案例背景

背景

图1. 某教育公司主页

某教育公司成立于1999年，早年发展线下职业教育，已做到一定规模，有一定的群众基础。近年，互联网教育火热，公司积极互联网转型。如今，已开设9个方向的大专业，覆盖如今互联网企业的多个热门 职业。其主打的大数据开发教育、Java教育、数据分析教育课程销售数量逐年上升，已经开始转亏为盈。

该公司的优秀增长效果得益于其完备的用户平台和高效的用户变现体系。该公司在转型初期，并不是简单的线上教育模式，而是教育社区+线上课程平台的模式。
通过教育社区吸引用户讨论职业问题，在有一定的职业知识信息积累之后。
通过SEO、用户分享讨论帖将对职业知识有需求的网民转化成社区的用户；
之后，通过社区内广告位、公众号推广、外投广告推广、外呼等方式来收集对课程有需求的潜在学员线索；
统一使用电话销售团队转化线索，让学员通过购买会员的方式开通课程平台的小课体验功能，实现第一步转化；
之后对有大课需求的会员，再做进一步的转化，让其购买平台内的综合大课，成为平台学员；
在学员学习过程中，其教研团队，产品开发团队也在不断打磨课程，优化产品。
通过多年的积累，平台已经积累了较高的口碑，转化的学员中，有近60%的学员表示愿意继续上该公司的其他课程或者进阶课程，有70%的学员愿意为他的同学或者朋友推荐公司的课程；
同时，营销团队还通过设计营销活动，让学员在各种节假日分享课程活动信息或者名师讲座来达到裂变传播的效果，整个自传播的学员已具一定规模，为公司的推广节省了很多费用。

企业遇到的问题：

日常看数困难，领导日常看到各团队反馈的数据多且杂乱，很难抓到业务重点，
而且存在每组数据不统一的情况，汇报的时候容易出现一个项目不同团队汇报出不同结果的情况；
问题归因困难，对于一些比如：销售反馈最近线索质量下降。这类的问题无法追溯问题原因；
转化路径梳理困难，由于转化涉及多个业务部门，没有统一的数据很难将用户的转化路径梳理出来

总计困难，数据缺乏系统性，代表性：数据框架梳理+业务框架梳理
缺乏统一的指标口径：指标口径梳理+统一指标口径
数据孤岛：数据打通，有可能是历史遗留问题，解决态度不要强硬，而且公司希望各个团队自由增长，可能跟企业文化有关，需要柔软。

人员配置：

数据分析主管：1名
数据分析师：1名
数据分析实习生：2名

确定目标

梳理公司架构：

为什么要梳理公司架构呢？？

1. 了解各个业务部门承担的工作
2. 了解各部门关心的主要指标

公司指标体系与各业务方指标体系介绍
分为事业线+技术线

主体服务：事业部门

事业部
渠道运营：拉新——》主要指标：渠道ROAS，线索量，新用户量（外部）
活动运营：促活，营收——》主要指标：营收，线索量，DAU
销售：销售——》主要指标：营收，退款
教研，教务团队：生产——》课程满意度，完课率

技术部
产品团队：产品设计——》产品设计好坏，DAU，留存，产品bug数
开发团队：功能开发，交媾开发——》产品发版，架构优化
数据团队：数据分析——》定性内容多，比较难量化

数据分析师：很忌讳遗漏
MECE：Mutually Exclusive 相互独立
Collectively Exhausted 完全穷尽
**

梳理各部门业务流：

为什么要梳理业务流？

1. 抓重点
2. 能让指标体系，更加有系统性
3. 能让指标体系，更有代表性（是不是业务方关心的指标）
4. 更有利于理解公司业务
5. 因为要细致
6. 让平面的指标体系具体化

方法：梳理团队+核心程度
梳理团队协作方式

最核心的团队，是销售团队，向钱看，谁离钱近
向前看来源：谁为销售提供线索——线索，渠道/运营
向后看去向：赚了钱，谁花，流向了哪里

对销售核心部门来说
渠道运营：负责外部的线索——》销售
站外广告：广告位广告（APP开屏广告）/信息流广告（抖音，微博，百度手机版）/公众号软广告（微信公众号，知乎软广）/搜索引擎广告（SEM搜索引擎广告位）
站外线索
外采线索：线索商，直接线索转卖

