「经验」如何搭建“业务化”的指标体系？

预计阅读时间：10min

00

引言

为了更好的度量产品的健康度，如何搭建“业务化”的指标体系，相信是大多数数据分析同学都会接触到的问题，其中「业务化」和「指标体系」是做好产品评估的两个重点。

「指标体系」是通过不同维度的观察角度，所形成的的有机统一、相对独立且能反映产品经营状况的一系列指标群。

「业务化」则要以业务为出发点去思考问题，这里我们总结一下业务在应用指标时的一些痛点，看看你有没有遇到：

• 痛点1：指标名称和口径在不同业务报表中存在差异，用起来很乱。
• 痛点2：指标太多，针对不同场景不知道用哪些来评估。
• 痛点3：指标每日都在波动，不属于正常区间以内。

面对以上问题，我们需要一套体系化的评估方式将产品链路串联起来，从业务为出发点，设计指标体系，并将设计出来的指标体系有机的进行维护，最终回归到评估当中，形成闭环。核心：可度量、可拆解、可描述。

下面结合我的工作场景，和大家分享如何搭建一套业务化的指标体系。

01

搭建指标体系的目的

在开始设计指标体系之前，作为数据同学，我们要明确指标体系搭建的目的，我认为目的主要可以划分为四个方向：

其一：指导数仓建设。假设我们以数仓建设为起始点，记录用户的行为数据，往往会遗漏很多重要的内容；反而当我们以指标体系为出发点设计数仓，能够清晰知晓哪些内容是需要记录、需要从上游ETL接入，更加完整的搭建数仓。

举例：当我们需要设计“人均检索时长”指标时，必然需要将用户的时间信息透传到下游当中。

其二：统一指标口径。指标在设计过程中，明确指标口径是非常重要的，相信不少同学在工作中有这样的同感，同样名称的指标在不同场景中的定位有偏差，导致使用方非常的混乱。

举例：某个内容的ctr，场景1=点击次数/页面pv，场景2=点击次数/展现次数。类似这种问题，是指标应用中的大忌。因此，需要根据经验以及与业务方的探讨，达成共识口径。

其三：衡量业务发展。指标建设的最终目的还是为了辅助产品迭代，而衡量业务的发展现状，则是指标体系应用的“防守方向”。所谓“防守方向”指的是让所有的业务同学清楚，我们现在的产品怎样，通过用户的行为数据，分析现阶段产品满足用户需求的情况如何。衍伸出来“异动分析”“多维监控”等相关内容。

其四：探索分析方向。与衡量业务发展相辅相成，探索分析方向则是产品改进的“进攻方向”。在充分了解现阶段产品的状态外，产品还需要增加哪些功能？吸引哪些用户？这些都是需要偏探索性的分析给予业务支持。

当我们明确指标体系目的之后，下面将着手设计指标体系，以下将从常规步骤及案例进行说明。

02

指标体系如何设计

指标设计方式有很多，根据不同业务有不同的设计理念，现阶段规范化设计方式常规有三种，大家可以参考：

第一种：GSM（Goals，Signals，Metrics），是Google提出的一种自上而下度量用户行为的方法，通常用于衡量产品优劣程度。

• G目标：明确设计的目标是什么？为了达到的用户目标是什么？
• S信号：当达到对应用户目标时，用户反馈出哪些行为？
• M指标：根据用户反馈的信号设计对应指标。

第二种：HEART（Happiness，Engagement，Adoption，Retention，Task Success），同样是Google提出的，通常用于衡量用户体验质量程度。

• Happiness愉悦度：用户产品体验如何？
• Engagement参与度：用户消费深度如何？
• Adoption接受度：用户对于功能的接受度如何？
• Retention留存率：用户留存情况如何？
• Task Success任务完成度：用户对产品价值的完成程度？

第三种：PULSE（Page view，Uptime，Latency，Seven days active user，Earning），通常用于衡量产品的整体表现。

• Page view页面浏览：产品的页面使用情况如何？
• Uptime正常运行时间：用户在产品的使用时间如何？
• Latency延迟：APP打开时间延迟程度如何？
• Seven days active user七日活跃用户数：用户对于产品的粘性程度如何？
• Earning收益：用户在产品上的消费情况如何？

03

指标体系设计案例

下面举一个案例，谈谈我对指标体系设计的理解，我们以搜索引擎APP场景为例，需要搭建一个合理的指标体系，根据用户的行为特征，度量用户在APP上的应用情况。应用的理念，部分借鉴于GSM的方式，以用户的行为轨迹为链路，设计指标。

