搭建数据指标体系,掌握这三个流程最管用!
关注并将「人人都是产品经理」设为 ★ 星标
每天早上更新,与你一起成长
本篇文章从业务流、管理流、数据流三方面为我们详细阐述了如何搭建数据指标体系,为我们提供了实际工作中的实用干货。接下来让我们一起学习如何利用数据体系指导业务实现吧!
一提到数据指标体系,很多人喜欢背诵AARRR、RFM一类。可真到工作中,会经常发现很难满足业务需要。比如前几天就有同学提问:用户流失该如何搭建指标体系?
起因是:某公司定义了用户流失率指标是“连续三个月不消费”,可业务看到这个指标却很懵:
知道了用户流失率是30%,所以呢?能干什么?
知道了用户流失要召回,可召回划算吗,值不值得干?
为啥一定要等到用户流失了才干活?不能早干点事吗?
因此,想让数据部门帮忙建立一个用户流失指标体系,全面反映问题,辅助业务决策。
那该怎么办呢?
想要搭建一个业务用得起来的指标体系,需要考虑三个流程:业务流、管理流、数据流,下边一个个看一下。
梳理业务流
梳理业务流,即搞清楚业务上需要分几步达成目标。有些业务流程是很清晰的,比如销售流程,就是一个大转化漏斗;比如客服流程,根据客户需要,分类处理问题。业务流程是数据指标的基础(如下图):
在本文流失分析场景中,面临的第一个挑战是:业务流程不清晰。业务方自己也不知道可以干啥,此时肯定不知道该看哪些指标。
对用户流失而言,常见的措施有:
事前预防:当用户出现投诉/退货,及时安抚
事前预防:当用户消费一个月比一个月少,及时激励
事前预防:当用户1个月/2个月未消费(此时尚未达流失标准)进行刺激
事后补救:利用优惠活动/新品上市/爆款产品等进行召回,尝试重新激活
可以先列出清单,然后让业务选:希望从哪个方向下手。注意!业务方很有可能说:“我们不了解情况,暂时选不出来”。那么下一步,可以先把这几种情况对应的数据捞出来,让业务方看清楚大局再行动:
梳理管理流
梳理管理流,即搞清楚管理层到底希望业务想做成啥效果。注意!即使业务流程很清晰,业务的目标也有可能是多元化的。
比如销售流程,有可能有好几种考核方法:
只考核销售额
销售额+毛利
销售额+毛利+回款
销售额+特定产品销量
不同考核方式,决定了指标体系的主指标不同,当然会影响考察哪些子指标。因此搞清楚管理层意图很重要。
在本文流失分析场景中,面临的第二个挑战是:业务方也不明确到底要做成啥样。所以才会发问:“到底值不值得做”“到底该不该做”。
此时,可以做一些辅助工作:
这些用户流失前的贡献有多大 → 理论上流失前贡献越大,越应该召回
这些用户处于流失状态多久 → 理论上流失状态越短,越容易召回
这些用户有没有自然回流的迹象→ 理论上有回流迹象,越容易召回
可以先把数据梳理出来,让业务方看一看找找感觉,这样容易定出目标了。
帮业务方定一下目标是很重要的。因为不同难度的目标,意味着采取的手段不一样,软绵绵的业务手段也不会起到效果。比如召回流失用户,如果就孤零零地发条短信,啥好处都不给,那用户愿意傻乎乎回来消费就见鬼了。
此时业务让你“深入分析下,为啥召回没用”,有啥好分析的!作为用户,你看到一条短信就乐呵乐呵地给企业送银子呀!换你你也不会。
如果前期实在定不下来目标,可以预留一段时间做观察期。比如留仨月时间,留一笔预算,测试一下不同召回手段的效果,了解下在一定预算支持下,能实现的效果是啥。这样有了测试数据支持,后边再落实目标就容易了。
梳理数据流
梳理数据流,即明确业务的目标是否已量化记录,业务的操作流程是否已量化记录。这一步是确保前两步梳理的内容,能落地成数据表报,而不是悬在空中。考察的是数据采集的功夫。
比如销售流程,传统企业的最大问题就是数字化能力不行,除了最后一步的签约合同,之前啥过程数据都没有,这不就歇菜了,还建啥指标体系,指导啥业务工作呀。
回到用户流失的例子,除了流失用户人数这个孤零零指标外,上述两步梳理的内容,最好都有记录(如下图):
注意!数据指标体系不止有指标,标签也很重要:
流失前用户消费:高消费、中消费、低消费
流失前用户偏好:品类偏好/优惠偏好
流失前用户状态:有投诉、无投诉
对召回行为的响应:有响应、无响应
召回用户素材:优惠类、新品类、换季类
召回用户优惠力度:高、中、低
这些都需要打好标签,才能方便后续的深入分析。当需要解释:“为什么召回效果不好?““为什么流失增多”这些问题时,直接利用标签对比,就能得出初步答案,从而极大提高数据指标体系的可用性。
理想的效果
理想状态下,一个好的数据指标体系,可以指导业务实现工作闭环,用通俗的话说,是:我想干什么→我要针对谁干→我要怎么干→我干成了没有,全流程都有数据监控。这样在数据的指导下,业务方不断具体到用户流失案例,整个指标体系如下图运作:
这样就不是一个孤零零“流失率35%”的指标,而是可以按图索骥,找到解决问题的思路,追踪效果,可以说能实现用数据驱动业务了。
题图来自 Pexels ,基于 CC0 协议
微信扫码关注该文公众号作者