作者：每日拾遺
本文在PMCAFF社區發布（www.pmcaff.com），轉載請註明作者及出處。
假設豆豆在小區附近開了一家小型超市，花花每周二下班後，都會來店裡買半斤豬頭肉，風雨無阻，從不間斷。豆豆心想：「花花每次來的時間都很固定，並且已經堅持了好幾個月，我如果提前把肉準備好，這樣就可以節省彼此的時間了。」此後每周二，只要花花一到店裡，豆豆就跟他說，「豬頭肉已經調好啦，還特意為你多加了花生碎，直接拎走就行」。花花笑了，心裡想：「嘿，這服務員挺貼心的，不錯嘛」。
在上面案例中，豆豆通過對花花 「每周二下班後買豬頭」 行為的觀察，提前「調好多加花生碎的豬頭肉」。豆豆的這種做法不僅刷新了顧客的好感度，還提升了用戶的忠誠度。
豆豆觀察花花的行為在網際網路行業中叫做數據分析，要做好數據分析，並將數據分析應用於業務中，首先就需要構建好指標體系。接下來，筆者就會聊聊如何構建指標體系。
1 數據指標體系？
1.1 什麼是指標體系？
通常我們講述的指標是對當前業務有參考價值的統計數據，換句話說，不是所有的數據都叫指標。指標的核心意義是它使得業務目標可描述、可度量、可拆解。
指標可分為原子指標和派生指標，按照筆者的理解，原子指標就是不加任何修飾詞的指標，又叫度量，例如訂單量、用戶量等；派生指標就是在原子指標上進行加減乘除或者修飾詞的限定等等。
例如：昨日境外輸入病例、網站近一周的訪問量等。
指標體系是從不同維度梳理業務，並將零散單點的具有相互聯繫的指標，系統化地組織起來。其中，維度分為定性維度和定量維度，定性維度主要是文字描述類，例如姓名、地名等；定量維度主要是數值描述類，如工資、年齡等。
舉個某電商限時秒殺的慄子（如下圖）：
上方紅框代表市場活躍度，中間紅款代表當前價格波動幅度，下方紅款代表價格趨勢。三個紅框中的指標，可以構成一個最簡單的指標體系，用來描述伊利純牛奶秒殺的現狀，屬於描述指標體系。
1.2 為什麼需要指標體系？
對於數據產品經理來說，搭建指標體系可以更好地梳理業務，提高問題分析效率。
因此，筆者認為指標體系的主要目的為：
給業務發展提供指引；
建立共同願景，凝聚團隊，激勵團隊。
2 如何設計指標體系？
下面分五部分（如下圖），講一講如何設計指標體系。
2.1 定目標
這是第一步，也是最重要的一步，同時也是很多產品上線運營後進行評估的標準，並以此形成閉環。好的目標具有以下三個特徵：
與高層目標一致；
目標應當符合 SMART 原則；
具有挑戰性。
下面筆者就先說說 SMART 原則：
1）S 代表具體（Specific）
目標必須是明確的、具體的，要對標特定的工作指標，不能籠統。下面舉個慄子：
無效的目標：我要成為一名內容運營；
具體的目標：我要掌握文案技巧。
2）M 代表可衡量（Measurable）
目標必須是可衡量的，可衡量的指標是數量化或者行為化的，驗證這些指標的數據或者信息是可以獲取的。
上面的慄子進一步細化，讓目標可衡量。
可衡量的目標：我要掌握文章設主題、切痛點、找創意、定標題等技巧。
3）A 代表可實現（Attainable）
目標必須是可實現的，具體指在付出努力的情況下可以實現，避免設立過高或過低的目標。
假如筆者剛接觸內容運營，定下了 「我要在兩個月內成為寫文案的專家」 這個目標，那麼這就是一個不切實際的目標。較接地氣的目標是：我要在三個月內掌握文章設主題、切痛點、找創意、定標題等技巧。
4）R 代表相關性（Relevant）
目標是與工作中的其它目標相關聯。
比如我的中期目標是：一年內能夠獨立完成文章的一系列創作與發布，我的短期目標就是：三個月內掌握文章基本創作技巧。只有中期目標與短期目標具有很強的相關性，那麼中期目標才更容易實現。
5）T 代表有時限（Time-bound）
目標的時限性就是指目標是有時間限制的。比如我在運營公眾號 「一個數據人置留地」 時給自己定的目標是 「截止到 2021 年 12 月 31 日創作並發布12篇文章」，這裡的 2021 年 12 月 31 日就是確定的時間限制。
