商业分析.核心数据指标

什么是好的数据指标
找出正确数据指标的方法
移动的目标-战略调整
数据分析的灵魂：测试
第一关键指标

“如果你不能衡量，那么你就不能有效增长” —-现代管理学之父彼得·德鲁克
**
什么是数据指标？在商业行为中，我们经常会使用一些数据值来衡量产品与业务的发展的状况。我们把这些数据值称为数据指标。

数据指标的意义是什么？分析业务发展阶段、获取在宏观市场环境中的地位、数据驱动运营发展、指导策略与战略调整优化。

常见的互联网数据指标有哪些？在互联网行业中，我们经常听到用户量、活跃用户量、使用率、GMV、订单量等常用的数据指标。这些指标被用来刻画我们当前的产品或者商业行为进展的程度，从而指导我们在策略与运营上，甚至公司战略上进行调整。

什么是好的数据指标

好的数据指标，通常而言有以下四个特征：一：比较性的。比较某数据指标在不容时间段、用户群体、竞争产品之间的表现。二：简单易懂的。能够让人容易记住并且易于讨论和理解。三：是一个比率。这是一个很常用的评判标准，可操作性强。四：会**改变行为**。这是最重要的评判标准，随着指标的变化，你是否会采取相应的举措。

为什么一个好的数据指标大多数都是比率呢？一：比率的可操作性强，是行动的向导。以开车为例，里程智能的透露了距离的信息，而速度才具有可操作性。因为速度告诉你是否需要调整以确保按时抵达。二：比率是天生的比较性指标。可以将当前速度与前一刻的速度进行比较，从而确知你是加速还是减速。工作中，我们经常用环比和同比这样的数值来表达数据在一个周期上的变化程度。三：比率还适用于比较各种因素间的正相关和负相关。因为比率是由分子除以分母得到的，所以得到的是这两个数值的相关性。

学会根据数据确定一条做与不做的准绳，对规范你的分析工作大有裨益。一个好的数据指标之所以能够改变商业行为，是因为它与你的目标是一致的：保留用户，鼓励口碑转播，有效获取新用户，或者创造营收。但是这往往不容易确定。

两个Bad Case:
汽车4S店：如果你去4S店购买汽车，销售人员一定会告诉你他们会有一个电话回访购车体验，评分从低到高的1-5分。接着他会花费大量的口舌和你说希望你能够在回访的时候给予他一个高分评价，他会允诺赠送你一些保养券之类的东西。这种评分机制就是一个不合理的指标，因为他并没有直接促使汽车销售员为客户提供优质的服务，反而浪费很多口舌在说服客户给予他好评，这与设计评分机制的初衷 – 提高服务质量 – 背道而驰。
APP用户数：互联网发展竞争期间，很多APP都在抢市场抢地盘，其最重要的一个手段就是抢用户，很多企业甚至花钱邀请用户注册，而注册用户数这个指标在当时就是闪着金字的招牌，谁的用户数多谁就是第一，甚至公司内部各部分PK的就是拉新用户，看注册数。这是一种严重不合理的数据指标。注册用户不代表是你的目标或转化用户，并不能够给你的产品带来价值。很多用户仅仅是受到前期的刺激进行了注册，但是后期并没有使用或者购买企业的产品或服务。

找出正确数据指标的方法

定性指标与定量指标

定义：
定量数据是指那些我们可以跟踪和衡量的数字。比如体育比赛的比分和电影的评分。
定性数据是主观的、不精确的、难以量化。
定量数据回答的是“是什么”和“是多少”这样的问题，定性数据回答的是“为什么”。
定量数据排斥主观因素；定性数据吸纳主观因素。

实际应用：在项目或产品发展初期，一般通过访谈、提问、查找资料等手段收集定性数据。在此过程中你需要保持客观，公正，不带有诱导性等原则。定性数据可以帮助你探索和研究，突破你固定的思维。在中后期我们就需要定量数据进行科学性的衡量。定量数据能够直观的给出项目与产品的进度、市场进展力度等科学指标。

