官术网_书友最值得收藏!

1.4 構建數據指標體系的方法論匯總

前面介紹了數據指標體系的構建流程,相信讀者對于數據指標體系構建有了更為宏觀的認識。而要建立可以反映業務現狀的數據指標體系也有一些固化下來的方法論,當然這些方法論的應用需要建立在熟悉業務的前提下。在構建數據指標體系的過程中,北極星指標、OSM模型、GSM模型、AARRR模型、UJM模型、HEART模型、PULSE模型以及MECE模型是常見的幾種參考模型。下面圍繞這幾個模型介紹構建數據指標體系的方法論。

1.4.1 北極星指標

不同業務模塊或同一業務不同發展階段的北極星指標都是不同的。在選取和設定北極星指標時,也需要遵守一定的原則。一般根據業務發展進程選取貼合戰略且易于拆解的指標作為北極星指標。

互聯網產品按照用戶需求進行分類,可以分為工具類、內容類、社交類、交易類以及游戲類。事實上,每一個互聯網產品并不一定屬于單一的某一類別,其類別可能是交叉的。例如,抖音App可以被歸為內容類產品,也可以歸為社交類產品,而隨著直播帶貨等電商業務的崛起,它也是一個交易類產品。通常情況下,互聯網產品的類型會隨著公司戰略的變化而不斷變化。例如,美柚App最初只是一款工具類產品,后來轉變成女性交流社區,后來又進軍電商。所以,在選取北極星指標時,緊跟公司戰略是較為關鍵的點。

那各種不同類型的互聯網產品都有什么特點?它們對應的北極星指標又分別是什么呢?各類型互聯網產品的特點以及北極星指標總結如表1-1所示。

表1-1 各類型互聯網產品的特點以及北極星指標

工具類產品很容易理解,它們為解決單點問題而生,用戶需要時即用,用完即走。從廣義的范圍來看,任何互聯網產品都是一種解決單點問題的工具,但此處是從狹義范圍考慮的。例如,全能掃描王、計算器、詞典、相機等是工具類產品,其北極星指標一般是使用次數、使用頻率等。

內容類產品主要是指創作者持續為粉絲提供有價值的文章、音頻、視頻等內容的平臺,例如,知乎、微信公眾號、抖音等,其北極星指標是瀏覽量、瀏覽時長、點贊量、轉發量等。

社交類產品主要是為用戶提供建立社交關系的平臺,例如微信、微博等,其北極星指標是活躍用戶數、好友數、互動次數等。

交易類產品主要是將線下的交易搬到線上,為買方和賣方提供交易商品的平臺,例如淘寶、天貓、拼多多、京東等,其北極星指標主要是商品交易總額(GMV)、商家入駐數量、活躍消費者數量等。

游戲類產品主要提供用戶休閑娛樂服務,例如和平精英、王者榮耀等,其北極星指標主要有充值金額、活躍用戶數、留存率等。

1.4.2 OSM/GSM模型

OSM模型和GSM模型也是數據指標體系構建的常用方法論,其構成如圖1-15所示。因為二者的基本思路是一致的,所以此處一起介紹。

圖1-15 OSM/GSM模型

OSM/GSM模型為數據指標建模提供了一套分析框架和思考邏輯。顧名思義,OSM模型和GSM模型都是由上而下拆解用戶行為從而制定評估指標的方法。至于應該如何選取監控指標,就需要從業務目標入手了:首先通過對業務目標的拆解,提出行動策略,進而提煉出評估行動策略是否成功的指標。這樣做的好處是可以避免大而全,即避免羅列所有能夠想到的指標,從而有重點地選擇關鍵指標。

1.4.3 AARRR模型

AARRR模型又稱海盜模型,如圖1-16所示,該模型將用戶所處的生命周期分為獲取、激活、留存、付費以及推廣5個不同的階段。每個階段的業務目標是不同的,數據分析師同樣可以套用OSM/GSM模型對每一個階段進行拆解,提煉出核心監控指標。例如,在用戶獲取階段,業務目標是以合理的成本投放廣告獲得優質新用戶,基于業務目標監控指標可以是廣告成本、用戶轉化率、新用戶數量等。對于具體指標如何定義會在3.1節詳細講解。

圖1-16 AARRR模型

1.4.4 UJM模型

UJM模型和AARRR模型有異曲同工之處,AARRR模型基于用戶生命周期展開,而UJM模型則基于用戶的行為路徑展開。UJM模型的核心思想是將用戶路徑拆解為多個環節,根據業務目標提煉每一個環節的核心指標,可以是每一個環節的轉化率,也可以是整個路徑的轉化率。例如,在電商場景下,商品成交流程就可以用UJM模型進行拆解從而找出核心監控指標。如圖1-17所示,商品成交流程的用戶路徑拆解為:注冊→登錄→商品曝光→點擊商品→加入購物車→成交→達成GMV。該模型可以監控此路徑下每一環節轉化率或整體轉化率,從而輔助業務優化產品提升GMV。

圖1-17 商品成交流程的用戶路徑

1.4.5 HEART模型

HEART模型是衡量用戶體驗質量的模型。如圖1-18所示,該模型通過用戶的愉悅度、參與度、接受度、留存率以及任務完成率5個維度來衡量用戶體驗。其中一部分指標用于評價用戶的主觀感受,可以通過用戶調研獲取,例如愉悅度需要用戶填寫反饋問卷或者體驗評價;還有一部分指標可以通過埋點獲取原始數據,進而通過統計分析獲取,例如在電商場景下參與度用于衡量用戶的頁面訪問深度,數據分析師可以通過埋點采集用戶在各個頁面層級的訪問次數、停留時間等指標進而計算出用戶參與度。

1.4.6 PULSE模型

PULSE模型最初是用于衡量傳統網站運營情況的指標模型,后來該模型也用于評估各類互聯網產品的整體表現。如圖1-19所示,該模型包括了頁面瀏覽量、正常運行時間、延遲、七日活躍用戶數以及收益5個不同的維度。

圖1-18 HEART模型

1.4.7 MECE模型

前面6個模型從不同層面闡釋了不同場景下數據指標應該如何選擇。對于指標建模來說,并不是數據指標越全越好,而是要做到選擇最能衡量業務現狀的數據指標并且做到各個指標之間相互獨立、完全窮盡,如圖1-20所示,即管理咨詢領域比較常用的MECE(Mutually Exclusive,Collectively Exhaustive,相互獨立,完全窮盡)模型。

圖1-19 PULSE模型

圖1-20 MECE模型


[1] 參見阿利斯泰爾·克羅爾和本杰明·尤科維奇撰寫的《精益數據分析》。

[2] 參見阿利斯泰爾·克羅爾和本杰明·尤科維奇撰寫的《精益數據分析》。

主站蜘蛛池模板: 富宁县| 分宜县| 涿鹿县| 乌兰察布市| 孟连| 浏阳市| 定兴县| 新昌县| 双流县| 曲松县| 五寨县| 舒兰市| 凉城县| 文水县| 莱芜市| 兴文县| 理塘县| 望城县| 乌拉特前旗| 宜丰县| 濮阳县| 龙南县| 定西市| 彝良县| 江西省| 淳安县| 鲁甸县| 武冈市| 大悟县| 昌都县| 宁陵县| 正宁县| 东丰县| 格尔木市| 南召县| 威远县| 高尔夫| 东明县| 碌曲县| 河津市| 班戈县|