2.2 建模型
2.2.1 PLC模型
產品生命周期（Product Life Cycle），簡稱 PLC，指產品的市場壽命，即一種產品從開始進入市場到被市場淘汰的整個過程。產品的生命周期有探索期、成長期、成熟期、衰退期（如下圖）。
在產品不同的生命周期階段，各業務方側重點不同，關注的數據指標亦有所不同。
1）探索期
探索期的重點在於驗證產品的核心價值，是否能夠滿足市場需求並從中獲利。要做到：假設、驗證、迭代、執行。這個階段會著重關注目標用戶畫像、關鍵行為、留存率。下面以早期的土巴兔為例（如下圖）。
根據上圖對土巴兔業務流程的梳理，以及對土巴兔的定位（為探索期），因此當前主要關注點是打磨服務能力，了解用戶群體的需求與產品服務的匹配度，重點關注的指標如下：
目標用戶畫像：性別、年齡、學歷、地域、職業。
關鍵行為：圖文發表量、瀏覽人數、傳播量、使用量。
質量：文章轉化率、完成率。
2）成長期
經過了打磨產品的探索期，產品有了較好的留存率，這時候產品開始進入用戶增長期。處於成長期時，需要將注意力放在用戶的整個生命周期的前半段上，即提高留存、用戶激活、自傳播。
3）成熟期
隨著市場趨於飽和，用戶的增速放緩，逐漸趨於穩定，關注的核心指標應該是用戶活躍度，同時關注商業化轉化路徑。實際上如果市場本身是增量市場，可以考慮通過獲客，把一個成熟期的產品做出一個不一樣的增長曲線。
4）衰退期
新產品或替代品出現，用戶轉向其他產品，導致原產品用戶量迅速下降，從而使原來的銷售額和利潤迅速下降，於是產品就進入衰退期了。處於衰退階段，需要重點關注用戶流失和維繫。
2.2.2 OSM模型
OSM 模型（Objective，Strategy，Measurement）是指標體系建設過程中輔助確定核心的重要方法，包含業務目標、業務策略、業務度量，是指標內容橫向的思考。
1）業務目標
主要從用戶視角和業務視角確定目標，原則是切實可行、易理解、可幹預、正向有益。
用戶使用產品的目標是什麼？
產品滿足了用戶的什麼需求？
公司/業務/產品等存在的目的是什麼？
2）業務策略
為了達成上述目標採取的策略。換句話說，用戶在什麼時候感受到訴求被滿足？
3）業務度量
這些策略隨之帶來的數據指標變化有哪些？是否有效滿足了用戶的訴求，達成了業務目標。
以 PMCAFF 為例，按照 OSM 模型，它的指標是什麼樣？
1）業務目標
用戶來使用 PMCAFF 這個產品，目標是什麼？
需要涉及兩類用戶：內容生產者和內容消費者，接下來簡單介紹內容生產者的分析思路。
用戶需求：發布文章或分享觀點，建立行業影響力或者內容受到反饋。
那麼，如何讓用戶感受到自己的需求被滿足了呢？
2）業務策略
PMCAFF 做的策略是：鼓掌、評論、分享、認可、專欄作者、好問題。
3）業務度量
接下來，我們需要針對這些策略去做指標，在這裡我們的指標分別是結果指標和過程指標。
備註：
結果指標：用來反映某些業務產出或結果的指標項，通常是延後知道的，很難進行幹預。結果指標通常更多的是監控數據是否異常，或者是監控某個場景下用戶的需求是否被滿足。
過程指標：用戶在做某個操作的時候所產生的指標，可以通過某些策略來影響過程指標，從而影響結果指標。過程指標通常更加關注用戶的需求為什麼被滿足或沒有被滿足。
接著以上面的 PMCAFF 為例：
結果指標：發布文章數、發布文章的人數、文章鼓掌/評論數、被打賞金額、專欄作家人數、新增專欄作家人數等。
過程指標：使用內容導入人數、內容發布轉化率、文章互動率等。
指標選取之後，就是選擇分析維度了，而維度選擇層面主要是通過數據分析視角結合實際業務場景來確定。例如：用戶標籤維度、時間維度、渠道維度等。
2.2.3 指標分級
