指标体系分级
三级指标体系
- 一级指标
一级指标必须是全公司认可的，衡量业绩的核心指标，可以直接指引公司战略，本质上需要管理层和上下级员工双向理解，认同，易于沟通传达
选择一级指标时，数量控制在5-8个最为合适，需要从公司和用户两个角度出发，与商业结果和公司战略目标深度结合，比如 GMV=用户数 * 转化率 * 客单价 、订单数量、 日活数
- 二级指标
二级指标一般是针对一级指标进行路径拆解，是流程宗的指标，当一级指标发生变化时，通过查看二级指标，结合一定经验，快速定位问题所在。
- 三级指标
三级指标是对二级指标的路径拆解，通常以子流程或个体的方式定义，通过三级指标，可以高效定位二级指标波动原因。
以下例子与一二三级质保对应
- 增长指标:新用户注册量
- 活跃指标：DAU，也就是登录用户数
- 变现指标：用户从注册到下单，所完成订单额或营业额
| 增长指标 | 活跃度指标 | 变现指标 |
|---|---|---|
| 新注册用户数量 新企业数量 |
登陆用户量(日活) | 营业额 客单量 |
| 分渠道访问量 访问用户量 注册流转化量 分渠道新访问量 访问用户量 活动拉新 注册流转化量 注册流程转化率 |
登陆平均用户量 公司整体活跃度 整体留存度 核心功能使用频次 |
分客户规模新签数量 分客户规模续约数量 分规模客单分行业新签数量价/金额 分行业续约数量/金额 分行业客单价 |
| 访问时长 每次会话浏览页面数 跳出率 渠道留存率 注册流流失用户量 新注册用户活跃度 新注册用户留存度 |
核心流程转化率 核心转化步骤流失率 新手任务完成率 新手任务完成耗时 用户生命周期 生命周期时长 用户流失率 |
MRR 客户生命周期价值 销售效率 毛利率 利润率 |
引流->承接->渗透->浏览-> 意向->转化
数据采集
埋点
埋点，也称打点，借助埋点（写代码来采集数据，在需要检测用户行为数据的地方加一段代码，称之为Capture模式，通过在客户端/服务端埋下确定的点，采集相关数据到云端，最终在云端呈现。
经过埋点的数据非常准确，稳定性搞，适合做监控和分析，对于非探索式分析来说是一个非常行之有效的方法，且埋点可以添加较多的业务属性，方便业务拆解和下钻分析。
埋点的劣势
- 埋点需要跨团队协作
- 埋点不能回溯历史数据
- 往往由于埋点数量有限，许多用户行为数据可能缺失，影响数据分析效率。
- 最终导致没有埋上点，埋点数据宜昌，埋点上线业务已经下线等。
埋点适用场景：监控与分析式数据场景
- 数据稳定准确，反应真是业务场景
- 需要长期监控，数据需要长期存储
- 业务属性丰富，可以做深度业务分析
- 监控和兴KPI，指标需要少而精
- 需要设置数据权限，数据可及性弱
客户端埋点与服务端埋点区别
无埋点
无埋点，不是真正的不需要写代码，而是前端自动采集全部时间并上报所有数据，并通过“圈选”来获取需要使用的时间，区别在于用机器代替人的经验。
- 从原子数据出发，控制数据源头，从业务角度划分五种维度。
WHO: 行为背后的人，具有哪些属性
WHEN： 什么时候触发这个行为
WHERE：城市地区浏览器GPS等，浏览器指纹
WHAT： 内容
HOW : 怎样完成的
无埋点适用场景：探索式数据场景
- 业务属性弱，交互属性强
- 需求及时性强，要快速落地得出结论
- 数据使用周期短，不需要长期监控
- 非核心数据，数据可及性强
数据指标的管理
指标管理
- 指标命名
- 指标字典
- 指标分级
- 指标清理
指标命名
指标由时间和事件度量构成，需要保证事件清晰程度和更高的指标使用率，保证指标名具有较高辨识度，可以采用名词和动词组合方式命名。
指标字典
相当于是对指标含义与作用的一个解释说明
指标分类
业务场景有分级和分类，对应指标也会有分级分类，常见分析方式有核心KPI、部门KPI、个人KPI，或者一级核心指标，二级拆解指标等，指标归类按照场景可以分为拉新、激活、活跃、变现、推荐等场景。
指标清理
指标清理更注重长期维护，业务发生变化后，部分指标建议清理，尤其无埋点指标。