由于目前網上關于數據體系相關的知識較少,本文嘗試從筆者從事過的產品設計與用戶運營經驗中,結合自己對數據分析的理解,從0開始搭建一個完整的數據體系,從頂至底拆分,將分析模塊的不同功能抽象整合成各個子體系,力求梳理清楚其中的脈絡關系,全文共分為6部分,以平臺型電商為例子,一步步從框架設計拆解到具體的指標設計,可視化設計:
1.基礎概念
2.指標體系
3.分析體系
4.報告體系
5.報表體系
6.產品體系
本文是第二篇“指標體系”,閱讀本文需要前置知識作為鋪墊,如果沒有請先閱讀前文“數據體系搭建(一)—“基礎知識”
先給定指標體系的構成:
指標體系=數據主題+場景專題+指標量化
1.什么是指標體系?
百度百科:評價指標體系是指由表征評價對象各方面特性及其相互聯系的多個指標,所構成的具有內在結構的有機整體。
簡單來說,就是將統計指標系統性地組織起來,指標體系是由體系與指標兩部分組成的。
體系是數據主題+場景專題組成的:
數據主題:渠道、產品、用戶、營銷、商品、營收、服務、市場等
場景專題:用戶規模、用戶質量、健康度等;
指標則是依照著數據主題/場景專題進行抽象量化出來的:
用戶指標:用戶數、次數、人均次數、時長、點擊率、滲透率、留存率等
指標是指標體系的磚塊,而數據主題是樓層規劃圖,決定要建幾層高,場景專題是室內規劃圖,每一層里面需要幾廳幾室幾衛,只有先規劃好樓高,并依照著室內規劃圖,才能將一堆毫無組織的磚頭搭建成規整的,四平八穩的,有主題有內在邏輯關系的大樓。
2.如何搭建指標體系?
指標體系是一個不斷體驗、熟悉產品,分析業務然后進行量化修正的過程,需要明確產品在各個階段的關注重點,并且考慮不同角色的關注偏向,然后按照下方四個步驟來設計指標:
其中第1步跟第2步,是在整個指標體系,甚至整個數據體系的基礎框架,需要在前期就制定好大致的內容與方向,后期只是在既定的基礎上進行新增與調整,不會大幅變動,所以這兩步非常重要。第3、4步主要是對前面定義的場景專題進行抽象,并設計指標進行量化的過程,在這個過程中,需要不斷評估指標是否已經完整地描述了所要抽象的業務場景(場景專題),如果不完備,則需要繼續設計補充,直到有足夠的指標能夠很好反映出該業務場景(場景專題)的各種變動情況。
下面從平臺型電商的八大主題:渠道、產品、用戶、營銷、商品、營收、服務、市場,來簡單介紹下“如何進行指標量化”
渠道主題
渠道的定義會比較寬泛,并不是只有應用市場,應用商店這種才屬于渠道,只要能夠有穩定的客流,能持續吸引來用戶進入產品的客源入口都可以稱為渠道,由此我們得知,渠道的存在目的是為了給產品導入流量,而我們導流都是花了真金白銀的,自然我們會希望花出去的錢能夠看到效果,以便我們能隨時調整投放的比例。
所以我們需要對導入的用戶進行監控并分析,判斷渠道帶來的用戶的特性是如何?以及哪些用戶質量比較好,哪些用戶質量比較差?以這些數據可以對渠道進行評價。
那么我們需要監控的內容就包括:
數據主題 | 場景專題 | 指標量化 |
---|---|---|
渠道 | 用戶規模 | 總用戶數、新增用戶數、注冊轉化率 |
用戶質量 | 瀏覽量、注冊用戶數、留存用戶數、流失用戶數、留存率、活躍率、流失率、在線時長、瀏覽深度、一次會員用戶數 | |
用戶價值 | 購買用戶數、復購用戶數、購買轉化率、復購轉化率、客單價、購買頻率 | |
產品主題
產品是用戶產生交互與交易這些行為的場所,所以我們需要從場所本身來監控,也就是產品自身的使用情況,包括產品各個功能的使用率,使用體驗,產品主路徑的轉化情況,不同頻道的商品分發情況等
數據主題 | 場景專題 | 指標量化 |
---|---|---|
產品 | 技術監測 | 啟動耗時、crash率、頁面加載速度、支付成功率、掉單率 |
注冊體驗 | 下載成功率、安裝成功率、驗證碼接受成功率,驗證轉化率,注冊轉化率 | |
主路徑轉化情況 | 注冊轉化率、商詳轉化率、下單轉化率、支付轉化率、支付時長、加入購物車用戶數、加入購物車次數、加入購物車商品數、下單筆數、下單金額、下單用戶數、支付金額、支付用戶數、支付商品數 | |
