司会有一个清晰的指标,比如:BAT、TMD等等,经过长期的思考摸索形成了稳定的战略方向,也就形成了相对稳定的评价指标。

但是在一些初创型公司,或者一些转型公司中,我们往往看到战略的调整和“北极星指标”的转换,比如:Youtube公司前期的“北极星指标”是点击率,后期逐渐的调整成为了观看时长;BAT这样的公司在构建三级火箭的时候也逐渐的调整自身的“北极星指标”:从单纯的流量分发公司到平台搭建再到生态维系,战略的调整始终伴随着指标的变迁。

从这些案例中我们也能看出,“北极星指标”相对稳定,但也不是不可调整的。

那么,如何构建“北极星指标”呢?

1) 衡量公司的商业价值和客户的价值需求

我们用猎聘来举个例子:公司的价值是销售增值的账号套餐,购买套餐的求职者会有更多的权利,而对于用户而言,就是找到合适的工作/人才,基于这一思考,猎聘构建自己的商业目标和用户价值的闭环。

2) 列出备选指标,进行逐步筛选

在商业目标和用户价值闭环中,列出备选指标并确定筛选标准:

3) 确定“北极星指标”:

经过分析得到公司的“北极星指标”为:个人用户投递简历日活。

因为这一指标可以有效曝光各个公司信息和提高公司与个人的匹配程度,较好的形成猎聘的商业闭环。

(2)部门业务的拆解

在对公司的“北极星指标”有深入了解的情况下,我们就可以基于这一指标深挖业务模式和细分指标体系,也就是我们在网上经常听到的“业务模型”。公司之所以持久运营,衡量指标往往是运营模式是否能够自我生长,并且能够形成良性循环。

“业务模型”无法形成良性循环的公司,虽然一时热闹,但最终也会面临曲终人散的结果。前几年的“乐视”,近几天的“瑞幸”,都是因为过度夸大流量红利,忽略自身成本压力,最终导致供应链紧张,引发一桩桩的丑闻。

在深挖业务指标体系的时候,往往有两种情况:

1) 公司有一个完整的“业务模型”

对于一些大型的公司,“业务模型”相对固定,这一“业务模型”与公司的战略较为契合,我们需要做的就是先梳理现有的“业务模型”,然后基于这一“业务模型”构建指标。

举个例子:腾讯游戏的增值盈利模式,“北极星指标”为转化率——即多少免费玩家转化为付费用户,这一模型是腾讯长久以来的盈利方式,相对稳定。那么,如果要构建这一指标,我们就需要梳理长久以来腾讯沉淀下的“业务模型”:

  • 运营方面:引流方式有哪些?在哪里投放了广告?现有的效果评估有哪些?
  • 产品方面:有哪些功能改造点?产品设计流程是什么?

基于这些稳定的模型拆分“北极星指标”,拆分出:渠道拉新量、免费用户活跃量、游戏在线时长、付费金额等等指标,然后再作为绩效评定逐渐的细分到每个人的身上。

所以对于现有“业务模型”:先梳理再构建是为上策。

2) 公司“业务模型”在摸索过程

公司“业务模型”探索是一件必然的事情,初创公司或者大公司成立新的事业部,都需要不停的探索。“业务模型”摸索的过程和“北极星指标”的调整往往会同步进行,因为这两者密不可分,我们继续来分解一下上文中Youtube的案例。

我们刚才讲到,前期Youtube的“北极星指标”是点击率,引发的一系列反应呢是技术团队以点击率来优化算法、创作者将封面设计作为重中之重、广告投放也存放在视频头部位置,基于“北极星指标”细分出的业务指标最直接的即为:视频曝光量、视频点击率甚至视频投放密集程度等等。

但是逐渐摸索时,Youtube发现这样的指标存在一定的问题,会有很多客户点击后立马离开,客户的留存率极低,视频内容质量也逐渐下降,所以2012年之后,Youtube便调整了“北极星指标”,将点击率修改成为了观看时长,这一调整使公司内部发生了比较大的变化——技术团队以观看时长为推荐训练目标、创作者不仅关注封面,还要不断的提升内容质量、广告投放也散布在了视频的整个时段,业务指标从曝光延伸出了在线时长、对应视频内容曝光等时间维度上的指标。

“北极星指标”是一个相对宏观的、不可直接操作的指标,也正是因为这一原因,我们需要细分“北极星指标”,拆分成单一的、明确的细分指标,通过影响细分指标来改变“北极星指标”。

讲到这里,大家对指标的构建有没有一个系统的认知?我们该如何根据“北极星指标”构建一个合格的指标体系呢?

