近年来，数据化运营越来越火，各行各业都在讨论“数据驱动”，但“数据”同时也被复杂化甚至有点妖魔化了，具体表现在：#数据挖掘 #数据分析 #数据运营 #大数据 #数据驱动 等话题和标签，充斥在互联网话术中，似乎只有专业性人才，才能真正享受数据红利；Title 不带“数据”的岗位不少，却要求有数据技能，统计学基础。

其实，“数据”本身只是工具，而运营和业务才是重点。“数据化运营”能力，就像逻辑思考与沟通表达一样，是当下每个互联网人都应当具备的思维能力，帮助我们摒弃“拍脑袋”做决策的习惯，能够有理有据地去解决业务问题。不同岗位职责不同，但万变不离其宗，本质上大家关注的都是获客、留存、营收，围绕数据观测指标，然后进行业务分析，再以此完成各种运营动作，其核心路径可总结为：设定指标 → 分析洞察 → 运营策略，其中指标体系就是业务的逻辑框架也是思考业务逻辑的第一步。

不同行业不同领域，指标体系的框架肯定不同，但是，搭建指标体系的方法是相通的。正所谓“有道无术，止于术，有术无道，术尚可求”，本文讨论的就是一套搭建指标体系的方法论。

何为指标体系

指标体系是在业务的不同阶段，分析师牵头与业务方协助，制定的一套能从各维度去反映业务状况的待实施逻辑框架，这里面有几个关键点：

• 1、在业务的前期、中期、后期，指标体系不一样；
• 2、一定是由分析师牵头与业务方协助，而不是闭门造车，脱离业务的指标体系就是空中楼阁，中看不中用；
• 3、从各维度去反映业务的核心状况，指标有很多维度；
• 4、一个大实施框架，一定要实施，否则就是浪费资源、时间

何为指标？

我们工作过程中遇到的指标都是派生性指标，在《阿里巴巴大数据之路》书中的定义：派生性指标等于原子性指标加修饰词加时间段。修饰词本身是可选项，而原子性指标和时间段是必选项。原子性指标是最基础的，不可拆分的指标，比如交易额、支付金额，下单数。而修饰词往往是基于某种场景，是一个可选的指标，比如是通过搜索带来的交易。时间段是一个必选的指标，比如，时间周期。选的是双 11 这一天，通过 1 加 2 加 3 就衍生出一个派生性指标——双 11 这一天通过搜索带来的交易额。如果不需要修饰词，那就是双 11 这一天的交易额。同样像次日留存、日活、月活、日转化率都是派生指标，这就是所有指标的构成。实际上它是由原子性指标加修饰词加时间段组成，这些知识在数据仓库建模中经常用到，感兴趣的朋友可以仔细读一下《阿里巴巴大数据之路》

四步成诗：搭建指标体系

第一步：厘清业务阶段和方向，确定当前产品运营阶段的北极星指标及伴随指标

北极星指标代表了当前业务的战略方向，往大了讲就是整个产品团队的目标，往小了讲就是产品运营团队中单个成员的业务目标，其确定方法主要有以下两种。

1.通常 KPI/OKR 即代表北极星指标

KPI 与 OKR，代表了企业的战略目标，是为企业组织中所有人员指明统一的方向，是衡量企业运行效率和效果的重要指标。所以团队中如果已有 KPI/OKR 体系，那么可以将其按照指标的组成来拆解为自己业务的北极星指标，这里又有以下两种情况。

当 KPI/OKR 与自身业务一致，则拆解 KPI/OKR 作为北极星指标

如果 KPI/OKR 与自身业务的方向一致，那么就把 KPI/OKR 进行拆解，选择其中的某个子指标作为自己的北极星指标。

例如，某信息流产品以 DAU 作为 KPI，而你负责的是信息流中短视频的 DAU。因为短视频的 DAU 是整个信息流产品 DAU 的组成部分，所以可将短视频的 DAU 作为你的北极星指标。

当 KPI/OKR 与自身业务不一致，则拆解自己的业务指标

如果 KPI/OKR 与自身业务的方向不一致，那么就把自己负责的业务指标进行拆解，找到其中可以与 KPI/OKR 一致对应的指标作为自己的北极星指标。

例如，某电商产品以有效注册用户量作为 KPI，而你负责的是电商产品的 DAU。因为你自己的业务指标 DAU 与整个产品的 KPI 并不一致，故拆解自己的 DAU 为新增用户量、留存用户量和回流用户量。其中新增用户量是产品 KPI 的组成部分，故选择新增用户量作为你的北极星指标。

