如何从0搭建业务数据指标监控体系
指标作用:通过量化的方式，较为系统的反映业务发展情况以及能更迅速的发现问题
以下介绍方法侧重反映业务发展情况
指标体系搭建流程
01搭建业务数据指标监控体系步骤
1. 确定产品核心价值和所处阶段或场景，不同时期注重法地方不同
此阶段是搭建指标体系的基石，前期准备工作越充分，对业务理解越全面，后续指标搭建就越合理。所以此阶段建议先对产品有一个比较宏观的了解。通常采取的方式无非是自身体验/询问同事/网上查找相关资料。
涉及到实际业务场景，我们可以通过以下几种方面的研究来尝试找准产品的核心价值，帮助我们更有底气的搭建一个合理的指标体系：
产品基本情况：
首先我们需要了解产品的基本情况，虽然不需要对每个旁支功能都了如指掌，但是至少需要清楚产品对于用户产生的核心价值和主要交互场景。注意，一个好的slogan也可以帮助你更好的了解产品的主要价值。
有条件的话可以通过自身体验/与目标用户交流/应用商店/数据监控网站（类似于七麦，TalkingData等）等了解。
增长情况：
然后我们需要了解产品自身表现和其所在细分领域市场的表现，好比说其日活/设备量的增长情况/市场占有率等，辅助我们更好的判定产品所处的阶段。比如日活稳定，新增设备下滑，该app可能已经到了成熟期。
这里我们通常还是善用搜索，查看行业报告/数据监控网站/科技媒体报导（36Kr,虎嗅等）/app自身发布的数据报告来判断。
产品迭代历程/运营及商业化策略：
这几块内容放在一起说，主要帮助我们了解产品近年的发展情况和未来的发展计划。产品方面我们可以关注app披露的迭代记录，通过自身体验，或者加入核心用户体验群等等。
运营和商业化方面信息比较难直接获取，就要善于关注各种领导者采访/专业文章分析/各类大会分享/公司内部报告等。当然能找到内部人士更是极好的。
通过脉脉/领英或许我们都能方便的找到内部员工，至于能不能打听到产品的商业化进程和走向就各凭本事了（记得之前有个段子，说某男为了成为产品经理，陆续勾搭了几个产品经理小姐姐处对象，这里先不做道德判断，但是理是这个理- -）。
如果是为自己的公司搭建体系，当然也可以选择询问相关业务人员。但是切记过程中你需要有一点儿产品的思维，即倾听他们的声音，但不是他们说什么就去做什么。需要考虑，业务人员为什么关注这一指标？找到业务需求背后隐含的诉求并付诸数据量化。
一般把产品的生命周期分为探索期、成长期、成熟期、衰退期，不同的阶段对产品关键指标评估的侧重点不一样
探索期：验证PMF，侧重留存:
产品处于探索期，产品定位、产品价值乃至目标用户群体等大多数东西都还在验证阶段，此时需要关注的重点在于验证PMF（产品/ 市场契合度）的同时不断获取用户反馈对产品进行迭代，提升产品自身各个环节的转化率，为将来获取并留存更大规模的用户群体打下基础。
成长期：重点在拉新，变现提上日程:
产品进入成长期后，产品价值以及核心的功能、业务流程均已确定，产品在这个阶段正式走上市场参与竞争，此时的重点就是快速获取用户，抢占市场份额，同时兼顾产品变现。
成熟期：重点在付费转化:
产品进入成熟期，意味着产品当前已经进入了稳定的发展阶段。这个阶段的主要目标是通过各种手段提高用户活跃度，保证产品留存，进而确保产品的付费转化稳定增长。
衰退期：挖掘新场景:
进入衰退期，在努力减缓衰退趋势保持留存和变现的同时，重点在于为产品寻找新的增量市场，发掘新的使用和消费场景，为新产品引流。
2.确定北极星指标（目前最专注的地方的发展情况）
