搭建指标体系
搭建指标体系,是GeekData提供给付费客户的标准服务之一。我们会根据客户的行业特征和实际业务搭建符合企业需求的指标体系。
GeekData指标体系包含以下项目:
运营报表体系,各部门数据看板 区分数据采集方式(无埋点/前端埋点/后端埋点/混合埋点) 渠道监测体系 用户分群标准 用户活跃与留存标准 用户画像(会员营销系统)
目前各行业的企业都认识到数据驱动增长的的重要性,并希望我们协助其搭建指标体系,指标体系对企业变的越来越重要。
那指标体系到底有什么用?怎么搭建?怎么使用?下面就为大家逐一介绍。
一、为什么要搭建指标体系
一)对业务质量提出衡量标准
没有指标对业务进行系统衡量,我们就无法把控业务发展,无法对业务质量进行衡量,尤其现在很多企业多项业务并行,单一数据指标衡量很可能片面化。因此,搭建系统的指标体系,才能全面衡量业务发展情况,促进业务有序增长。
二)明确结果型指标和过程型指标的关系
完整的指标体系,能够帮我们明确结果型指标和过程型指标的关系。不仅能分析结果,更能分析过程。通过结果指标回溯到和用户行为相关的过程指标,找到解决问题的核心原因。如结果型指标转化率,但影响它的多为浏览行为、停留时间等过程型指标,通过指标体系,能清晰明确转化率和和浏览次数、停留时间的关联关系。
三)指导内部产品、营销、运营的工作
产品、营销、运营等部门都是促进公司发展的重要组成部分,通过完成的指标体系和数据分析,可以有效指导各部门成员的工作,以数据驱动,找到不足,提升业绩。
四)指导数据采集
完善的指标体系可以让采集更有目的性,避免分析时的指标数据遗漏或缺失。虽然我们有些数据分析软件可以对数据缺失值进行处理,但如果连指标都没有,这种缺失肯定是软件无法处理的,尤其是关键指标的缺失,将会造成分析结果的可信度下降。
二、如何搭建指标体系
一)指标类型
指标类型可以按照多种标准划分 按计算方法,分为单一指标和复合指标(由单一指标通过加、减、乘、除四则运算生成),如浏览人数和注册转化率 按指标的正负意义,可分为正向指标(如转化率、购买率,越高越好)和负向指标(如跳出率、错误率,越低越好) 按业务范围,可分为行为指标如浏览次数、关键事件次数、转化率等;成本指标新访客成本、CPC、CPM等;营收指标客单价、重复购买率、ROI等 一个完整的指标体系会包含多种类型的指标。
二)确定OMTM
OMTM:唯一关键指标(one metric that matters, OMTM).在数据分析时,可以抓取许许多多的数据,但必须聚焦在最关键的事情上。根据分析目的,只关注驱动的核心,唯一关键指标,根据OMTM搭建指标体系。 这里我们需要提一下选择OMTM指标遵循的三个“好指标原则” 好指标一定是可比较、可理解并且是会可指导的。 围绕这三个原则确定OMTM。
三)为什么OMTM是驱动的核心?
聚焦OMTM让你和整个团队集中力量解决重要且紧急的问题,并进行“假设-验证”的精益实验。 首先,会帮你弄清楚当前最重要的问题,然后强制你拟定一个清晰明确的目标,接下来整个团队都会充分聚焦,围绕核心问题打好关键战役。且OMTM会更有利于执行“假设-验证”的精益实验。
四)分析影响指标的关键因素
我们最常关注的指标多为最终结果指标,比如评估一个电商平台,我们最关注的是销售额(常被称为虚荣指标或表面指标),在业务人员分析销售额增长或下降的原因时,就需要对指标进行拆分,找到影响指标的最小因素,即明确指标。 虚荣指标是表面指标。它们往往比较大而泛,可以给人留下印象,比如销售额。可以用这些指标来谋求建立合作关系并赢得一些关注。 明确指标是运营性指标,比如产品每日实际使用时长,用户访问服务所需时长等。这些是推动增长的隐形引擎。要用这些指标来巩固你的竞争优势。
五)杜邦拆解-最小可优化单元
杜邦拆解:基本思想是将核心指标逐级分解为多项指标,直至最小可优化单元,这样有助于深入分析比较。 我们以电商销售额为例,从两个角度进行拆解,一个是购买用户量,一个是单客户销售额。先看购买用户量,它可以拆解为下单用户购买转化率,下单用户等于加入购物车用户订单转化率,这样一层一层向下拆分。
六)指标体系的构成
指标体系由指标+维度构成,事件、参数、属性配置完成后,形成相应指标体系,可针对唯一关键指标OMTM按多个维度多个时间进行多维细分分析。
GeekData提供9大行业指标体系搭建模板,感兴趣的同学可以微信(kaifoucom)领取。
三、数据采集和验证
一)数据采集
