数据分析指标体系
01数据分析指标体系的组成
数据指标的三要素
- 指标意义：怎么用大白话说出来这个指标，它的目的是什么
- 统计时间：指标具有时间性，需要明确是什么时间段的数据
- 计算规则：是比例还是总数，是谁比谁还是谁加谁
数据指标的组成
-
主指标：主指标也叫核心KPI，是用来评价成果最直接的指标。例如判断一个产品卖的好不好，第一个想到的就是销售额是多少。
- 注意主指标有可能需要多个，这样才能做综合评价。比如产品卖的好，光看金额还不够，可能还要看毛利率，这才是真正赚到的钱。可能还得看销售数量，因为销售数量和库存直接挂钩，得防止积压太多。这样就至少有了三个主指标：销售金额、库存量、利润率。
-
子指标：子指标是由上一级指标拆解得到的，是为了达成主指标而需要实现的一个更细的目标。
-
如果主指标没有达标，例如本月销售金额没有达标，是购买用户少了，还是产品单价太低了，这个时候如果想要知道原因，就得提前拆分主指标得到子指标。
-
A、通过组成成分
- 例如销售额指标，销售额 = 购买人数 * 客单价，购买人数 = 用户数 * 付费率
-
B、通过过程拆分
- 例如付费用户数量指标，产品通过网站、公众号、简书知乎来的，那就先有产品曝光量，然后带来的是注册用户转化率，再是付费用户转化率。
-
-
-
过程指标
示例：一个电商产品的指标
产品利润
-
销售额
-
用户数
- 不同城市
- 不同年龄层
- VIP等级
-
付费率
-
客单价
-
-
销售成本
- 产品成本
- 营销成本
- 人力成本
02强化指标体系
增加分类维度：有可能一件事是很多人、在很长时间内完成的。想知道总销售金额是怎么构成的，每个地区、每个团队分别完成多少，可以增加分类维度。通过分类维度，把主指标切成若干块，这样能避免平均数陷阱，把整体和局部一起看清楚。分类维度要结合实际情况。
- 例如产品型分类：饮料，零食。。。或地区型分类：华东或华北
增加判断标准：什么算“好”是一个非常关键的问题。
-
1、目标达成：
核心KPI都有一个目标，达成和没达成就是最终判断的标准 -
2、历史同期对比：
假设产品每年的走势都是差不多，那只要比去年同期表现好就算达标 -
3、竞品分析对比：
以竞争对手为参考指标，比竞品好或者比行业平均表现好就是达标
03从业务角度设计
如何使用指标体系
-
先看主指标+判断标准
- 比如主指标是：销售金额，先看本月是否达标了，没达标差多少达标。再看年累计达标没有，有多少亏空/盈余。这样很容易看清楚：知道问题是什么，有多大。
-
再看分类维度
- 哪些区域没有做好，哪些区域做的好，是勉强完成还是持续上涨。谁有能力，谁是拖后腿的一目了然。
-
再看子指标、过程指标
- 哪个环节没做好，是推广太少了，还是成本太高了，是用户太少了还是付费率太低了。
常见问题
-
1、指标选取没有实际指导意义
虚荣指标是没有意义的指标，往往它会很好看，能够粉饰运营和产品的工作绩效，但我们要避免使用。- 新媒体都追求微信公众号阅读数，如果靠阅读数做广告，那么阅读数有意义，如果是靠图文卖商品，那么更应该关注转化率和商品销量，毕竟一个夸张的标题就能带来很高的阅读量，此时的阅读量是虚荣指标。
- 产品在应用商店有几十万的曝光量，有意义吗？没有，我需要的是实际下载。下载了意义大吗？也不大，我希望用户注册成功。曝光量和下载量都是虚荣指标，只是虚荣程度不一样。
-
2、没有判断标准
指标体系不是堆积指标，是需要通过指标来分析产品的好坏。一个指标不是只要涨了就是好，跌了就是坏。