本文章是通過學習GrowingIO所發布的《指標體系與數據采集》方案的一些知識總結，具體方案的詳情可以去GrowingIO官網上查看

一、科學規劃指標體系

1、指標規劃階段常見問題
數據指標體系建立的第一步，就是要做好數據指標體系的規劃，如若不規劃則開展，很難實現“數據驅動增長”的快速落地
① 難以快速定位問題原因：因為缺少體系化的數據指標監控，更關注結果性數據，很多過程性數據往往被忽略。結果會導致業務結果異常時無法定位具體原因
② 前期數據未采全，后期反復
③ 上下目標沒有對齊：實現沒有進行數據指標體系規劃，導致戰略目標、業務目標到具體業務線目標沒有對齊
④ 監控、分析數據解讀沒有治理：具體表現為表多、數多、數據亂、報表看不懂
2、規劃數據指標體系的三種方法
① OSM模型（業務目標Object–業務策略Stategy–業務度量Measure）

案例說明： 提升APP搜索場景的過程轉化率，基于OSM建立起一套數據監控指標體系

指標衡量的是什么：
==目標選定O
a、用戶視角，用戶可以使用搜索功能高效的找到自己心儀的住宿產品
b、業務視角，通過提高搜索成功率，進而提升客戶的下單轉化率
注意： 目標選取的原則（DUMB）
切實可行-易于理解-可干預可管理-正向的有益的
==為了提高這個轉化率，對應需要采取的策略S
a、返回與用戶搜索只相匹配的結果
b、提供有效的搜索結果排序
c、當搜索無結果或結果不足時，做有效的推薦
如何有效衡量“什么”：
==選擇合適的OSM度量值
KPI1，搜索到詳情頁的轉化率，可以設置為Target是X%，在這一步，用戶同個搜索得出想要的結果，才會點擊產品的詳情頁
KPI2，詳情頁到下單的轉化率，Target也是X%，在這一步，用品看到心儀的詳情頁介紹，才可能實現最終的下單轉化
==注意結果性指標和過程性指標
==如何衡量指標的好壞
基于內部的歷史數據和行業的benchmark，原則是內部具有一定的挑戰性，但又不是遙不可及的目標

==如何改善結果性指標的表現
優化過程性指標便可以改善結果性指標的表現，即關注漏斗的轉化

基于上面的分析，基于OSM搭建出的數據監控指標提下如下：

② UJM模型（User Journey Map,用戶旅程地圖）

案例說明： 以店商產品UJM為例，UJM的過程就包括：拆解用戶所處的每一個旅程階段、了解每個階段中用戶的行為、明確每個階段中產品的目標、發現各階段中產品與用戶的接觸點、最終從接觸點里找到產品的痛點和機會點

總結： 通過梳理UJM，可以使得我們定的業務目標能夠滿足用戶的實際需求，我們的策略能夠回答業務問題，達成用戶旅程與業務目標項目耦合、相互影響的效果
OSM與UJM的結合：
OSM模型會讓我們思考不同階段的目標是什么，哪些業務承載這些目標
UJM模型則能讓業務部門明確如何將目標、策略與業務快速耦合在一起，最終形成一個清晰、明確的數據采集體系
案例說明：

③ 場景化
場景化是為了實現在龐大的OSM模型和UJM模型之下，能夠模塊化、結構化地快速切入落地指標體系，快速推動指標體系的落地，將兩個模型拆解后的模塊匹配至各個場景，整個指標體系可以從一個非常大 的戰略目標進行層層拆解至一個個執行人員可落地的場景中
GrowingIO的實踐通用場景畫像： 基于不同的場景、對應到不同的用戶旅程中，來滿足不同部門從拉新到轉化最終提升客單價等環節、不同層級的需求

案例說明： 基于上面的店商案例，進行應用場景賦能

舉例說明： 第一個目標提升用戶基數，對應的用戶旅程階段是需要用戶從不同渠道、平臺了解產品，所以需要對應的就是“找到最優渠道”這一場景，或者考慮是否有線下活動可以導入私域流量，如果有線下活動的渠道，還需要融入“線下導私域流量”的場景

3、指標體系分級
三級指標體系：
一級指標： 能夠衡量業績的核心指標，能夠衡量戰略目標、業務達成情況，一般數量控制在5-8個，需要從公司和用戶兩個角度出發去選取
二級指標： 對一級指標路徑分析拆解，是流程中的指標，一般一級指標發生變化時，結合歷史經驗，能夠通過二級指標快速定位問題原因所在
三級指標： 針對二級指標的路徑拆解，通常以子流程或個體的方式定義、三級指標能夠直接指引一線運營的決策