首先来明确一下北极星指标的定义:北极星指标（North Star Metric）：又叫作OMTM(One metric that matters），唯一重要的指标，为产品现阶段最为关键的指标。之所以叫北极星指标，是因为这个像北极星一样，指引着全公司所有人员向着同一个方向迈进。是全公司统一的成功指标，且需要对应产品向用户输出的价值。
关于北极星指标的确定，其实结合产品类型，已经大致能得出自己的选择，唯一需要注意的是在产品发展的不同阶段会有相应变化，比如说滴滴在创业早期可能就会比较关注新客数，现阶段可能就要更多的关注营收情况。
至于判定指标的选择是否合理，其实也有一套比较好的自查方法。我就不再班门弄斧，直接援引曲卉在《硅谷增长黑客实战笔记》给出的六个标准，概括精当到位：
你的产品的核心价值是什么？这个指标可以让你知道你的用户体验到了这种价值吗？
比如说，我现在公司做的是投资 App，那么用户的核心价值就是投资，所以这个北极星指标应该和投资有关；这个指标能够反映用户的活跃程度吗？
在上面的例子里，Myspace 的“注册用户数” 就没有反应用户的活跃程度；如果这个指标变好了，是不是能说明你的整个公司是在向好的方向发展？
比如说，对于 Uber 来说，如果只是把注册司机数作为北极星指标，显然就忽略了乘客这一方面。因此 Uber 的北极星指标应该能够反映司机和乘客的供需平衡，所以“总乘车数”就是更为合适的一个指标。这个指标是不是很容易被你的整个团队理解和交流呢？
一般来说，建议选一个绝对数作为北极星指标，而不是比例或百分比：比如说，“总订单数”就比“订单额超过 100 元的订单比例”好理解这个指标是一个先导指标，还是一个滞后指标？
比如说，SaaS 公司喜欢使用收入作为北极星指标，这不是一个坏指标，但是它确是一个滞后指标。有的用户很可能已经停止使用几个月了，却还在付月费。在这种情况下，“月活跃用户数”可能是一个更好的先导指标。这个指标是不是一个可操作的指标？
简单地说，如果对于一个指标，你什么也做不了，那它对你来说相当于不存在。
3.确定其他重要指标（总体发展情况）
确定好了北极星指标，需要继续确定该app发展过程中需要关注的其他重要指标。
可以从以下等几个维度确定指标:
- AARRR模型
- HEART模型
- 基本维度（互联网公司：流量+收益）+ 附加维度(该产品具体特征，如知乎的：内容、互动等)
- 其他模型
在实际应用过程中，其实可用模型有很多，在不同业务和不同链路都有各自的应用场景。也会发现实际对于不同产品，可能还有很多定制化的指标不好归类。所以可以先掌握基本法，具备一个基本的思考方向，再根据业务实际情况开枝散叶，进行延展。
以知乎为例：
面试官：“如果让你构建指标体系，监控知乎每天的数据，你会怎么做？”
答：“我会从流量、收入、内容、互动四个板块构建指标体系。
第一， 流量板块我会监控登录人数，点击问题人数 XX，因为这能够体现知乎用户的使用情况以及粘性；
第二， 收入板块我会监控XX，因为XX;
第三， 内容板块我会监控XX，因为XX；
第四， 互动板块我会监控XX，因为XX”
（回答的要有逻辑性，这个回答就是典型的金字塔思维结构）
说完了大致的板块分类后，更详细的指标应该怎么办呢？
在表达每一类的具体指标时，还是要尽量遵循逻辑线，这个逻辑可能是页面先后关系逻辑，可能是用户前后行为逻辑，也可能是其他的逻辑。
比如内容
- 每当用户提出一个问题后，系统里会记录下今日新增问题的数据；
- 在用户上下滑动问题页面的时候，系统也会记录下各个问题曝光数据；
- 在用户点进问题准备进行浏览的时候，会记录下不同问题点击数据；
- 把上面两者相除，还能得到点击率数据；