我们以用户的行为轨迹为启示，找到每个流程的目标。以一个用户为例：

步骤一：发起检索。用户最初进入搜索引擎APP，在首页搜索框发起检索。例如：搜索周杰伦。

指标设计：检索衡量用户使用量级情况。使用量级也是搜索场景最核心的指标内容，用以衡量APP用户水池的健康度。

指标涵盖：pv、uv、人均pv、人均query数等。

步骤二：查找结果。搜索引擎一页一般会展现10条左右的结果，用户需要在其中找到感兴趣的结果。例如：第一条结果中的周杰伦图片。

指标设计：用户在搜索引擎上搜索一个query之后，必然希望尽快的找到想要的结果，而不是需要下滑很多次才找到结果，因此这里着重衡量用户的检索效率。

指标涵盖：检索到首点时长、检索时长占比、首点位置、首点高度等。

步骤三：结果消费。用户在详情页进行预览消费，也是用户搜索的最初目的。例如：下载周杰伦图片。

指标设计：当用户发现一个感兴趣的结果标题时，会点击进去消费，这里主要衡量消费的强度情况。

指标涵盖：ctr、有点比、平均消费时长、首点消费时长等。

步骤四：深度查询/其他诉求。用户在首次消费之后，可能有两种可能性，其一：消费的结果没有满足用户需求，用户需要通过再次查找，找到合适的结果；其二：消费的结果满足了用户的诉求，但用户还有其他衍生的查询需求，因此还需要继续搜索。通过循环步骤三、四的内容，从而完成本次完整的查询目的。

指标设计：衡量用户在首次检索之后是否满足，主要衡量消费满意度。

指标涵盖：主动换query率、翻页率、pv尾点占比、session尾点占比（session：一段时间相同搜索意向的标识）等。

步骤五：离开APP。用户在完成了需求满足之后，会退出APP，至于是否还会回来，要看用户对于APP的粘性程度。

指标设计：衡量用户在完成本次检索之后，是否还会应用此APP，主要衡量用户粘性情况。

指标涵盖：人均启动APP次数、N日留存、N日内留存等。

以上是针对搜索场景设计指标的方式。当然，不同类型APP的设计方式会有所出入，但万变不离其宗，以上方式基本可以满足大多数的指标设计场景。

04

指标体系如何维护

当完成指标设计后，需要一个统一的方式来维护这些指标。其目的主要有两点：

目的一：指标定义唯一性。避免在不同的业务场景出现相同指标、不同算法的情况。

目的二：平台工具的串联。指标的落地必然少不了元数据平台，利用平台机制，将用户的设计、定义、维护、工具，融入至唯一的平台，形成相对机制化的管理。

建议大家重点关注及维护指标的七个内容：

内容1：指标分类。首先，我们需要对指标进行划分，从而分门别类的进行管理。指标分类可以从业务及性质的角度进行划分。

业务角度：以搜索场景为例，可以划分为流量型指标、查找效率指标、消费强度指标、消费满意度指标、用户活跃度指标等。

性质角度：可划分为原子指标（例如：pv）和派生指标（例如：搜索结果页pv、搜索中间页pv），派生指标=原子指标+时间周期+修饰词。

内容2：指标名称。指标名称是指标体系中必不可少的，这里的建议是：名称通俗易懂，不宜过长。

内容3：指标定义。用于说明指标的含义，需要清晰不模糊。举例：pv是结果页pv还是中间页pv。

内容4：指标公式。指标公式更多是指标定义的数学化表示，需要明确的标识。举例：ctr=点击次数/展现pv

内容5：指标作用。阐述设计这个指标的初衷是什么，用于衡量什么，以及指标的大小、正负的含义是什么。举例：换query比例（相同内容再次发起检索）用于衡量用户的满足情况，换query比例越大，则本页面满足情况越差，反之则越好。

内容6：使用场景。阐述哪些场景会用到这个指标。举例：pv在衡量检索规模的时候会应用到。

内容7：波动阈值。波动阈值主要在评估指标是否异常时有作用。举例：搜索人均检索时长通常在40s-50s范围内比较正常，如果某天指标徒增或者突降，则可能有所问题，可以辅助异动分析排查。

以上就是本期的内容分享，如果大家有其他的方式和经验，也欢迎在下方评论区留言讨论~~

END

【下期预告】指标体系是数据分析的“前菜”，当我们根据业务制定了北极星指标后，作为数据同学，会在日常对指标进行监控预警，也就是我们常说的「归因分析」。在「归因分析」中，如何快速的发现指标异常？如何高效的度量问题维度？如何量化的给出数据结论？静待下期分享~~

【作者简介】互联网大厂数据分析专家，本系列「经验」类文章，会和大家分享一些近些年从事数据分析工作的一些心得体会，希望能够帮助到同行的同学，同时也渴望和大家在此沟通探讨。