为什么这么说呢？刚开始产品自身压根没有数据，只能进行定性分析；慢慢的随着用户量的新增，市场的扩大，有一定数据量了，就需要定量分析来支持我们定性分析的结论。

虚荣指标与可付诸行动的指标

合理的数据指标可以揭示信息，指明方向，帮助你改进商业模式，决策下一步的行动。如果一个数据指标无法改变企业的行为，那么你就不是在用数据驱动决策！一个非常关键的点在于：你是在根据收集到的数据在行动！

虚荣指标：比如“总注册用户数”就是一个虚荣指标，这个数字只会随着时间增长。它不能传达有关用户行为的信息，不能告知你有多少真正的价值用户。很多人仅仅是注册一下，就再也没有使用或者购买过你的产品。

可付诸行动的指标：比如活跃用户占比（活跃用户/总用户数）。这个指标揭示了产品的用户参与度。当产品作出调整时，这个指标也会相应地变化，反之亦然。

虚荣指标就像人的虚荣心一样，是给别人看的，高大上但自身状态究竟如何反应不出来；我们真正需要的是：“打一拳”，市场可以反弹回有价值的信息，通过分析，再进一步修正我们的战术，进入良性的循环之中。

探索性与报告性指标

探索性指标：推测性，需要进行实验和深入挖掘等一系列探索之后才可获得的指标。
报告性指标：对已有的事实进行描述和验证，事先都能够清晰的了解需要哪些指标。

康纳德数据分析理论：
我们知道我们知道的：是可能并不为真的事实，须经由数据的检验。
我们知道我们不知道的：是可通过调研解答的问题，可使之成为我们的行为基准并流程化。
我们不知道我们知道的：是直觉，需要我们评估并训练以提高其效能及效率。
我们不知道我们不知道的：是探索，蕴含着我们自身独特的优势，能带来有趣的顿悟。

这四个层次，从上到下，越来越难。成年人的认知大多都已固定，在大多数情况下，我们会认为我们知道某些东西，进而依此去做出某些决策，然而是真懂还是假懂，有待验证。因此，做人要包容一些，谦卑一些。

妈妈圈成功之路：“朋友圈”这个产品依托Facebook平台，它允许你将Facebook好友分类到不同的圈子，以便进行指定圈子的分享。它们视“用户增长”为首要使命，但是很快一个问题就出现了：只有很少的用户在真正的使用这个产品。通过深入的探索分析发现：有一个用户群体在其它群体活跃度较低的情况下，撑起了整个产品的用户参与度 – 这就是妈妈群体。于是2008年，团队完全调整了产品中心，作出了关键转型，他们在Facebook发布了“妈妈圈”的社交产品。起初，各项数据都所有下降，因为他们丢掉了参与度不高的用户。但是很快，他们的活跃用户占比数据就不断攀升，因为保留下来的都是参与度较高的“妈妈”用户。
总结：“朋友圈”出现在正确的时间（FaceBook刚启动开放平台）和正确的地点（FaceBook站内应用），只是找错了市场；通过分析用户行为模式和理想行为的分布，发觉高活跃度用户的共同点，找到与自身相匹配的市场；找准目标后，不遗余力聚焦，直至更改产品名称。
数据分析启示：“妈妈圈”成功的关键在于：深入挖掘数据，寻找有意义的用户行为模式。麦克发现了一个“他不知道自己不知道”的事实，这促使他进行了大胆的转型。看起来这似乎是一个赌博，但一切都是基于数据调研的基础之上；想要让社区产品极速启动就需要相当高的用户参与度。不温不火的用户没办法让你的产品直冲云霄；更好的做法是：在一个更小的、更容易触及的目标市场中培养更多具有黏性的高活跃度用户。病毒式传播需要专注。

不要试图让所有用户都喜欢上你的产品，聚焦到一部分高付费用户就好。

先见性与后见性指标

先见性数据指标可以用来预测未来。透过“漏斗模型”（看下图，左边是站在公司角度，右边是站在顾客角度）中现有的潜在客户数，能大致预测将来所能获得的新客户数。如果目前潜在客户数比较少，那么未来很大概率也不会增加新客户数。因此眼前可以努力增加潜在客户数。

