假设豆豆在小区附近开了一家小型超市，花花每周二下班后，都会来店里买半斤猪头肉，风雨无阻，从不间断。
花花笑了，心里想：“嘿，这服务员挺贴心的，不错嘛”。在上面案例中，豆豆通过对花花“每周二下班后买猪头肉”行为的观察，提前“调好多加花生碎的猪头肉”。
豆豆的这种做法不仅刷新了顾客的好感度，还提升了用户的忠诚度；豆豆观察花花的行为在互联网行业中叫做数据分析，要做好数据分析，并将数据分析应用于业务中，首先就需要构建好指标体系。
接下来，笔者就会聊聊如何构建指标体系。
一、数据指标体系1.什么是数据指标体系？
通常我们讲述的指标是对当前业务有参考价值的统计数据，换句话说，不是所有的数据都叫指标；指标的核心意义是它使得业务目标可描述、可度量、可拆解；常用的指标有PV、UV等。
指标可分为原子指标和派生指标，按照笔者的理解，原子指标就是不加任何修饰词的指标，又叫度量，例如订单量、用户量、支付金额等；衍生/派生指标就是在原子指标上进行加减乘除或者修饰词的限定等等。
派生指标是对原子指标业务统计范围的圈定，例如：昨日境外输入病例、网站近一周的访问量等。
衍生指标是基于原子指标组合构建的，例如：客单价=支付金额/买家数。
指标体系是从不同维度梳理业务，并将零散单点的具有相互联系的指标，系统化地组织起来；其中，维度分为定性维度和定量维度，定性维度主要是文字描述类，例如姓名、地名等；定量维度主要是数值描述类，如工资、年龄等。
举个某电商限时秒杀的例子（如下图）：
上方红框代表市场活跃度，中间红框代表当前价格波动幅度，下方红框代表价格趋势；三个红框中的指标，可以构成一个最简单的指标体系，用来描述伊利纯牛奶秒杀的现状，属于描述指标体系。
2.为什么需要指标体系？
对于数据产品经理来说，搭建指标体系可以更好地梳理业务，提高问题分析效率。
因此，笔者认为指标体系的主要目的为：
二、如何设计指标体系？
下面分五部分（如下图），讲一讲如何设计指标体系：
1.定目标
这是第一步，也是最重要的一步，同时也是很多产品上线运营后进行评估的标准，并以此形成闭环。
好的目标具有以下三个特征：
下面笔者就先说说SMART原则：
1）S代表具体（Specific）
目标必须是明确的、具体的，要对标特定的工作指标，不能笼统。
下面举个栗子：
2）M代表可衡量（Measurable）
目标必须是可衡量的，可衡量的指标是数量化或者行为化的，验证这些指标的数据或者信息是可以获取的。
上面的例子进一步细化，让目标可衡量。
3）A代表可实现（Attainable）
目标必须是可实现的，具体指在付出努力的情况下可以实现，避免设立过高或过低的目标。
假如笔者刚接触内容运营，定下了“我要在两个月内成为写文案的专家”这个目标，那么这就是一个不切实际的目标。
5）T代表有时限（Time-bound）
2.建模型
1）PLC模型
产品生命周期（ProductLifeCycle），简称PLC，指产品的市场寿命，即一种产品从开始进入市场到被市场淘汰的整个过程；产品的生命周期有探索期、成长期、成熟期、衰退期（如下图）。
探索期：
成长期：
经过了打磨产品的探索期，产品有了较好的留存率，这时候产品开始进入用户增长期；处于成长期时，需要将注意力放在用户的整个生命周期的前半段上，即提高留存、用户激活、自传播。
成熟期：
衰退期：
2）OSM模型
OSM模型（Objective，Strategy，Measurement）是指标体系建设过程中辅助确定核心的重要方法，包含业务目标、业务策略、业务度量，是指标内容横向的思考。
业务目标：
主要从用户视角和业务视角确定目标，原则是切实可行、易理解、可干预、正向有益。
业务策略：
为了达成上述目标采取的策略。换句话说，用户在什么时候感受到诉求被满足？
业务度量：
这些策略随之带来的数据指标变化有哪些？是否有效满足了用户的诉求，达成了业务目标。
以PMCAFF为例，按照OSM模型，它的指标是什么样？
①业务目标：用户来使用PMCAFF这个产品，目标是什么？