- 在用户浏览具体问题回答时，会记录下问题的浏览时长数据……
这就是根据用户前后行为逻辑得到的一部分数据指标，能够判断新内容的创作是否持续给力，以及内容是否对用户有足够的吸引力。
但有时候逻辑线并没有非常的清晰，就不用过于强求了……
比如流量
- 在用户打开APP的的时候，系统会记录今日活跃用户数数据；
- 如果这个用户从未使用过知乎，会记录新增用户数据；
- 针对每天的活跃用户，还会考虑到下一阶段的留存率和流失率；
- 还有跳出率、单位访客成本、人均浏览页面数等等；
- 甚至还可以进一步细分到不同渠道下的各个流量指标……
当然咯，我们不需要把指标穷尽了，只要选择出自己认为重要的几个指标，说出理由就好。比如我认为日活十分重要，能够评估用户的整体表现，一旦日活数据异常，应该马上进行分析解决。
最后关于知乎的指标体系，可能会是这样的：
知乎选择指标
这只是最简单的版本哈，不过如果是面试的话，应该是够的，毕竟你还需要解释选择指标的原因，不出意外也能够叽里呱啦说上4，5分钟……
那面试的时候，不同行业的附加指标怎么选取呢？
我在面试文档的文章里提过了，提前准备好所有行业的指标体系，参考人人都是产品经理或者《精益数据分析》的文章内容自行思考。
在面试笔试的时候，紧张起来大脑短路，可能一时半会真想不到和指定行业相关的指标类型，这时候心中有腹稿就显得非常的重要。
如果没有那么多的时间精力，准备下电商、内容、游戏、风控的就差不多了，剩下的在面试前针对具体的企业再做准备，毕竟很多指标也是可以复现在其他场景的。
4.不同业务模块确定指标（各模块发展情况）
直播模块，浏览模块，发现模块。各个模块仍然可以按照上述套路进行分析（流量收入内容互动）对于模块进行评估与发现问题
这两部分并在一起说。实际上如果前期的核心价值了解到位，做到这一步基本是水到渠成。功能模块的选取要么基于产品核心价值判断，要么基于公司业务线自身的天然分割。
这里通常以对产品功能模块/业务逻辑拆解为主，通过产品的核心价值判断；以网上检索到的情报为辅助（比方说对于影响力比较大的产品，好比说淘宝/抖音这类国民产品甚至可以搜索到一些咨询机构所做的用户调研，就会很容易留意到一些子功能对于用户来说是没有这么核心的），据此来综合判断。
此拆解并不唯一，也可能会发生变化。以抖音为例可做如下拆分：
抖音功能模块拆解
进行到子模块的拆解后，我们仍然可以按照关键指标的拆解套路（用户/行为等……）进行。当然，对于拆解模式和概括类指标相同的（如留存），可以一笔带过，对差异性较大的再做细分解释。
此外，拆到业务线时可能会有和总的概况指标有重叠的部分，这时也无需过于担心，有时候同一款产品多线并行互相竞争，大家通过不同的角度看问题，反倒有可能更容易发现产品迭代的空间/改进的方向。
到此，如何构建一个指标监控体系就完成了，举一个例子：
当被问：“假如你是知乎的分析师，每天会给CEO展示什么数据？”，要怎么回答呢？
其实这还是一个建立指标体系的问题。但是对方强调了汇报对象是CEO，其实就是希望你能站在整体的视角上，从能展示产品总体发展情况的维度中选择合适的指标亦或者是当前最为注重的北极星指标。
而什么是合适的指标？如果CEO在看完数据后，能够解决他最关注的问题，安心的开启新一天的工作，基本OK了。
所以我们区分两种场景(也就是现先步骤第一步：确定产品所持阶段及场景)。
场景一：无特殊活动，不处于特殊时期，产品如常运营
在这种风平浪静，一切如常运营的时候，你可以从流量、收入、内容、互动里各挑1-2个汇总性的指标，比如日活跃用户，日总收入，新增问题数量，新增回答数量，评论率。
