原文链接:https://mp.weixin.qq.com/s/XUckm17cTr8-0AFoAJYeYQ

image.png
指标体系一般基于某种引导或管理的目的建立,用于全面地衡量和监测某人或某事在某个被关注的角度的表现情况。在B端产品或策略指标的搭建中,我们往往会先对相关现状进行了解,并从实际从事相关工作的用户那里获取信息,然后再根据实际管理的需要,建立一个有指导性的指标体系。这个指标体系运行一段时间后,我们可以再根据大家的反馈,进行进一步的调整。

如果指标的制定者本身对现状非常了解,或者指标并不复杂,那么是可以由管理者直接敲定一套指标,然后通过数据监测,及用户主动反馈的情况进行校正。而当指标的复杂性比较大时,通过访谈、问卷等用户研究方法,来获得更全面、深入的对现状的理解,并在此基础上搭建指标并校验调整,则是一种更全面、有效,风险更小的方式。

在本次房源管理指标的搭建中,我们即是借鉴了类似的思路。接下来,笔者将具体梳理这个案例,总结出一套可复用的,B端指标体系的搭建方法。本文将主要分为以下几个部分:

  • 如何确定指标的定位
  • 如何收集可用的指标
  • 如何给指标分层
  • 基于指标的应用

如何确定指标的定位

从业务场景出发,明确指标的用途;与现有的其他指标对比,回答有什么不同——这两点有助于我们更好地为指标体系定位。

1.从业务场景出发,明确指标用途

以房源维护项目为例:2019年底,B端房源运营组从数据上发现,当前房源管理的状态是两头紧,头部房源和尾部房源占比少,大部分房源处于粗放管理状态。这导致的结果是房源看上去很多,但实际可卖的房源不多,头部的房源被快速去化后,没有足够的可卖房源被加工上来,所谓“优秀房源”的标准也可能被放低。

image.png
图1 交互模式与UI组件的关系

而经纪人为什么缺少自发加工中间房源的动力呢?通过调研,我们发现:

1)经纪人对“哪些房源更值得被维护”的理解各不相同,可能没有找对维护收益高的房子。

2)部分经纪人不清楚哪些维护动作是有效的。这里的“有效”体现在更好地把控业主,和更明确地提升了房源质量(如房源大数据打分提高等),最终指向实际的成交。

3)经纪人的更多精力放在了客户上,没有维护房源的习惯。

因此,我们要做的这套指标,是与成交挂钩的具体维护动作的指标体系,并且基于这个指标体系,我们能指导经纪人找到对应的房,做更有收益的维护动作。

当然,由于一部分动作还没有被线上化,我们在一开始难以测算维护动作和实际成交的关系。所以在第一阶段,将动作和用户感知到的成交挂钩,不失为一个替代方案。

看到这里,有同学可能会提出,我们不是已经有一些给房打分的指标体系了吗,为什么我们还要额外花成本再做一套呢?那么下一段,我们就来回答这个问题。

2.对比已有指标体系,找到不同点

我对指标体系的一个基本的理解,是指标要围绕业务目标建立。当要达成的目标不同时,我们可以在原有指标上修改,但不能被它限制。

以大数据打分指标为例,这个打分包含房的基本属性、房源热度、业主意愿、经纪人动作等维度。它主要是围绕“房”本身进行的,和房源维护动作的关联维度少,部分维度无法通过人力改变,如房源的基本属性(楼层、装修等),部分维度和动作的关联不直观,如“客源热度”不能直观联系到某个维护动作。

整体来说它更像是一种状态的描述。而我们期待的维护管理指标,最终是要落到可管理的经纪人动作上,是只要做了某些事,这个指标分数就能上升的指标。

从对业务场景的分析,和对已有指标的对比,我们可以更好地找到新指标的定位。这个定位在房源维护项目中,就是“以房源维护动作为基础,与成交挂钩”的指标,且这个指标的从管理的角度提出的,最后会被用到动作管理的策略中。

如何收集可用的指标

基于指标体系的定位,在收集这个环节要做的事情就非常清楚,其一是尽可能“全”地收集维护相关的动作;其二是尽可能“准”地圈定出成交相关的动作

对维护相关指标的收集可分为两步:一是总结线上已有的数据指标;二是获取线下实际作业和管理中使用的指标。

从现行的评价体系和业绩制度中,笔者首先找到了角色人动作、维护人动作、业主动作3个类别共15个动作指标。

有了这些指标素材后,我们还需要找线下专家来对指标进行补充和修改。这一步实施前还需要解决两个问题:其一是为什么要找线下用户来确认而不是直接通过线上数据来验证;其二是,如果要找线下用户,应该找谁。

首先,解答找用户确认的必要性。其一,线上数据不全。早期可能因为重要性和可行性的原因,一小部分指标没有被线上化,我们无法从线上定量评估它的重要性;其二,数据失真。我们从线上监测到的数据,可能有作弊嫌疑,从线下了解可能有更真实的反馈。

其次,应该找哪些用户来问的问题。从了解维护现状的角度,我们很容易想到询问维护动作的执行者(经纪人)和接受者(业主)。在业主方面,目前已有一些相关的基础调研。要对维护动作做细化,可以先询问经纪人。从经纪人的描述中,我们可以直观感受到被要求的维护动作实际执行中的水分,以及他们认为应该做的动作及原因。

通过对经纪人的预调研我们发现,经纪人实际做的维护动作很大程度上受到上级的管理,对于普通房源的维护动作维持在一个不被掉池(维护不好的房源会进入“共享池”)的状态,对于心中的优质房源则会做很多非常个性化的维系感情的动作,比如帮忙接送孩子、打扫房子等等。因此,除了维护动作的执行者,找到规则的制定者能够获得更直接的、有支撑依据的判断。