功能使用情況 | 使用率、平均停留時長、跳出率 | |
頻道分發效率 | 點擊率、瀏覽人數、瀏覽次數、下單人數、支付人數、首單完成時長 | |
用戶主題
用戶是一個產品能否存活的根本所在,所以用戶這個主題中,需要深入地去挖掘用戶的信息,監控用戶的日常變動情況,運用各種分層模型,以盡可能多,可能細的維度,對用戶進行刻畫。從用戶注冊到流失的每個階段,每個周期,都需要有詳細的指標在監控著,只有對用戶有詳盡的了解,再配合上對應的運營工具,才能對對用戶進行分層分群的精細化運營,設計對應的運營策略,以達到做大用戶盤子、促進用戶成長、延長用戶生命周期、最大化用戶生命周期價值的目的。
用戶主題的指標量化也有不少現有的模型可以參考,如AARRR海盜模型、RFM模型、生命周期模型等,都可以拆分出對應的指標來監控與分析。
數據主題 | 場景專題 | 指標量化 |
---|---|---|
用戶 | 用戶規模與結構 | 留存用戶數、活躍用戶數、付費用戶數等 |
用戶質量 | 瀏覽量、注冊用戶數、留存用戶數、流失用戶數、留存率、活躍率、流失率、在線時長、瀏覽深度、消費頻率、最近一次消費時間、復購率、退貨率、用戶忠誠指數、用戶流失指數、用戶價值指數、用戶生命周期價值(LTV) | |
用戶健康度 | 新增用戶數、新增付費用戶數、首購率、復購率、新增付費用戶的活躍留存率、付費用戶的活躍留存率、付費用戶的付費留存率、新增留存率、每周活躍天數/次數、每月活躍天數/次數等 | |
用戶流動情況 | 新生用戶數、首購用戶數、復購用戶數、活躍用戶數、忠誠用戶數、沉睡用戶數、沉默用戶數、休眠用戶數、流失用戶數,流入用戶、流出用戶數等 | |
用戶畫像與標簽 | 基礎數據:id、姓名、生日、年齡、星座、職業、地址、婚否等;行為數據:點擊商品數、收藏商品數、下單商品數;興趣數據:性別偏好、品牌偏好、品類偏好、自營偏好、尺碼偏好、顏色偏好、購買力水平、長期興趣、短期興趣、實時興趣等 | |
會員健康度 | 注冊會員數、活躍會員數、會員活躍率、會員復購率、會員平均購買次數、會員復購率、會員留存率 | |
傳播效率 | K因子、傳播周期、用戶分享率、分享打開率 | |
用戶流動情況是衡量歷史到當前用戶貢獻的收益(生命周期價值是整個周期,包括未來),以及每天的價值流動、變化情況,它是精細化運營的前提,不同價值的用戶采取不同策略使其流動以最大化效果。
營銷主題
營銷是指在基本的市場商品交換行為上,輔以各種有助于銷售的思維與行為,因為營銷的范疇有點大,包括市場營銷、活動營銷、網絡營銷等,限于篇幅,在這邊先狹義地理解成各種促銷活動,如拼團、秒殺、滿減等,這些都是電商常用的一些營銷手段,目的是為了在一段時間內,快速促進商品的銷售,所以我們需要監控營銷活動中,用戶的行為狀態與交易狀態,以便能清晰準確地的掌握促銷活動的效果,為下次活動做好經驗沉淀。
數據主題 | 場景專題 | 指標量化 |
---|---|---|
營銷 | 活動規模 | 觸達用戶數、點擊用戶數、參與用戶數、 |
活動效果 | 客單價、支付訂單數、支付件數、支付金額、連帶率、ROI、新用戶數支付訂單/金額、老用戶支付訂單/金額 | |
用戶流動情況 | 新增用戶數、首購用戶數、復購用戶數、活躍用戶數、忠誠用戶數、沉默用戶數、沉睡用戶數、休眠用戶數、流失用戶數、流入數、流出數 | |
活動持續影響力 | 回頭瀏覽數、回頭購買數、留存率 | |
商品主題
商品的整個生命周期第一步是招商的工作人員負責吸引供應商入駐,需要有一套對供應商的嚴格篩選標準, 能直接決定商品的檔次、品質和貨源的穩定性等因素(平臺型無)。
第二步是商品的選擇,呈現給用戶的得是有質量的好商品,包括商品的款式、質量、性價比等指標。細節的地方我們會涉及到商品的圖片及文案,每個細節對商品的轉化率都有比較大的影響,因為用戶是否下單是有很多因素的,我們把可控的因素做到最好,那就可以比較好的提高轉化率。
第三部是商品的銷售環節,我們怎么通過數據挑出好賣的貨給到我們的用戶的呢?