总共分三步:

  1. 定义北极星指标:通过上面的步骤,你肯定已经构建了自己的“北极星指标”了吧?这个其实就是第一步的动作,这一动作代表产品价值被用户体验到的理想状态,我们不多做解释。
  2. 绘制用户核心转化路径:这一步骤是记录一个用户从对产品一无所知到体验到核心价值完成交易的过程,用户在访问过程中经过了哪些触点,完成了哪些先验交易,最终完成交易,这个流程实际上就是用户旅程的梳理过程,很多公司开始意识到用户旅程的重要性,并逐渐的梳理自身的旅程。
  3. 组装指标模型:给用户核心转化路径的每一个步骤设立一个细分指标,把这些细分指标放入“北极星指标”引导下的“业务模型”中,并填入具体的值即可。

我们通过一个案例来分析指标体系的构建过程:对于网易云音乐来讲,因为他是一个听歌的应用,所以他的“北极星指标”就是总听歌时长。

确定好“北极星指标”之后,我们就可以根据这个指标梳理他的核心转化路径,如图:

用户的每一个步骤都呈现在上面的路径中,我们接下来的分析就是依据上面的这个路径完成指标模型的组装。

组装指标模型主要有四个方法,本案例中主要讲解其中的两种,剩余的方法会在接下来的内容中讲解:

第一个指标模型是:全链路漏斗型

就是将“北极星指标”细分成多个细分指标,然后将其组合成链路。

对于网易云音乐来讲,对应的全链路公式如下:总听歌时间=应用下载量*首次访问比例%*首次听歌比例%*老用户中持续听歌比例%*平均听歌时长。

这是一个粗略的帮助大家理解“北极星指标”的方法,各个细分指标可以通过数据呈现出来:

从图中我们可以明显看到,老用户的持续听歌时长明显较少,基本确定老用户活跃度存在问题,则下一步的运营动作就是考虑如何促活。

全链路漏斗模型优点是可以把所有细分指标都显示出来,并标注转化率,找到机会点,但问题在于,这个公式实际上不是一个可以直接相乘的公式。

第二个指标模型是:因子分解型

细分的指标不仅相乘,也可以按照一定的逻辑相加,最终组合出“北极星指标”。它不仅是一个细分指标,各个细分指标之间的层级关系也非常明显。

这一模型的缺点是比较难搭建,但是优点在于可以直接计算改善哪个细分指标会对结果产生哪些影响。

我们以上图为例:如果我们要想办法提高10%老用户持续听歌的比例,则日均老用户中听歌人数就会增加50000人,同时叠加日新增听歌用户数5000,我们就可以轻松得出每日总听歌用户数为55000人,进而得出每日总听歌时间为1100000分钟,这样的计算是不是很直观,非常便于大家理解。

看到上面的图形,大家对指标构建过程是否有一个较为清晰的理解呢?我想大家一定会有所收获吧。

(3)负向指标的选择

当你构建好一个“北极星指标”体系之后,有没有感觉小有成就感,不要着急,所有的事情都是有两面性的,一方面增长的同时也会有另一方面在衰减。比如:前面我们讲到的例子,Youtube将点击率作为“北极星指标”的时候引发B端和C端的客户将注意力全部集中在封面的位置,这样一来,活跃点击率上去了,但是随之而来的视频质量就会下降,视频质量的最直接衡量指标即为用户的访问时长。那么,此时的访问时长就可以作为Youtube的负向指标,“北极星指标”与负向指标相辅相成,才是一个完整的指标体系。

从上文的分析来讲,用点击率来作为“北极星指标”是存在较多的风险的,毕竟视频的内容才是平台的根本,好在Youtube及时做了调整。

好了,这篇文章我们就暂时写到这里,不知大家有没有一些收获,本文我们把指标体系构建完成了,后面我们会详细的讲解指标体系的用法,谢谢大家。

 

作者:livandata;个人公众号:livandata,欢迎大家关注沟通~

本文由 @livandata 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。

专栏作家

又见智能商业,微信公众号:livandata,人人都是产品经理专栏作家。金融行业的互联网老兵,聚焦数据驱动,将算法、数据融入产品设计与运营策略,构建金融增长方法论。

本文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。

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. 你好,文中提到的“先验交易”这个词有点不太理解,方便解释下吗

    来自广东 回复
  2. 你好,文章的公式中为什么是(*老用户听歌比例),另外平均时长是老用户的还是所有用户的?
    总听歌时间=应用下载量*首次访问比例%*首次听歌比例%*老用户中持续听歌比例%*平均听歌时长。

    来自广东 回复