数极采集一般有三种方式,代码埋点、可视化埋点和后端埋点。 代码埋点可以采集任意业务指标、维度丰富,但需由技术人员完成代码部署。 可视化埋点操作简单,直接点选完成,可视化埋点适合单一指标,不能采集维度数据。 后端埋点可将前端数据和后端系统数据融合统计,对接更多数据源,但需技术深度参与。 我们在进行数据采集时要根据不同指标选择最适合的采集方式。
下面看下每种采集方式都是怎么完成的。
可视化埋点
可视化埋点的优点是操作方便、效率高,缺点是数据类型单一。 可视化埋点通过GeekData分析系统进入埋点编辑页面,用鼠标点击想要埋点的按钮,出现数据柱形图后命名保存即可。
代码埋点
代码埋点的优点是数据丰富,精准性高,缺点是步骤较多、需技术参与。 代码埋点需要先在后台配置事件和属性,一键生成统计代码,由技术人员添加到埋点位置。
后端埋点
后端埋点的优点是可前后端数据融合,缺点是对技术要求较高,普通运营人员无法实现。 后端埋点和代码埋点相似,在配置事件和属性后,截取已有代码中的关键元素,按后端代码统计格式生成新的代码后部署埋点。
我们提到在代码埋点和后端埋点时,需要先配置事件和属性。 先给大家解释三个概念,事件、参数和属性。 事件可以理解为用户的某个行为,比如登录、注册、购买,都统称为事件; 事件和参数结合起来就是指标,比如登录次数、注册人数、购买金额这些我们称为指标,而次数、人数、金额就是事件的参数。 事件属性可以从某个维度对事件进行拆分分析,比如登录方式就是登录的属性,分析不同登录方式的登录次数。
首先看下如何创建事件,在后台进入自定义设置-事件界面,添加事件字段后保存即可。 重要的是创建事件时各字段的含义和填写方法,很多客户在这一步较为迷惑,不知如何填写。 事件方法:事件名称的英文翻译,如登录的英文login 事件名称:表示用户的具体行为,如登录 事件类型:统一全部选为“自定义事件”
事件参数(和事件一起构成指标)
参数名称:指标名称的英文翻译 指标名称:如金额(人数、次数、用户数系统自动统计,无需添加,如无特定的参数,就把指标名称写为事件,参数名称对应event) 计算:对参数的计算方法。数值型进行求和,如金额,最后显示的的累加和;字符型为计数计算,最后累计个数。
属性在创建时,分为两块儿,用户属性和事件属性,每一块儿独立的创建,互不影响。
先说用户属性,也叫全局属性,用来描述用户的属性体征,可理解为用户的一个标签,无需和某一事件绑定,可以对全部事件进行拆分。
事件属性可以从某个维度对这个属性进行拆分分析,需和某一事件对应绑定,对绑定的事件事件进行拆分分析。
事件属性参数名:为事件属性名称的英文翻译 事件属性名称:和事件相对应,如登录方式 所属事件:属性所对应的事件,可一对一,也可一对多;如登录方式只对应登录,而商品名称可能对应浏览商品、加入购物车、购买成功等事件。
事件属性添加好后,会在维度-事件属性下显示
二)数据验证
数据采集后一定要对数据进行验证,准确性、完整性、及时性都是必须考虑的,缺失的不准确的数据我们无法应用于实际分析,这也是我们在选择适合的采集方法应评估的重要因素。
四、数据应用
一)驱动闭环
搭建指标体系后的最后一步就是数据应用,在采集的数据验证无误后应用于实际业务中,驱动业务增长。
二)应用举例
下面给大家举两个数据应用的例子, 第一个偏重于体系搭建,第二个偏重于业务分析
首先看推广成本优化
当前各种推广渠道层出不容,那如何分析推广渠道,优化推广成本? 首先确定渠道的质量指标和数量指标,如下图中各渠道的人数、次数指标我们归为数量指标,其余指标为质量指标,然后按照五个维度对渠道拆分分析。 把所有渠道按质量指标和数量指标生成散点图,按照质量高低、流量大小的划分标准分为四象限(即我们常用的四象限分析法)。 找到不同渠道对应的位置,按照策略优化即可。
第二个例子是注册转化率的优化
某电商平台APP端,新访客注册转化率为20%左右,某日该指标出现异常数据2.81% ,如何通过数据分析解决注册转化率降低的问题? 首先确定OMTM指标 注册转化率:新访客注册人数/新用户数 新访客数、新访客注册人数 通过GeekData采集 分析思路: 用户从访问到注册有一定的操作路径,一般分为:浏览页面、开始注册、获取验证码、注册成功几个步骤。注册转化率突然降低,用户一定是在操作路径的某一步流失掉了。这时可以设计基于以上操作的路径漏斗,查看每一步的转化率。 分析结果:按照时间维度对比漏斗发现,转化在前三个环节和前一天差别不大,只在获取验证码到注册成功环节转化率相差很多,按照以上步骤进行测试,发现在发送短信验证码出现问题,很多点击收不到验证码,马上和运营商取得联系及时解决问题。
GeekData目前提供指标搭建的全称培训指导,欢迎大家联系我们。
下一阶段:事件埋点指导