指標分級主要是將指標化解為不同層級並逐級分析。根據企業戰略、企業組織及業務進行自上而下的指標分級，對指標進行層層剖析，其中可結合 OSM 模型來確定指標。
1）一級指標：公司戰略層
用于衡量公司整體目標完成情況，與公司當前業務緊密結合，並對所有員工均有核心的指導意義。一級指標通常指引著公司的戰略層。
一級指標通常根據市場、產品生命周期、產品品類和商業模式確定，一個時間點只有一個最關鍵的指標（OMTM，One metric that matters）。
例如：小紅書的OMTM（北極星指標）如何演變？
2）二級指標：業務策略層
為達成戰略目標，公司會對其進一步拆解為業務線或事業群的核心指標。通常為了實現一級指標，企業會做出相應的策略，二級指標也會與這些策略有所關聯。
例如小紅書當前的一級指標是銷售額，那麼二級指標可以設定為不同品類商品的銷售額，分地區的銷售額等。這樣當一級指標出現問題的時候，我們可以快速定位問題所在。
3）三級指標：業務執行層
三級指標是將二級指標縱向展開，進行路徑拆解、漏鬥拆解、公式拆解。三級指標通常用於定位二級指標的問題，通常指導一線運營或分析人員開展工作。三級指標是業務中最多的指標。
路徑拆解需要對業務流程進行分析，例如：打開應用、瀏覽首頁、瀏覽商品詳情頁、加入購物車、提交訂單、訂單支付、支付成功。
運用公式拆解月活躍用戶，如下圖。
2.2.4 AARRR
AARRR 模型就是海盜模型，也是用戶分析的經典模型。它反映了增長貫穿於用戶生命周期的各個階段，即獲取（Acquisition）、活躍（Activation）、留存（Retention）、變現（Revenue）、自傳播（Referral）。
1）獲取
運營人員通過各種渠道進行推廣，以各種手段獲取目標用戶，評估各種營銷渠道效果，並不斷調整運營策略，以不斷降低獲客成本。
關鍵指標：曝光量、點擊、下載、安裝、激活、激活率、安裝率、註冊轉化率、留存率、付費率等。
2）活躍
活躍用戶指目標用戶開始使用產品。產品經理通過新手獎勵、產品引導等方式，來引導用戶使用產品核心功能。我們需要掌握用戶的行為數據，監控產品健康程度。
關鍵指標：新老用戶佔比、DAU/WAU/MAU、日均登錄次數、日均使用時長等。
3）留存
通常維護一個老用戶的成本要遠遠低於獲取一個新用戶的成本，所以不僅要拉新用戶，還需要關注用戶粘性，以及關注用戶在哪裡流失、為什麼流失。
關鍵指標：新用戶留存率、老用戶留存率、活躍用戶留存率、日周月留存率、流失率等
4）變現
主要用來衡量產品的商業價值，這也是商業的本質。
關鍵指標：ARPU、ARPPU、付費率（區分新老用戶）、客單價、LTV等。
5）自傳播
主要是基於產品、營銷、明星等事件的吸引力，從而使用戶自發地傳播。
關鍵指標：裂變係數等
3 埋點
數據採集，就是採集相應的數據，是數據流的起點，採集的對不對、全不全，直接決定數據的質量，影響後續的所有環節。那麼採集什麼樣的數據才算是質量高？這就需要提前規劃埋點。
3.1 什麼是埋點
埋點是（用戶行為）數據採集領域的術語。它的學名叫做事件追蹤（Event Tracking）。它主要是針對特定用戶行為或事件進行捕獲、處理和發生的相關技術及其實施過程，如用戶點擊某個按鈕的次數、閱讀某篇文章的時長等等。
埋點是一種常用的數據採集方法，它是為了滿足豐富的數據應用而做的用戶行為過程及結果記錄。埋點是數據採集的一種重要方法，並且是數據的起源，採集的數據常常用於分析產品的使用情況、用戶行為偏好等，於是延伸出用戶畫像、用戶推薦系統等數據產品。
3.2 埋點流程
業務部門根據業務提出需求，產品經理將需求整理為數據需求，並輸出數據需求文檔（DRD，Data Requirements Document）。接下來，產品經理就跟數據團隊進行需求評審，評審通過與否，會後都要給相關人員發送需求評審紀要郵件。