最后商品賣出去后我們的售后怎么樣、我們的發貨速度怎么樣,也是直接影響用戶的體驗,可以說商品的每個環節都直接決定我們產品給用戶的價值。
電商平臺的用戶,進入產品的核心需求是購物,所有為了滿足用戶的需求,在商品這個主題下,也需要對商品的整個銷售周期(進銷存)進行監控,包括售前的商品總數、庫存、上架數,售中識別商品的優勢,商品銷售過程是否健康,哪些暢銷?哪些滯銷了?以便運營人員可以及時發現并做出調整,售后的退貨率,投訴率,滿意度等。
數據主題 | 場景專題 | 指標量化 |
---|---|---|
商品 | 商品規模 | SKU數、SPU數、上架SKU數、上架SPU數、品牌數、在線品牌數等 |
商品/品類熱度 | 曝光量、瀏覽量、訪客數、加購次數、下單次數、支付次數、爆款率、售罄率、動銷率、轉化率等 | |
商品健康度 | 首次上架商品數、動銷率、動銷商品數、首購率、復購率、流量來源、退貨率、投訴率、連帶率、折扣率等 | |
商品畫像與標簽 | 跑量款、高利潤款、熱銷款、設計款、大眾款、四季款、爆款、旺款、平款、滯銷款 | |
價格帶規模 | 訪問用戶數,訪問次數、支付件數、支付金額 | |
商品的規模主要是從廣度、寬度、深度三方面來描述,采購廣度是商品品類,越充足的品類越能滿足消費者的消費,采購寬度是SKU占比,代表商品供選擇的豐富程度,采購深度是平均每個SKU的商品數量。
營收主題
營收主題是所有主題中跟錢最直接相關的,主要從全平臺的角度,對成本與收益等方面內容進行衡量,以便了解整個平臺的流水情況
數據主題 | 場景專題 | 指標量化 |
---|---|---|
交易規模 | 總支付訂單數、總支付金額、曝光人數、瀏覽人數、加購人數、下單人數、支付人數 | |
成本指標 | 銷售毛利、毛利率、獲客成本、用戶生命周期價值 | |
交易狀態 | 交易成功/失敗訂單數、交易成功/失敗金額、交易成功/失敗用戶數、交易成功/失敗用戶數、退款總訂單量、退款金額、退款率 | |
服務主題
服務主題在整個業務過程中并沒有明確的劃分界限,而是分布在整個業務流程中,當用戶注冊時需要進行風控監測,用戶購買時咨詢客服,用戶下單時需要檢測支付風險,賬號風險,以后售后相關的服務等等
數據主題 | 場景專題 | 指標量化 |
---|---|---|
服務 | 售后規模 | 申請退款訂單數、申請退款人數、成功退款訂單數、成功退款人數、成功退款金額等 |
風險控制 | 退款率、發起投訴(申訴)數、投訴率、撤銷投訴(申訴)數等 | |
從用戶進入頁面的的那一刻起,注冊、登陸、領券、瀏覽、購物、倉配、評價到售后,每一個環節每一個步驟都進行統計。當某一個環節出現數據暴增等異常,就可以第一時間進行預警,控制風險的蔓延,并防止次生風險的發生。
市場主題
市場類的數據一般比較難獲得,來源渠道也比較多且雜,數據噪音會比較大,一般只是作為參考,但也有另外,如果你是開發平臺類產品的話,平臺上的商戶足夠多,這些商戶匯總的一些統計性指標是可以當成一個市場類的參考值作為分析與監控的,如所有商戶的均值可以作為基準來對比用戶的新增、留存;交易的規模;商品的售賣情況等等。
數據主題 | 場景專題 | 指標量化 |
---|---|---|
市場 | 市場份額 | 市場占有率、市場擴大率、用戶滲透率、用戶份額等 |
市場基準比較 | 市場的留存率均值、新增用戶均值、流失率均值、客單價均值、銷售額均值、成交人數均值、成交份數均值、商品周轉率均值等 | |
3、指標體系的合理性檢驗
指標體系的搭建必須用以下四個準則來檢驗合理性:
1.完備性:通過指標體系能夠對產品的經營狀況一目了然;如產品現在增速如何?現狀是否健康等?
2.系統性:通過指標體系能夠粗略定位到數據波動的原因;如活動用戶下降,通過指標體系能夠拆解到大概原因。
3.可執行性:指標體系是可量化并實現的;
4.可解釋性:所有指標的統計邏輯都是可解釋的,容易被用戶理解的。