后见性数据指标可以揭示问题所在。“用户流失”就是一个非常重要的后见性数据指标，它揭示了你当前产品存在问题导致用户流失。行业内一般会做出“流失召回”与“流失预警”。从实际效果来看，“流失召回”的效果并不太好， “流失预警”一般都是事后措施，亡羊补牢。

电话投诉量：以30天为期限来跟踪用户投诉量，或者跟踪每日接到的客服电话数，这两个指标都可以作为用户流失的先见性指标。投诉量增多，用户就越可能弃用产品。

账号注销和产品退货：这是一个比较滞后的后见性指标，他们能精确地反映问题所在，但是用户已经离开。

销售业绩：季度订单量与新增潜在客户。季度订单量对销售团队来说就是一个后见性指标，但是新增潜在客户是一个先见性指标，它能帮助你提前预测未来的销售业绩。

后见性与先见性指标取决于具体场景：某一团队的后见性指标有时是另一团队的先见性指标。例如，季度订单量对财务来说就是一个指示营收预期的先见性指标（因为客户还没支付合同）。

先见性指标，可以根据已有的信息做出对未来的某种推断或预测。就像”以小见大“，“未来事情发生的征兆”；后见性指标，是已经发生的事实，属于是后知后觉，大多数情况下为时已晚。就如歌词中写的那样：“后来我总算学会了如何去爱，可惜你早已远去消失在人海”。

移动的目标-战略调整

项目或产品初期选定的目标往往是尝试性的，我们一般摸着石头过河。我们追逐的是一个移动的、可调整的目标，因为初期我们无法定义真正的有效性。
只要我们实事求是，了解调整对企业的影响，而不是无视事实，我们就可以调整目标和关键数据指标。
早期产品面世会接受用户的测试，我们会发现用户对产品的真实用法会和我们的假设大相径庭。这时及时调整我们观察的指标或目标是明智之举。

这个很容易理解，一个人在人生的不同阶段，生活重心与目标都会有所不同。一个产品在不同阶段也应该采取不同的战略。当下这个时代，一切都在快速运转之中，我们立足于客观事实，不断自我迭代，坚守本心即可。

数据分析的灵魂：测试

什么是A/B测试

测试的常见方法有三种：市场细分、同期群分析、A/B测试。

市场细分( market segmentation) 就是指企业按照某种标准将市场上的顾客划分成若干个顾客群，每一个顾客群构成一个子市场，不同子市场之间，需求存在着明显的差别。市场细分是选择目标市场的基础工作。市场营销在企业的活动包括细分一个市场并把它作为公司的目标市场，设计正确的产品、服务、价格、促销和分销系统“组合”，从而满足细分市场内顾客的需要和欲望。市场细分是市场营销学中重要的研究方法之一，简单来说就是找到一群拥有某种共同特征的人。比如说来自同一地区，家庭拥有孩子，都喜欢使用IPHONE手机等。通过市场细分可以精准识别目标群体，从而有针对性的进行数据分析以及策略制定。

为什么需要市场细分？最终目的是为了找到我们的目标客户（通常情况下我们不会将所有用户都视为目标客户），这是企业战略定位的第一步。通过目标客户的规模及分布等，以确定我们是服务于大众市场，单一细分市场，多元细分市场（比如泸州老窖同时提供低端、中端、高端白酒），还是私人订制市场（To B, To C, To G 这种根据主体划分的另说）。在市场细分中，我们用的最多的算法就是聚类算法。有了猜测，通过数据支撑一下。

什么是A/B测试？同期群分析是纵向试验，因为数据是沿着客户群体的自然生命周期收集的。A/B测试是横向研究，在同一时间段对不同被试验群体提供不同的体验。A/B测试是假设其它条件不变，仅考虑体验中的某一个属性对被试用户的影响。

A/B测试的软肋在于当你没有足够多的流量来支撑时，你很难只试验单一的因素，你需要综合考察多种因素。这个时候，多变量分析就派上用场了。多变量分析是同时对多个属性进行测试，其原理为，用统计学方法剥离出单个影响因子与结果中某一项指标提升的相关性。