活动运营：负责内部线索——》销售
站内广告：
社群运营等

销售转化：打电话

教务团队：
学习服务
学员推荐
教研团队：
体验课转化
课程开发

立项：

1. 需要写立项报告

项目背景
项目解决的问题
项目方案
项目设计
人员安排
对接团队
项目排期

2. 指标体系运作图

梳理完运作图，能够让我们知道，我们需要做什么工作，才能让整个项目运行起来（工具泳道图/draw.io/viso）

数据提取：状态数据——》MySQL/行为数据——》日志文件
数据存储：HDFS（历史文件）
数据计算：调度脚本（定时任务）——》异常数据预警/Mysql统计表
数据可视化：报表可视化/触发通知
数据应用：业务分析/异常数据分析

此图泳道图

拟定核心指标（北极星指标）

什么是北极星指标？

北极星指标（North Star Metric），也叫作第一关键指标（One Metric That Matters），是指在产品的当前阶段与业务/战略相关的绝对核心指标，一旦确立就像北极星一样闪耀在空中，指引团队向同一 个方向迈进（提升这一指标）。
当前阶段：已年为单位，说明北极星是中期指标
一个方向：唯一性

北极星指标的作用

聚焦企业现阶段的核心问题：聚焦这一年的核心问题
统一各团队工作方向：
明确任务优先级：第一关键指标，之后优先级自然而然出来了
量化团队工作效果：这个指标的变化，自然有量化效果

如何确定北极星指标

主要步骤：

首先，确定企业的商业目标和用户价值；——》企业愿景，用户价值
之后，我们会列出能够符合这两个愿景的指标，并按照六个标准对他们做对比；——》指标衡量
最后，我们回到商业目标和用户价值环节，探究我们确定的北极星指标能不能在实现商业目标的时候还能让用户持续获得价值。

第一步：明确商业目标和用户价值

商业目标，相当于是一个企业的最终愿景。
而北极星指标，是实现这个愿景的一个中期战略目标，
北极星指标一般在1至3年才会变动一次，(商业环境的变化的话，就需要改变北极星指标，比如疫情，我们假设商业环境1-3年才发生显著改变)
是需要企业依据公司状况和商业环境不断调整的；

用户价值，也就是用户对于产品的主要需求。
如果用户在使用产品的时候没法获得他所需要的反馈，
那么这个产品就是没有价值的产品，
产品就很难有存在的意义。

第二步：列出备选指标，按照六个标准确定北极星指标

1.能否反映用户从产品中获得的核心价值
2.能否为产品达到长期商业目标奠定基础
3.能否反映用户活跃程度
4.指标变好，能否提示整个公司在往好的方向发展
5.是否简单，直观，容易获得，可拆解
简单：
直观：
容易获得：
可拆解：能够拆解现有策略
6.是否是先导指标，而非滞后指标
先导指标：直接统计出来
滞后指标：是很多部门协调才能出来，课程毛利额，需要做成本核算，耗时长
**

