精细化运营的指标体系搭建指北

编辑导语：运营工作进入精细化阶段，应该如何确定用户？如何制定指标体系？如何获取不同级别用户的需求，根据需求不同设计不同的运营策略呢？本文作者分享了关于如何从0到1构建精细化运营指标体系的方法，我们一起来看一下。

当我们开始做精细化运营之前，都要先做一些数据分析来指导我们的运营策略，那么分析的时候，我们从那些维度开始入手呢，首先得想清楚下面这 3 个问题:

我们的分析目标是什么? 我需要分析哪些数据? 这些数据可以如何帮助到我?

在准备进行数据分析之前，建议大家先将分析与自己的业务关联起来，而这个连接者就是分析目标。市场团队希望可以获得更多的销售线索，运营团队希望可以得到更多的用户和更高的成交金额，而用户运营则希望用户能够高频访问。

在不同的阶段，我们会有不同的分析目标，分析目标也指引我们整个分析的框架及过程。在进行正式的数据分析工作之前，我们需要设立一系列的数据指标，这就是本节要谈的数据运营指标体系。

就像天下没有两片同样的叶子一样，也没有两套指标体系是完全一样的。产品类型不同， 产品发展阶段不同，进行数据分析的团队思考方式不同，这都会导致建立的指标体系有所差异。不过制定指标体系的基本思路和方法是有迹可循的，下面的方法论框架，能够快速明确分析目标，制定适合自身产品服务的数据运营指标体系。

一、如何明确分析目标?

分析目标与 KPI 是息息相关的，数据分析与洞察其实有很多应用场景，最常见的用武之地就是提高我们的绩效，或者说我们希望提高KPI绩效才会借助数据分析的手段。是什么决定了你的绩效成绩?可能是销售线索、可能是订单量，也可能是新注册用户数，这个可度量的绩效，就是我们进行数据分析的目标。例如:

电子商务平台目的是让用户在平台上完成更多的交易，平台负责人的 KPI 与数据分 析目标就是提高订单量。 ToB 企业服务类网站希望可以获得更多的注册线索，网站运营的 KPI 与数据分析目 标就是提高注册量。 银行类 APP 希望可以让更多用户来购买理财产品，APP 运营的 KPI 就是提高理财产 品的购买总金额。

二、如何制定指标体系?

常规的指标体系包含第一关键指标、一级指标、二级指标等。

第一关键指标，又叫北极星指标，是与我们数据分析目标最相关的指标。

当我们开始对一款产品（网站、APP、小程序、智能硬件等）进行数据分析的时候，会涉及到很多数据指标，但只有最重要的核心指标，才能被称为第一关键指标。第一关键 指标的特点就是与目标直接相关，我们的工作为围绕着推动第一关键指标的数据变化而展开，这些数据变化也会帮助我们达成目标。例如网站每天的新注册用户数量，跟实现 新用户获取的目标息息相关，我们就可以将注册用户数作为其第一关键指标。

需要注意的是，第一关键指标虽然是最重要的，但也并不是唯一的，比如电商网站，我们关注订单量的同时也关注新用户注册量;而且第一关键指标也不是恒定的，会随着业 务变化而改变，比如我们产品早期最关注的是拉新，当积累了大量用户后，我们会提高对用户留存的关注程度，这时候第一关键指标可能是周用户活跃(WAU)或月用户活跃 (MAU)。

如何判断一个指标是不是第一关键指标?有一条判断标准就是:如果我们改善这个指标，产品的长期业绩是否被提高?网站或APP上，常见的第一关键指标举例:企业服务 类的网站:注册线索量;电商零售等泛交易类：支付成功数量;消磨用户时间注意力类:DAU或平均停留时长。

1. 一级指标

一级指标指的是对第一关键指标有直接贡献的、或者是可以帮助产品向着更优方向发展 的系列指标。

比如网站的第一关键指标是注册数量，一级指标可能是表单页到访访客数量，提高表单页访客数量可以直接提高最终的注册数量，一级指标也可能是表单页访客到注册成功的 转化率，提高表单页访客到注册成功的转化率可以直接提高注册数量。

2. 二级指标

二级指标可以对一级指标有直接贡献、或者是可以帮助产品向着更优的方向发现的系列指标。

比如网站的一级指标是表单页访客到注册成功的转化率，二级指标可能是第一个字段完成验证的次数，在同样的访客数量情况下，第一个字段完成得越多，表单页访客到注册成功的转化率就越高。

我们可以制定多级指标体系，但是要明确的一点是:制定的每一级指标体系都会对上一级指标有直接贡献。我们建议尽可能精简你的指标体系，并且想清楚你要分析什么数据，简约可控的指标体系对于数据分析有很大的帮助，可以让我们把精力更聚焦在核心分析上。

要弄清哪些分析指标是主要的，把分析精力花在那些能让产品更好、用户体验更好的指标上。如果是整个团队共同制定数据运营指标体系，就需要提前进行需求沟通，保证做数据分析的每个团队都能理解当前指标代表的含义。