A/B测试步骤

A/B测试是针对最关注的变化，通过实验组和控制组进行一个直接的对比。

获取某一个页面或者APP，然后对它进行修改形成第二个页面，这个修改可以是某个小功能，也可以是整个页面。然后进行用户流量的分配，比如说一半一半，观察用户群体的反馈数据。

A/B测试结果的举例。

A/B测试的六个步骤。

A/B测试的五个阶段。注意：我们页面或产品的优化是一直进行的，而A/B测试是一种可以帮助我们做决定的方法。

参考链接：链接一，链接二，链接三，链接四，链接五，链接六，链接七。（其中链接一，五，七强烈要求阅读）

上面这些A/B测试的截图就来自链接一。

链接五将A/B测试通过一个实际案例进行了解释，并穿插了假设检验的知识，注意下面这个说法：

链接七是知乎上的一个高赞回答，放两张图看一下：

精益数据分析周期

精益数据分析的核心在于如何找到一个有意义的指标，然后通过试验改善它，直到令人满意；之后，转而解决下一个问题，步入下一阶段。整个生命周期如图所示：

思考题：找出并写下你当前的项目或产品中遵循并每天回顾的三到五个关键数据，回答以下问题：

哪些是好的数据指标？
哪些指标帮助你进行商业决策，又有哪些是虚荣指标？
你能剔除那些不能为你带来任何价值的指标吗？
是否存在你尚未想到但可能更有意义的指标？划掉那些不好的指标，并把新发现的指标加到你的列表里。

第一关键指标

什么是第一关键指标

第一关键指标OMTM（One Metric That Matters），有时候也叫“北极星指标”。第一关键指标可以确保你保持专注，专注不等于目光短浅，而是在指定的时间和范围内专注于一个核心的指标；第一关键指标就是一个在当前阶段高于一切、需要你集中全部注意力的数字；可以捕捉多种跟业务有关的数据，存储以备日后之需，但是只关注最重要的那些指标。

Moz公司：该公司的主要业务是帮助企业监控和提升其网站在搜索引擎中的排名。Moz的首席执行官兰德介绍说他们的企业关注客户从免费试用转化为付费或流失的相关指标。Moz是一家数据驱动决策的公司，他们会在墙上挂超大屏幕用来实时显示付费客户数量及试用用户数量。对于一个不断扩大规模的公司来说，它能够处理多件事物的能力也在扩大，保持对单一指标的专注变得更有挑战性。但即使如此，Moz公司还是有一个指标高于其他指标：净增加（总的新付费客户减去退订客户数）。虽然Moz也会关注其它指标，如总付费客户数、昨日新增免费试用数，以及七日平均净增加。所有这些最终都归结为每日平均净增加。他们解释道：“作为一个公司，你不可能同时影响几十个KPI，‘太多的数据’会适得其反。你会迷失在并不十分重要的奇怪数据趋势当中。很多时间还可能被浪费在报告和沟通一些并不触发行动的数据上。通过将每日KPI控制到几个很少的指标，我们能够更清晰地认识到公司的专注点在哪里，以及做得好不好”。
总结结论：Moz是一家指标驱动的公司，但这并不意味着它被海量数据所淹没。他们专注于唯一一个高于一切的指标：净增加；Moz的一位投资人甚至建议减少所跟踪的指标数量以保持足够的大局观。
数据分析启示：同时跟踪很多指标很了不起，却也是让你失去专注度的不归路。让整个公司拧成一股绳，朝着同一个方向使劲的最好方法是：在足以验证商业假设的前提下，选择尽可能少的指标作为日常跟踪的对象。

第一关键性指标的标准与理由

四大理由：它回答了现阶段最重要的问题。你需要尽快确定项目中风险最大的方面，这就是最重要的问题所在。当你明确了正确的问题，也就知道了跟踪什么样的指标才能解答这个问题。它促使你得出初始基线并建立清晰的目标。在找到想要集中精力解决的关键问题后，你需要为之设定目标，并定义何为成功。它关注的是整个公司层面的健康。OMTM能凝聚整个公司。把OMTM突出地显示在数据统计工具的首页、公司墙上的大屏幕和日常邮件中。它鼓励一种实验文化。关键在于快速且高频率地开展开发->测量->认知循环，而要点又在于高度提倡试验精神。即使试验失败，它也是你快速学习和试错的过程。