第三步：完善北极星指标的推演（检查）

商业目标和用户价值的检查

大课成单量——》
商业目的：持续营收——》更多收入——》更多经费创作
用户价值：学习知识——》更多大课成单——》更多吸引用户

日常指标体系搭建

• 梳理用户路线
• 设计指标模型
• 确定指标口径

  梳理用户路线

用户路线和业务流有点相似——不过**用户路线是从用户的角度，业务流从团队部门的角度**

用户获取：线索量站内40%，外投30%，直接购买30%
产品使用
活动运营
销售转化：电话销售
教研教学服务：公开课，大课试听，大课学习

设计指标模型

为什么选用AARRR模型？

AARRR，是互联网用户增长模型，有名，不能随便说，需要根据业务仔细梳理

怎么有理有据地说？模型与因为匹配
有些付费为关键

为什么阿里用AIPL

阿里AIPL，是从兴趣到认知到付费，是因为阿里大城市增长已经到了顶点，所以只需要从认知开始，由于激活比较简单，所以就重新梳理了AIPL。

完善监控指标模型

将北极星指标与指标模型融合

主要是利用指标模型来拆解北极星指标

拆解的方案有两种：**

链路型：

本质上就是按照部门来看北极星指标来制定的
比如说：渠道的人与大课转化，就是渠道获取的用户数，运营的人就是

示意图

分解型：

示意图1

两个拆解方法差别：

链路型，比较适合跨部门的拆解，容易给不同部门分配不同的表
拆分粒度比较粗，结构比较平面，不如分解型拆解容易使用者看到重点
分解型：比较整体统一化，适合但各部门或者事业群
有明显的逻辑框架，容易让使用者关注到数据重点
如果有某个部分遇到跨部门的环节，比较难分部门拆解

指标模型作用：

1. 揭示影响目标指标变动的所有输入变量。使用量化方法指导工作；能够让你的策略多样且全面，而不 是集中在某一个环节；
2. 指标模型能够让我们确定工作优先级；
3. 拆解到比较细致的指标之后，有助于我们做更精确的目标指标预测；
4. 指标模型容易让使用者看到重点。

设计指标体系结构图

指标体系结构：

怎么能够将我们指标体系模型的各环节变现
可以在现有的指标体系中做改动
**
底层数据
宽表数据
可视化监控
在现有的指标体系中做改动

我们选择链路型的指标模型
**

搭建工作：

底层表：根据指标体系运作图，提需求，告诉工程师，我们需要什么数据项

梳理宽表

宽表：告诉工程师，我们需要什么数据项
什么是宽表？宽表会存用户的行为数据，主要看用户行为数据

1. app下载->用户拉新
2. app打开->用户活跃
3. 订单id ->用户付费 amount
4. 用户各种事件->各环节转化pageid，event
   1. 有些公司用户埋点page->block->seat,定位到app的任意角落，根据编号
   2. 

我们要梳理宽表，从宽表到业务表

业务统计表

1. 确定粒度
2. 确定主要统计项

表粒度

用户拉新表：用户日期渠道
用户活跃表：日活跃用户数
下载渠道转化：渠道*日期
产品收入：日期
用户回溯，直接用宽表

可视化周报日报：

让管理层看到我们的重点
表内容

确定指标口径

与业务方多次确认指标口径

将指标体系中的表完善

首先我们需要将指标体系中的表完善

用户定义

用户名称、用户说明、抽取条件、注意事项

指标定义

指标名称、指标说明、计算公式、注意事项

留存与转化

付费与转化

数据指标口径一般指：指标定义事物，指标名称；指标计算公式，计算涉及指标范围，计算涉及时间范 围，计算涉及的主体范围；

遇到的口径问题

1. 同一名字不同指标，或者不同名字同一指标；比如转化率是一个最容易混淆的指标。因为转化率 是指从行为A到行为B的转化率，所以我们使用转化率的时候，最好使用“A-B转化率”这样的名称。如果只用转化率这一个名称，就很容易混淆；
2. 同一指标计算公式不同。比如周留存，有的公司用的是：本周留存用户 / 上周活跃用户 100%； 有的公司用的是：本周留存用户 / 本周第一天的活跃用户 100%；有的公司用的是：第7日留存用户 / 第0日基准日活跃用户 * 100%；
3. 计算涉及指标范围不同。比如毛利润，有的公司用的毛利润 = 商品总售价 - 商品总成本；有的公司用的毛利润 = 商品总售价 - 商品总成本 - 劳务成本 - 退回商品……；这部分一般是粗略计算和精确计算的差异造成的；
4. 计算涉及时间范围不同。最常见的就是不同组每周汇报的周报。有的组的周报范围是周一到周 日；有的组的周报范围是上周六到本周五；
5. 计算涉及主体范围不同。比如活跃用户的界定上，有的定义活跃用户为：启动APP就算活跃用户；有的定义产生曝光/阅读数据才算活跃用户。