2. 厘清业务阶段

对于一家公司往往会有三个阶段

第一阶段：业务前期（创业期），在业务前期更多是想快速抢占市场份额，看公司盘子大小。所以在业务前期最关注用户量，此时的指标体系应该紧密围绕用户量提升做各种维度的拆解，比如说渠道。

第二阶段：业务中期（快速发展期），在业务中期，除了关注盘子的大小，还要看产品的健康度，除了关注前面的用户量走势，更重要的是优化当前的用户量结构。如果留存偏低，必然跟产品模块有关系，是不是某功能流量承接效果太差。

第三阶段：业务后期（成熟发展期），在成熟期看变现能力以及市场份额，整个行业市场格局已定，一定要看收入指标，各种商业化模式的收入，同时做好市场份额和竞品监控，防止后来者居上。

对于具体产品而言

产品的生命周期分为探索期、成长期、成熟期、衰退期和退出期，每个周期可供借鉴和使用的北极星指标如下。

探索期：留存类指标，包括留存率、留存用户量、探索期内每用户平均使用次数。

成长期：注册类指标，包括每日新增用户量、有效注册用户量等。

成熟期：活跃类、留存类或收入类指标，包括 DAU、MAU、次日留存、次月留存或 ARPU 等。

衰退期：注册类、活跃类或收入类指标，包括有效注册用户量、DAU、MAU 或 ARPU 等。

退出期：活跃类指标，包括 DAU、MAU 等

其次确定伴随指标，确定伴随指标的方法主要依据指标间的联系紧密程度：

如果注册类指标为北极星指标，那么活跃类指标就是伴随指标；

如果活跃类指标为北极星指标，那么留存类指标就是伴随指标；

如果留存为北极星指标，那么活跃类和收入类指标就是伴随指标。

下表汇总了常见的北极星指标和伴随指标组合：

第二步：完善北极星指标和伴随指标的业务口径和关联维度

北极星指标和伴随指标确定后，就需要完善它们的业务口径和关联维度：

明确业务口径是为了清晰定义指标，同时也是为接下来的指标拆解提供依据；

关联维度是明确可以考察指标的不同角度，为接下来的多维分析奠定基础。

1.为指标明确业务口径

在业务运营中，指标一般分为两类：数值型和比率型，例如 DAU 就是数值型，留存率就是比率型。

数值型指标，需要注意其口径的限定条件，例如某段时间、某个区域、达成某个条件，以及是否去重。例如，DAU 就是在当天的 00：00~23：59 之间启动过 App 的去重设备量。

比率型指标，需要注意其口径中的分子和分母的范围必须一致，即分子有且只能是分母的一部分，分子不能包含超出分母范围的数据。

2.为指标关联维度

维度是指标的角度，用来反映指标在不同角度的分布。在这个步骤中，根据指标的口径来制定与其可以管理的一个或多个维度，并制定维度的属性值。

例如，指标是销量，一般可以给它关联地理维度中的省份维度，其维度属性值是广东省、湖北省、陕西省等。

地理维度还可以包括国家、地区、省市等单位。

又例如，指标是活跃用户数，一般可以给它关联时间维度，其维度属性值为年、季、月、周、日等。

再例如，信息流产品的核心指标是人均 VV 或者 CTR，一般可以给它关联内容类型的维度，其中包括图文、图片、短视频、长视频和动图等分类。B 站和头条系产品都有这些内容类型，每种内容类型的运营策略不尽相同，也都由不同的团队负责。

也可以关联分类或垂类的维度（分类，是指内容本身的属性，又因为每个分类都是一个相对垂直的领域，故也叫垂直分类，简称垂类），例如娱乐、社会、汽车、教育等，大部分信息流产品的分类/垂类维度都是一个树状体系，分为一级分类、二级分类和三级分类。

如下图所示，这里展示部分 UC 头条曾经用过的分类体系，包括 42 个一级分类和 159 个二级分类。

以下是常用的维度表：

第三步：将北极星指标和伴随指标逐步拆解和细化

从北极星指标和伴随指标开始，按照指标的口径逐步向下拆解为汇总指标和原子指标。

1.针对数值型指标，按照其关联的维度进行拆解

数值型指标的拆解，基于刚刚第二步为其关联的维度进行拆解。要求维度内遵循 MECE 原则，无遗漏无重复，维度间尽可能完备，且每个维度内的子指标求和等于上层指标，如下图所示：