定义关键指标的6个标准：
标准1：你的产品的核心价值是什么？这种指标可以让你知道你的用户体验到了这种价值吗？
标准2：这个指标能够反映用户的活跃程度吗？
标准3：如果这个指标变好了，是不是能说明整个公司在朝着好的方向发展？
标准4：这个指标是不是很容易被整个团队理解和沟通呢？
标准5：这个指标是一个先验性指标还是一个滞后指标？
标准6：这个指标是不是一个可操作的指标？（根据该指标的升降可以采取一定措施）

Solare Ristorante是一家意大利餐馆，餐厅经理兰迪把数据驱动的思维引入餐馆经营中。他把数字“24”（人力成本占营业收入的百分比）作为关键的商业指标。他解释道，“这是餐饮业的一个很出名的数字。它非常有用，因为它结合了两个你有所掌控的东西：用餐者人均消费和人力成本。每天，员工们都会告诉我前一天人工成本占毛收入的比例。”兰迪还介绍，如果人力成本超过了毛收入的30％，就说明餐厅运营得不好，因为这意味着你可能在人工上投入过多，或者顾客人均消费太低。一家米其林星级餐馆之所以雇得起更多的员工，支付得起更高的工资，就是因为它的红酒售价昂贵且人均消费很高。相反，一家低利润的休闲餐厅必须压低员工成本。
为什么指标“24”（人力成本占营收的比重）有效？因为它简单，即时，可行动，可比较，根本性，易于理解。

兰迪还使用一个次级指标预测顾客量：每天下午5点的预定量。这个指标可以让餐厅预测出晚间用餐桌数量。因为根据以往的数据经验，晚间用餐桌数与5点预定量的比例为5：1。对于Solare来说，下午5点的预约量加之一点经验，即可作为当晚生意状况的一个很好的先见性指标。而且，它使Solare团队能做出及时的调整，比如增减当班人数或购进更多食材，以应对当晚的客流量。
总结：实践的经验让餐馆管理者知道需求量与预约量是挂钩的，以及人工成本对于营收的最佳比值是多少；好的指标能帮助你预测未来，也使你能预见问题并予以修正。

定义初始成功基准

定义：是指在已经选定的数据指标基础之上，选择一个明确的数值来刻画成功，并以此为目标。比如，你确定“每周新客户数”为当前首要指标，因为你正在进行有关如何获取新客户的实验。它很合理，但并没有真正回答：“你每周需要引入多少新客户？”或者更确切地：“你认为每周从每个渠道获取多少新客户才算是成功，才能使你愿意对此投入更多，进入该过程的下一阶段？”

意义：明确的数值可以在你产品或项目试验后给出明确的指导提示。是成功还是失败了？成功了多少或者距离成功还有多大的距离。成功基准可以确保你有精准的数值来衡量你产品试验的结果。

方法：从商业模式的角度去考虑，商业模式告诉我们某一指标必须达到多少时该生意才有利可图；思考何为正常值或理想值，了解一个行业的基准意味着你知道可能会发生的情形，并且可就实际情况与之比较。在没有其他信息的情况下，这是一个不错的起点。

为什么需要定义一个基准？市场的反馈需要可量化，我们要拿个尺子量一量，离目标线还差多少，要怎么去做才能提高。举一个生活中的例子：很多人希望自己变成有钱人，可有多少钱才算是有钱呢？100万，500万，还是1000万呢？有了一个准绳，自己手头的钱还差多少，就可以想办法采取措施了。就方法而言：如果市场已经成熟，完全可以参考同行业公司的商业模式，如果市场是空白的，那只能是摸着石头过河了。

思考题：

能确定你目前参与的项目或产品的OMTM吗？
有没有可能让整个公司或项目组都只为提高这一个指标而奋斗？这么做会有什么突破？你能否构想出初始成功基线？如果暂时不能，那么首要是确认OMTM及其当前的市场环境中合理值的水平。