在对各层管理者的预调研中,我们发现大区总是管理方式的主要输出者,在加盟体系中,部分店东受到区域经理的指引,另一部分店东则是有一套自己的管理方式。因此,在实际的调研中我们进行了更体系化的信息收集,主要收集对象是大区总、区域经理、个别店东和经纪人。
image.png
图2 维护规则传达情况

通过线下调研,我们将原来的15个指标补充到了26个指标,补充的指标主要和经纪人多样化的线下推广动作(如组织空看)、业主的动作(如阅读销售周报)等有关。

除了增加指标的维度,我们也确定了不同维度对应的考察细项。整体原则是根据各种动作实际发生的频次确定时间跨度,如降价次数用“月”来衡量,电话或文字跟进用“周”来衡量。对于受基数影响大的,使用比例衡量,如房源陪看率等。收集完指标后,就是对指标进行分层了。

如何给指标分层

上文中提到,最终衡量指标重要性的标准是与成交的相关性,包括实际成交的情况和用户感知到的成交的情况。除此之外,还需要从管理的角度出发,结合当前的各类动作达成的难度,进行适当的调整。基于这三个思路,我们尝试对指标进行分层。

1. 根据用户感知中,不同指标与成交的关系来分层

1)将指标按照不同属性分成了三道题,减少用户认知负担;

2)选定一个预计选择比例会处于中间位置的指标作为锚点,在三题中限定相同比例的可选数量来进行横向对比;

3)采用限定可选的总数来替代排序。

image.png
图3 多选项排序题示例

通过这种方法,我们可以在用户负担比较小的情况下,获得所有指标的相对排序。结合定性访谈,我们可以了解用户做出判断的依据,哪些动作与成交最相关,以及哪些动作应该对所有房源做,哪些动作应该对优质的房源做。

总结后,首先可以删去定性和定量反馈中,表现均较差的指标(如业主阅读销售周报的次数等)。其次,我们可以根据哪些动作对重点房源做,将动作分为基础动作和升级动作。到这里,我们就已经获得了一个初步的指标框架。

2.根据动作指标与实际成交在数据上的相关性分层

得到初步的指标框架后,我们委托大数据部门,对实际的数据进行了测算。据了解,大致测算思路是,对已成交房源的各类指标数据和成交周期的相关性进行测算,基于相关性进行赋值并给出可运行的指标框架。

3.结合动作达成现状,调整动作权重

在前期,尤其是对于维护动作做得不好的城市,我们可能更倾向于给只要努力就能做到的基础动作更高的权重,来牵引大部分经纪人先做好基础维护。而后期,根据每个城市的房源维护动作达成的情况,我们可以再调整指标。

指标上线后,根据各层经纪人实际达成动作的情况,也可以看出指标本身达成的难易情况,进而验证分层结果。达成多的容易做到,少的不容易做到(如下图所示,低分人群达成动作1、动作7和动作14的比例最高,说明这三个动作是相对容易达成的)。基于数据结果可进行进一步调整。
image.png
图4 各层人群完成各动作的比例

同样,也可以就单个城市的各指标达成情况来调整,如在北京经纪人整体上都能把基础动作做完,那么我们可以调低基础动作的权重,甚至将某些动作改成减分项,进而牵引经纪人去做更多高阶的动作。

基于指标的应用
基于指标体系收集数据后,我们能够建立“线上获取执行数据,验证和优化规律——指导线下动作执行”的闭环。同时,它将是成为衡量房源维护质量和经纪人维护能力的基础工具。

当前,该指标体系已经很好地支持了原来设想的房源分层维护产品,经纪人能直观了解自己应该做什么来提升房源维护质量,管理层也因为有了这个指标而有了更明确的管理抓手。此外,所有和维护有关的产品或者运营策略,都可以在这个基础设施上进行构建。

总结
在建立房源维护指标体系过程中,使用的用户研究方法其实是比较基础的,不论是访谈、问卷等研究手段,还是描述性统计、相关分析等统计方法。整个调研的性质,也是较经典的先通过基础调研,对整体的经纪人行为进行描摹,再带着更明确的假设点,去验证我们的思路是否合理。

其中最主要的挑战点,还是在于最初怎么给指标体系定位,通过什么方式能更快而准地收集到想要的信息。在基础研究中,我们也是带有一些侧重点去获取信息的。就我个人而言,每一步调研实施之前,我都会尽量想清楚为什么做,以及有没有必要做。

对维护指标搭建中用研的工作进行抽象,即是①基于业务目标、对比类似指标确定新指标的定位,②找到关键角色,收集可用的指标,③通过主客观结合的方式给指标分层,④根据指标的性质给出一些应用的场景,在应用场景中迭代完善指标。最终形成从线下获取数据,形成数据洞察后再指导线下动作的闭环。

以上即是我对用研方法在B端指标搭建中的一些思考,希望能给大家带来一些输入。

- E N D -

有同理心,善于观察。
初入江湖,热衷体验知识的学习,不断升级中。
致力于推动用研发现在业务中的落地。

贝壳|体验背后的刻度尺——用研如何搭建指标体系 - 图6

作为贝壳第一个用研,经手了贝壳几乎所有核心业务,
正在经历和探索从消费互联网到产业互联网的转变,
致力于探索用研的边界,和推动用研技能普及。

贝壳|体验背后的刻度尺——用研如何搭建指标体系 - 图7
贝壳|体验背后的刻度尺——用研如何搭建指标体系 - 图8