干貨|如何構建數據運營指標體系

在運營工作中,我們接觸到不同種類的數據指標,這些指標往往都是已經設定好的,我們只需要根據指標推動業務發展。那么,我們如何分辨這些數據指標是否科學呢?這些數據指標體系是否符合業務發展需要呢?

平時工作中我們接觸的指標有多少呢?依據平臺性質不同以及運營重點需要,我們獎常用的數據指標分為四類:電商指標、app指標、用戶指標和金融類指標,這四類指標分別列舉重點需要關注的指標明細以及對應的統計口徑:

電商指標

APP指標

用戶指標

金融指標(信貸)

這些指標已經非常多了,基本上列舉出來的都是核心指標,當然這些核心指標會有一些遺漏,大家有要補充的歡迎留言。

我們的工作需要量化,在更廣的角度來審視運營工作的效率,在這么多指標之中,怎么樣才能系統、全局的制定我們的數據指標體系呢?

互聯網發展到現在,有很多工具能夠幫助我們從不同維度分析數據:百度統計、百度指數、Google?Analytics、友盟、ASO100、GROWINGIO、微指數等等,工具很多,但是我們依然沒有頭緒搭建指標體系,因為缺少方法論,今天就分享3個數據模型來幫助我們搭建運營數據指標體系。

以網站為維度來衡量指標的PULSE

以用戶為中心衡量指標的HEART

以目標為導向衡量指標的GSM

PULSE模型介紹以及優劣分析:

Page view:頁面瀏覽量

Uptime:響應時間

Latency:延遲

Seven days active user:7天活躍用戶數

Earning:收益

PULSE模型是用來衡量用戶體驗非常重要的指標,也經常被用來度量產品的整體表現。如果一款產品響應時間為10秒,我想大部分用戶會放棄這款產品;如果一款產品7天活躍用戶數僅剩下1%,那么產品經理一定已經上天臺了;如果一款產品有很好的流量卻沒沒有辦法變現,那么老板一定會帶上小姨子跑路。

PULSE模型的優點

1.能夠評估產品架構對于用戶體驗的影響

2.直觀、具象的體現產品流程設計對于用戶體驗的影響;

3.通過用戶和瀏覽數據衡量產品的體驗;

PULSE模型的缺點和優點一樣明顯

1.維度單一,僅從頁面瀏覽量和7天活躍用戶來評估產品,很難判斷數據的上升或者下降是由某一個原因導致的;

2.從用戶的留存來說,7天已經滿足不了現在的運營需求,次日留存率,月留存率都需要納入評估的范圍之內;用戶來源,用戶中新用戶、老用戶占比,活躍用戶、流失用戶占比等;

HEART模型介紹

Happiness:愉悅度

Engagement:參與度

Adoption:接受度

Retention:留存率

Task success:任務完成度

HEART是“以用戶為中心度量的HEART指標體系,以及把產品目標與創建指標體系相互關聯的過程”

愉悅度:交互設計給用戶帶來體驗的滿意程度,包括可用性、易用性、推薦意愿、視覺感受度等;

參與度:用戶參與互動的程度,比方說訪問頻率、訪問深度、頁面停留時間、產生UGC的數量,日活躍度、周活躍度、月活躍度;

接受度:用戶在一定周期內參與產品核心功能的使用,比如電商網站的購買、微信發消息發朋友圈、支付寶轉賬付款、游戲充值、新聞評論等等,接受度是以一定時間范圍來看的;

留存率:顧名思義就是用戶的次日留存率、周留存率、月留存率,這個要結合參與度和接受度綜合來評估;

任務完成度:任務完成效率和效果,比如從開始注冊到最后注冊完成的比例和時間,游戲新手任務的完成率和完成時長,用戶填寫產品反饋、上報錯誤信息等等;

GSM模型介紹

Goal:目標

Signal:信號

Metric:指標

GSM是以目標為結果,通過對目標的設定來倒推過程,精準設定指標體系的一種量化研究方法。

目標:在運營過程中,我們要明確達成的目標,比如用戶運營的目標是提升活躍用戶,類目運營的目標是提升GMV,產品設計的目標是提升用戶的體驗,保險offer活動的目的是讓用戶主動填寫聯系信息;目標的設定要跨部門溝通,和招商、設計、研發部門一起確定目標,如果不?那你的結果肯定不僅僅是上天臺;

信號:即為了達成目標,用戶可能會產生哪些體現成功和失敗的行為,選取那些明顯且敏感的信號,往往預示著失敗的行為會比預示成功的行為更容易獲得;

指標:選取指標,相對值比絕對值更具有意義,比如比例、百分率或者每個用戶的平均值,關鍵指標不在乎多,而在于精準,避免重復,核心指標才是要關注的,非核心指標可以不納入觀察范圍;

HEART模型在工作中的運用

在電商產品中的應用

在金融類產品的應用

其實可以看出按照HEART模型,很重要的還款和催收等貸后管理數據沒法體現出來。

GSM模型在工作中的運用

電商產品中的運用

產品運營中的運用

微信運營中的運用

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,619評論 6 539
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,155評論 3 425
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事?!?“怎么了?”我有些...
    開封第一講書人閱讀 177,635評論 0 382
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,539評論 1 316
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,255評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,646評論 1 326
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,655評論 3 444
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,838評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,399評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,146評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,338評論 1 372
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,893評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,565評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,983評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,257評論 1 292
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,059評論 3 397
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,296評論 2 376

推薦閱讀更多精彩內容