第六次作业——业务指标字典的设计
主题：对微博的业务字典的设计
前期准备：
- 阅读《精益数据分析》
- 搜索微博的商业模式、盈利模式
- 搜索业务指标字典的相关知识
一、背景
新浪微博成立于2009年，是一个提供微型博客服务类的社交网站。简单来说，用户可以发布、转发、评论、点赞感兴趣的内容，而且可以搜索、私信、建群，当然还包括付费、提问等互动模式，总而言之微博是一个线上的交流平台。
二、分析
与Facebook、Twitter等网站类似，这种将用户聚集在一起，组成在线社区并生成用户内容的网站有个统一的称呼，用户生成内容（User-generated Content，UGC）网站。这些网站可以视为一种单独的商业模式，因为其核心关注点在于培养一个能够生成内容的活跃用户社区，失去了用户活动，此类网站也就失去了生命力。
衡量此类网站需要了解参与度漏斗这一概念。与传统电商模式的转化漏斗十分相似。二者之间的唯一差别在于，转化漏斗的最终目的是购买行为的发生，而参与度漏斗则旨在不断提高用户的参与度，让潜水者参与平台的活动等。
当访客变成常客时，UGC网站也就取得了成功。
三、业务指标
指标是指衡量目标的方法，由维度+量度+汇总方式构成。
-
维度：看待事物的视角和方向（从哪些角度去量化）
-
量度：是对物理量的测定，通常以数字单位来表示（目标是什么）
-
汇总方式：回答用哪些方法去衡量的问题
（一）指标定义的规范
1.指标的口径
一个指标一经录入，它的命名和所有下钻维度的口径都已确定（默认口径），这叫做指标的一义性。
如“团购交易额”这个注册指标默认的时间口径是支付时间，默认城市口径是下单，等等。如果需要按下单时间口径看订单金额，我们定义了一个新的指标“团购下单交易额”。一个在某些维度上口径不确定的”指标“是不能被使用的，在业务场景中是毫无意义的。
2.指标的分类
- 基础指标
没有父指标的指标 - 普通指标
在单一父指标的基础上通过一些维度上面的取值限定可以定义的指标 - 计算指标
在若干个指标的基础上通过四则运算、排序、累计或汇总定义出的指标
（二）指标字典建立的方法
四、设计
接下来分别从流量指标、微博（内容）指标、用户指标这三个基础指标谈起。主要对象是微博APP。
1.流量指标
UGC网站的主要观测指标。要想提高用户的参与度，先从流量指标方面着手。
在对流量指标分析前，先介绍一个概念 MAU：monthly active users，月活用户人数。这是一个衡量活跃度的指标，对于UGC模式的微博来说，提高用户参与度是核心，那么可以通过MAU指标对参与度这一抽象概念进行量化。
下图中显示了2016年6月份各细分APP领域的MAU以及同比增长率，这当中，微博社交领域同比增长59.1%，非常突出（图片来源：http://www.questmobile.com.cn/blog/blog_53.html）。
2016年6月APP行业心电图
月活用户人数可以显示流量的规模，但同时我们还要考虑流量的质量，通过用户使用APP的时长可以倒推出让普遍用户感兴趣的内容点，以此改进，同样也可以在做A/B测试时考虑该指标。
2.用户指标
微博的用户可以分为三大类：普通用户、会员用户、大V用户。不同的用户有不同的粉丝量以及影响力，有影响力的用户可以吸引更多的流量，这其中就强调 明星大V，他们的粉丝用户群体庞大，且年龄段普遍较低。明星的每条微博的转发率及点赞率、以及上头条、热搜的次数都不可小觑，所以可以着重针对更有影响力、吸引庞大流量的大V用户进行活动策划，这里说的就是营销、推广策略了。消费粉丝以及娱乐大众可以说是吸引流量的主要手段了，而且效果往往也达到期望。
3.内容（微博）指标
微博的内容性质上可以分为广告和非广告两大类，内容的类别更是可以细分。什么样的内容才算是一条有质量的微博呢？又如何来衡量一条微博的价值呢？
如下图所示，在内容指标的下一级中，定义了内容质量指标以及内容价值指标。内容的质量可以看内容发布的24小时之内的点赞数，这里强调的指标是有时限性的，是一个计算指标。因为每条微博都具有时效性，有质量的微博会在短时间内让更多的用户看到。而有价值的微博在这里定义为：让更多的用户看到并参与到互动中，吸引大流量的微博。为什么把质量指标和价值指标区分开来，两者的本质还是有区别的，有质量不一定保证受众群，有受众群不一定保证质量。这里的处理方式是：认为有价值的微博更重要。
五、总结
1.在设计业务指标字典的过程中，很少应用到上述建立指标字典的方法，更多的是基于功能与需求考虑问题，所以最后的结果会有错误。
2.查阅资料的过程中，浪费了一些时间。举个例子：在课程的讲义中，有两张图片的来源是 “人人都是产品经理”。就搜索了结果，直接下载以这个字样为名的一本书，浏览了几章之后，又大致浏览了下全书，发现书中并没有出现这两张图片，所以又需要再次的搜索。（讲义中的图片来源 人人都是产品经理是一个网站）虽然同名的这本书也很不错，但还是浪费了不少的时间。
3.之前的两次数据分析的作业都以电商为例，这次换了另一种商业模式的产品进行研究，整个的思考过程都是不一样的，但也收获了很多。总之还是要多实践多尝试。
参考
2.人人都是产品经理
本文为 泰阁志-解密大数据 学习笔记，了解更多请关注微信“泰阁志”