評審通過之後，產品經理需要跟開發工程師確定開發時間，並發送排期郵件。開發完成後，測試工程師、數據分析師、產品經理需要驗證是否完整且準確，並提交驗收報告。功能上線後，產品經理或開發工程師需要發送上線郵件。如下圖。
3.3 如何埋點
怎麼埋呢？從業務角度出發，劃分五個角度：
Who：對行為的發起者進行標識，一般使用帳號或設備號進行標識。帳號是常用的方式，通過身份證號、手機號、帳號 ID 等信息區分用戶；設備號多用於不需要登錄的產品，通過設備的編碼來區分用戶。
When：記錄行為是什麼時候發生的，一般使用伺服器時間，即 Unix 時間戳記錄行為發生時間。它是全球統一時間，不受地區的幹擾。
Where：記錄行為發生的地點，一般通過 GPS 進行定位，或者通過設備 IP 判斷用戶位置。
What：指用戶行為的具體內容是什麼，比如用戶閱讀一本書，那麼購買的書名是什麼？價格是多少？哪個出版社出版等信息。
How：行為是怎麼發生的，一般包含在行為名稱中，如提交某訂單，也有若干行為是可以通過多種方式完成，如解鎖iPhone，可以輸入密碼解鎖，也可以刷臉解鎖，無論使用哪種方式都是一種可以記錄的信息。
3.4 案例：瀏覽APP首頁行為埋點
針對瀏覽某電商 APP 首頁行為，從五個角度分析，分為特有指標和公共指標兩類，如下圖。
3.5 案例：支付訂單行為埋點
針對支付訂單行為，從五個角度分析，分為特有指標和公共指標兩類，如下圖。
4 數據分析
4.1 什麼是數據分析
數據分析是指用適當的統計、分析方法對收集來的大量數據進行分析，提取有用信息和形成結論，並對數據加以詳細研究和概括總結的過程。簡單地說，就是對數據進行分析。
數據分析的目的是把隱藏在一些看似雜亂無章的數據背後的信息挖掘出來，提煉出目標對象的內在規律。對於企業來說，數據分析的本質在於創造商業價值，驅動企業業務增長。
4.2 數據分析方法
我們以一個電商網站為例，用數據產品對該網站進行數據採集，然後使用常見的數據分析方法分析，如漏鬥分析、留存分析、時間分析、用戶畫像、渠道分析、分布分析等分析方法。
4.2.1 漏鬥分析
漏鬥分析能夠科學反映用戶行為狀態，以及從起點到終點各業務流程的用戶轉化率情況，是一種重要的流程式數據分析模型。漏鬥分析模型已經廣泛應用於用戶行為分析中，例如渠道質量評估、產品銷售等日常數據運營與數據分析工作中。
比如：對於電商產品來說，最終目的是讓用戶購買商品，但整個流程的轉化率由每一步的轉化率綜合而定。這時，我們就可以通過漏鬥分析模型進行監測。如下圖所示，我們可以觀察用戶在每一個層級上的轉化率，尋找轉化路徑的薄弱點，優化產品，提升用戶體驗，最終提升整體的轉化率。
4.2.2 留存分析
留存分析是一種用來分析用戶參與情況/活躍程度的分析模型，即由初期的新用戶轉化為活躍用戶、忠誠用戶的過程。隨著統計數字的變化，相關人員可看到不同階段的用戶變化情況，從而判斷產品對用戶的粘性。
比如：對某電商平臺來說，用戶最近 30 日的 7 日留存率（如下圖），從圖中得知，用戶留存率較低。接下來，按照地區、年齡、行為等，將用戶分為不同的群體，觀察留存的區別，找到產品可優化點。
4.2.3 事件分析
事件分析用來研究某事件的發生對企業的影響以及影響的程度。通常來說，事件分析包括事件定義與選擇、下鑽分析、結果等環節。
事件，是一個用戶在某個時間點、某個地方、以某種方式完成了某個具體的事情。它的關鍵因素是Who、When、Where、What、How。
比如：運營人員發現過去 30 日支付成功次數波動較大（如下圖）。這是企業可以先定義事件，通過篩選條件配送方式為 「自營」，再從其他多個維度細分下鑽，如 「商品ID」、「訂單金額」、「是否使用優惠券」 等。當進行細分篩選時，異常數據無處遁形。
以上是三種常用的數據分析方法，在不同行業中，它們常常以不同的樣式展示出來，當我們面對不同的問題時，需要清楚地知道哪個或哪幾個方法最為有效，需要結合具體場景靈活運用，沒有最好的分析方法只有最適合的。