这里我以“收入金额”指标为例，它是典型的数值型指标，它需要根据业务运营的情况按照渠道、城市和品类这三个维度进行拆解。

要求渠道维度内必须遍历所有能够产生收入的渠道，不能有任何遗漏，渠道间的收入也不能出现重复计算；

要求城市维度内必须遍历所有产生收入的城市，不能有任何遗漏，城市间的收入也不能出现重复计算；

其他维度也同理。

那么渠道、城市和品类这三个维度能否全面体现收入金额的全部维度呢？这不一定。

也许会随着运营的发展，又会新增出一个代理商维度。但是，收入指标的维度越完整、齐全，对于未来的指标运营、数据分析、排查问题、实时监控都大有裨益。

在“模块二 指标分析法，从运营指标体系中洞察问题”中会讲到多维分析，就是通过指标关联的各种维度来寻找指标变化的原因。

2.对于比率型指标，按照其口径进行拆解

比率型指标天然就有两个部分组成：分子和分母，所以可以按照其口径立刻进行拆解。如果子指标出现数值型指标，就按照关联维度继续拆解。

如上图所示，有效购买转化率的口径是：（成功付款人数 – 退款人数）/ 下单购买人数，所以可以拆解为三个子指标，即成功付款人数、退款人数和下单购买人数。

因为这三个子指标均是数值型指标，故也像刚刚一样按照关联维度继续拆解。

第四步：指标宣贯、存档、落地

最后就是指标的宣贯、存档以及落地。

宣贯：很多人都忽略了这一步，往往是和业务核心人员沟通好之后就直接开始建报表。实际上搭建好指标体系后，要当面触达到所有相关的业务接口人，最好是开会并邮件。

存档：同时要对指标的口径和业务逻辑进行详细描述存档，如某功能日渗透率=该功能的日点击人数/日活。只有到这一层，后面的人才能一眼看懂口径的意思。

落地：落地就是建核心指标的相关报表，实际工作中，报表都会在埋点前建好，这样一旦版本上线就立刻能看到数据，同时这时各方的配合度都很高。

这就是指标体系建立的四个步骤，其中每一步都非常关键。很多数据分析师经常抱怨临时提数需求太多，本质是因为指标体系没做好，指标体系很分散。

虽然，我们的指标体系创建完成了，但是仍然需要我们定期进行 review，移除废弃指标、更新指标口径、添加新的指标，真正地把指标体系作为重要的数据产品来不断维护和迭代。

在很多互联网公司，指标体系创建完成后，会录入到统一的指标管理平台进行集中管理，这样所有的业务部门都看到的是统一的指标体系，大家对于指标也有统一的认知和理解。只有这样，整个团队才能在统一的指标体系指导下步调一致、高效地进行产品运营。

总结

指标体系本质上是代表业务人员和分析师的逻辑性怎么样，这个非常重要，但在实际工作中，经常出现不重视指标体系的情况，业务方不重视指标体系是感觉指标体系是基建活，离完成 KPI 太远，只有出问题时才会临时重视。数据方不重视指标体系是因为这是一个吃力不讨好的工作，做好了可以，做不好就背锅。甚至有些分析师认为，指标体系只是一个思维导图而已。不同业务阶段指标体系不一样，核心指标一定要正确。核心指标的拆解通用模式都是先公式拆解，再按照业务模块、路径来分。指标体系的宣贯和存档工作必不可少。

—— 如果觉得文章还OK，请转发 ——

特别提示：关注本专栏，别错过行业干货！

PS：本司承接 小红书 / 淘宝逛逛 / 抖音 / 百度系 / 知乎 / 微博/大众点评 等 全网各平台推广；

咨询微信：139 1053 2512 (同电话)

首席增长官CGO荐读：

• 《首席增长官 – 增长黑客 Growth Hacker》
• 《小红书 – 增长黑客 Growth Hacker》
• 《用户增长 – 增长黑客 Growth Hacker》

更多精彩，关注：增长黑客（GrowthHK.cn）

增长黑客（Growth Hacker）是依靠技术和数据来达成各种营销目标的新型团队角色。从单线思维者时常忽略的角度和高度，梳理整合产品发展的因素，实现低成本甚至零成本带来的有效增长…