接下来详细解释为什么会选择这些指标：比如日活跃用户数能够体现产品的受欢迎程度，尤其对于一款处于稳定期的产品，如果日活突然下降严重，一定是有异常的，可能和最近做出的战略调整或者产品大幅度改版迭代相关。
场景二：知乎初创期，在邀请各界大咖入驻知乎，力求打造精品知识社区
在这种特殊的时期，需要结合当下的核心目标进行分析。比如我们了解到知乎在初创时，采用了很严格的筛选和复审制度来挑选种子用户，对问题和回答的质量把控十分高，但还不会关注商业变现。
那这时候我可能会选择新增用户数、新增高赞问题数、新增高赞回答数作为指标。而详细的原因可能是这些指标恰好和此时团队的目标一致，能够很好的反应出当下阶段的成果。
同理，如果对方的问题是：“请你挑选几个最重要的指标并解释原因？”，也可以按照这种思路进行回答。
总体来说就结合具体的行业特征以及产品所处的阶段特征进行思考。
以上较为侧重观察产品发展情况，还有一种较为注重能够及时发现产品问题的，与先前写的那篇产品数据指标异常波动的分析框架有功能重叠，可以看看数据指标体系是什么？5+5+5
02 指标体系搭建的常见误区
说完了基本搭建流程，这个版块主要介绍一些指标体系搭建中比较容易出现的问题。
1. 很多判断比较想当然，缺乏依据
常见的问题包括但不限于：没有考虑到产品当前所处阶段或者判定了但是缺乏对应支撑；核心功能模块选取过度依赖自身体验和口嗨等……
2. 指标定义不清楚
事实上指标的定义没有绝对的正确和错误，只要基于实际业务问题，确定好统计口径，团队理解一致，这个指标就是可取的。所以对于一些界定不够清晰，不能被团队一眼理解的指标，最好再追加基本的解释。
就算是大家都知道看似简单的DAU，其实也可以有不同的定义。什么是活跃？最常见的定义是，打开应用即算活跃。但是不同的业务场景下可能有不同的需求，以游戏产品为例，用户仅仅打开但是不登陆是没有意义的。那么DAU的定义是登陆你的app or 停留时长达到一分钟 or 有特定行为？
其实都可以，只要团队一致认可且能反映产品的核心价值。
3. 指标要么过于大而全，要么过于随意
一个好的指标体系，在问题发生时，理应能让用户通过较少的操作和观察，快速精准的定位到问题。建立一个非常复杂不易理解大而全的指标的结果是，可能有些报表年年出现，日日推送，但是无人问津。选择指标时需要我们好好考虑选取这些指标到底能在实际业务中发挥什么作用。如果想不到，它可能就不是一个特别理想的指标。
4. 指标选取上，关注人（如使用功能人数）/忽略次（如使用功能次数）
这一点对运营同学可能足够，但是考虑到产品优化维度，就不够全面了。好比说，对于一个发布功能，我们可能就会关注用户每一次操作背后每一步的行为漏斗。
5. 指标选取时只关注比例/均值，不太关注绝对值
确实，比例和均值通常比绝对值更适合作为指标，它更直观，更容易被对比。我们常说，不能对比的指标不是一个好的指标。
但是完全忽略绝对值其实也是很危险的。打个比方，一个直播间，昨天来了1万个访客参与互动的有100人；今天有1000个访客，参与互动的仍然有100人。看上去参与率大幅提升了，但是我们可能会被虚荣的数据蛊惑，忽略了实际上参与率的提升可能仅仅是由于流量变少，今天来的更多是死忠粉，所以互动人数同样值得注意。
这里再额外延展一个统计学上一个经典的例子，辛普森悖论，大意是分组分组时均占优势的一方在总体上反倒有劣势，这其实就是因为分组的样本量有差距，警醒我们既不要以偏概全也不要以全概偏。
辛普森悖论
以上文章内容来源：1、如何从0搭建业务数据指标监控体系？ 2、指标体系问题真的很难回答嘛？
侵删