3. 管理指标体系

做好了指标体系中，要确保每一层级的指标体系都是与上一层级有直接关系的，比如二级指标的变化可以影响一级指标，一级指标的变化对第一关键指标有直接贡献，如下图举例：

4. 关键指标的分类

当访客成为用户，从活跃到流失，会经历一个用户生命周期(Custom Journey)，当然不是所有的用户都会经历完整的用户生命周期，在任意一个环节用户都可能离我们而去。我们在做产品和用户运营的时候有个共同点就是希望用户尽可能的参与到产品中 来，也希望用户尽可能多次回访。

无论你的产品是什么类型，都有一组典型的用户生命 周期，你可以围绕生命周期来搭建运营的指标体系。用户生命周期主要包括接触、转化、 活跃、参与和留存等 5 个阶段。

接触接触指的是从外部的流量渠道到达网站、APP的全部用户数量，多用于新用户获取的阶段，表示可以转化成你的用户的最大值，如果是网站就和 UV 相关，如果是 APP就和启动相关。在用户接触期，我们关注的数据指标应该对这个阶段的关键指标有贡献，通常 我们需要知道固定时间内到达我们产品的访客构成，这个时候就会涉及到流量渠道，了解不同渠道的用户构成状态有助于我们进行渠道优化，改善访客质量。 转化转化在不同的应用上有不同的含义，如果是留资类网站或APP，转化指的就是注册;在电商行业，转化需要经历注册和支付订单两个环节，所以注册不算是真正的转化，只有 活跃活跃用户指的是在一段时间内，采取了行动并且从产品中获得价值的人，无论是日活跃 还是周活跃，都反应了用户针对产品的参与程度。如何定义活跃?跟转化一样，不同的产品定义活跃的方式不同，对网站来说是在一定时间段内再次打开网站是活跃的关键行为;而对于电商行业，多次购买是用户活跃的典型表现。  参与参与度指的是用户完成了某一些关键行为占全部活跃用户的比例，来评估用户对产品的参与程度，参与程度意味着产品对用户的粘性。 留存留存率反应了产品的粘性，在定义留存目标时会得到相应的留存列表，留存目标可以是 产品打开，也可以是某个功能(比如使用 A 功能的用户，在未来 7 日内是否会回来使用 A 功能)，这样的指标很好地反映了功能留存。通常建议，使用 7 日留存率、30 日留存 率、90 日留存率进行留存分析。

5. 制定你的指标体系

制定指标体系是开始进行分析用户行为/数据化运营的重要环节。先明确第一关键指标，然后明确一级指标来贡献第一关键指标，明确二级指标来贡献一级指标，在制定指标体系的过程中，尽可能保证指标体系的上级贡献原则，当然也许会有一些在体系外的业务特殊指标存在，只要对产品变得更好有帮助、有价值的指标，我们也可以放入指标体系。

为了更清晰地理解指标体系的搭建，我们以最日常的电商行业场景为例。真实的购物流 程比下面举例要复杂得多，我们用最简单的流程来举例: 第 1 步，浏览商品详情页面;第 2 步，加入购物车;第 3 步;提交订单;第 4 步，支付订单。

然后我们可以据此开始制定指标体系

首先第一步，定义第一关键指标。大多数电商的业务第一关键指标都会定义为支付成功的订单数量，以卖货形式的业务目标就是希望卖出更多的商品。淘宝、京东等电商整个 购物流程指标体系很繁杂，不利于我们理解，这里我们仅选取了一些常见的基础指标。

接下来，明确指标体系里的一级指标，这时候就需要思考，是什么原因促使用户愿意支付更多的订单?

在整个购物流程中从后往前看，选择支付方式是支付订单环节必要流程，可以通过这个数据知道不同的支付方式是否影响支付。支付失败次数一定要看，而且要弄清楚是什么原因导致了支付失败；提交订单按钮的点击次数和提交订单成功用户数也都需要看，加入购物车越多会带来更多支付订单的可能性，所以加入购物车的按钮点击次数和购物车浏览次数同样需要看，购物车反馈了购买的潜在行为，也反应了用户的购物喜好。此外，确定按钮的点击次数也很重要，在购物车里，确定就意味着进入提交订单页面。

从浏览商品详情到支付订单，另外需要重点关注的是这四个环节中的 3 个转化率（浏览商品到加入购物车转化率、加入购物车到提交订单转化率、提交订单到支付成功转化率），提高这三个转化率对最后的支付成功订单数有直接贡献。

二级指标就是上图中看到的蓝色的指标，比如规格点击次数和数量点击次数，都能够促进加入购物车这个一级指标达成。而商品收藏、查看评价等虽然不会对支付成功订单数 有直接贡献，但是会对加入购物车行为有直接贡献，这也是我们要重点关注的指标。

如上就是一套简单的电商购物场景的数据分析指标体系，通过指标体系的确定，我们可 以通过市场上已有的用户行为分析/智能用户运营平台，通过看板搭建我们需要随时了 解的各种数据指标，我们就能够得到一个随时在线、实时更新、协同共享的数据分析仪表盘。

搭建好数据运营指标体系后，就该考虑如何得到点击次数等用户行为的相关数据。通过埋点，即在你的网站或APP上加入代码，无论是可视化埋点还是代码埋点，都可以通过 智能用户运营相关的工具平台，完成从收数、理数、算数、用数的完整数据化运营闭环。

 

本文由 @酒仙桥石原里美 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