增長指標、活躍指標和變現指標
增長指標：新用戶的注冊量
活躍指標：DAU、也就是登錄用戶數
變現指標：用戶從注冊到下單，所完成的訂單額或營業額

案例說明： 營銷活動指標體系搭建方案
“活動迭代數據管理”場景存在活動場景范圍內的UJM模型，從引流、承接、滲透、瀏覽、意向再到最后發生轉化。每一個小的用戶生命旅程中，每個階段都有對應的小目標，每個目標對應關鍵指標，進而進行指標拆解，實現“ OSM模型 + UJM模型 + 場景化 + 指標體系分級 ”

對應指標體系拆解：

二、高效進行數據采集

1、數據采集階段常見問題
① 前期溝通業務不明確
② 采集時機口徑對不齊
③ 采集點沒有統一管理
④ 版本更新
2、數據采集方式
埋點和無埋點： 柢固則生長，根深則視，做好數據采集是做好數據驅動的根

客戶端埋點和服務端埋點： 客戶端埋點適用于用戶界面行為的上報，服務端埋點適用于業務操作的上報

3、埋點的團隊協作流程

4、埋點方案四要素
四要素： 確認事件與變量、明確事件的觸發時機、規范命名、明確優先級
① 確認事件與變量
事件： 指產品中的操作，也繼你想分析的關鍵指標
變量： 指描述事件的屬性
在確認事件與變量時，可以按照產品流程（用戶旅程）來設計關鍵事件，如果想要進一步描述時間屬性，那么可以將屬性作為事件的變量‘

案例： 追蹤店商的轉化路徑，四個產品操作布置：瀏覽商品詳情頁、加入購物車、結算、支付成功。這四個指標分類代表四個事件；如果要想要進一步監控不同品類、不同商品的購買轉化率，就需要用品類和商品的維度去拆解關鍵指標，那么“品類”和“商品”就是這四個事件的變量
舉例：【加入購物車】這個事件+商品ID以及品類這些變量，就能從商品、品類這些維度分析【加入購物車】這個行為

② 明確事件的觸發時機
事件的觸發時機影響著數據的準確性，要使用最貼近業務的統計口徑，同時產品中可能會有多個入口均可【加入購物車】，要確認觸發入口是否已經列舉完整。

如上個例子中【加入購物車】的行為觸發時機和觸發入口

③ 規范命名
對事件進行規范統一的命名，有助于提高數據的實用性及數據管理效率，總的原則就是要確保內部對埋點的命名有統一的認知，使用同一套命名規則
命名方式：【動詞+名稱】或者【名詞+動詞】
比如：【加入購物車】事件，可以命名為“addToCart”
④ 明確優先級
埋點技術實現成本以及資源有限性，對埋點事件賦予優先級排布

案例： 以【核心購買轉化】的場景為例，梳理出對應的需求文檔

5、數據校驗
校驗重點：
① 是否被正常觸發
② 觸發的時機是否正確
③ 是否與埋點方案保持一致

三、正確管理數據指標

1、指標管理階段常見問題
① 指標命名模糊不清晰
② 指標未做描述和解釋
③ 指標未做分級和歸類
④ 指標未做日常維護和清理
為解決上述的問題，可以從以下四個方面進行指標管理：指標命名、指標字典、指標分類、指標清理
2、指標命名
指標由事件和事件的度量構成，對于指標的命名主要在于命名一個事件的名稱
數據管理方式：
①提供一套規范的命名規則，并定時查閱命名是否規范，來保證指標命名的清晰程度和更高的指標使用率
②由數據部門提供數據定義的能力，為業務端提供相關數據指標

3、指標字典
指標不做定義解釋，就會出現理解偏差的風險。通過指標字典清晰描述事件的觸發規則和典型應用場景

4、指標分類
可以將指標按照級別或者類型分類，一方面能夠在分析問題、使用指標時，能夠快速找到可能要使用到的指標；另一方面，在定義新的指標時，便于去查找是否已存在指標，避免指標冗余

5、指標清理
指標清理注重指標的長期維護，業務發生變化后，部分指標需要定期清除，尤其是無埋點指標。無埋點指標適合用于探索場景，不適合進行長期監控。對于一些確定沒有未來使用場景的指標也可以進行及時清除

總結

以上是生活随笔為你收集整理的数据产品-指标体系与数据采集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。