需要涉及两类用户：内容生产者和内容消费者，接下来简单介绍内容生产者的分析思路。
那么，如何让用户感受到自己的需求被满足了呢？
②业务策略
③业务度量
接下来，我们需要针对这些策略去做指标，在这里我们的指标分别是结果指标和过程指标。
备注：
3）指标分级
指标分级主要是将指标分解为不同层级并逐级分析。根据企业战略、企业组织及业务进行自上而下的分级，对指标进行层层剖析，其中可结合OSM模型来确定指标。
一级指标：公司战略层
用于衡量公司整体目标完成情况，与公司当前业务紧密结合，并对所有员工均有核心的指导意义。一级指标通常指引着公司的战略。
例如：小红书的OMTM（又称：北极星指标）如何演变？
二级指标：业务策略层
为达成战略目标，公司会对其进一步拆解为业务线或事业群的核心指标；通常为了实现一级指标，企业会做出相应的策略，二级指标也会与这些策略有所关联。
例如：小红书当前的一级指标是销售额，那么二级指标可以设定为不同品类商品的销售额，分地区的销售额等；这样当一级指标出现问题的时候，我们可以快速定位问题所在。
三级指标：业务执行层
三级指标是将二级指标纵向展开，进行路径拆解、漏斗拆解、公式拆解；三级指标通常用于定位二级指标的问题，通常指导一线运营或分析人员开展工作，三级指标是业务中最多的指标。
路径拆解需要对业务流程进行分析，例如：打开应用、浏览首页、浏览商品详情页、加入购物车、提交订单、订单支付、支付成功。
运用公式拆解月活跃用户，如下图。
4）AARRR
AARRR模型就是海盗模型，也是用户分析的经典模型。它反映了增长贯穿于用户生命周期的各个阶段，即获取（Acquisition）、激活（Activation）、留存（Retention）、变现（Revenue）、自传播（Referral）。
获取：
运营人员通过各种渠道进行推广，以各种手段获取目标用户，评估各种营销渠道效果，并不断调整运营策略，以不断降低获客成本。
关键指标：曝光量、点击、下载、安装、激活、安装率、激活率、注册转化率、留存率、付费率等。
激活：
激活指目标用户开始使用产品。产品经理通过新手奖励、产品引导等方式，来引导用户使用产品核心功能；我们需要掌握用户的行为数据，监控产品健康程度。
留存：
关键指标：新用户留存率、老用户留存率、活跃用户留存率、日周月留存率、流失率等。
变现：
主要用来衡量产品的商业价值，这也是商业的本质。
关键指标：ARPU、ARPPU、付费率（区分新老用户）、客单价、LTV等。
自传播：
主要是基于产品、营销、明星等事件的吸引力，从而使用户自发地传播。
关键指标：裂变系数等。
三、埋点
数据采集，就是采集相应的数据，是数据流的起点，采集的对不对、全不全，直接决定数据的质量，影响后续的所有环节。
那么采集什么样的数据才算是质量高？这就需要提前规划埋点。
1.什么是埋点
埋点是一种常用的数据采集方法，它是为了满足丰富的数据应用而做的用户行为过程及结果记录。
埋点是数据采集的一种重要方法，并且是数据的起源，采集的数据常常用于分析产品的使用情况、用户行为偏好等，于是延伸出用户画像、用户推荐系统等数据产品。
2.埋点流程
业务部门根据业务提出需求，产品经理将需求整理为数据需求，并输出数据需求文档（DRD，DataRequirementsDocument）。
开发完成后，测试工程师、数据分析师、产品经理需要验证埋点是否完整且准确，提交验收报告；功能上线后，产品经理或开发工程师需要发送上线邮件。如下图：
3.如何埋点
怎么埋呢？从业务角度出发，划分五个角度：
Where：记录行为发生的地点，一般通过GPS进行定位，或者通过设备IP判断用户位置。
What：指用户行为的具体内容是什么，比如用户阅读一本书，那么购买的书名是什么？价格是多少？哪个出版社出版等信息。
How：行为是怎么发生的，一般包含在行为名称中，如提交某订单，也有若干行为是可以通过多种方式完成，如解锁iPhone，可以输入密码解锁，也可以刷脸解锁，无论使用哪种方式都是一种可以记录的信息。
4.案例：浏览APP首页行为埋点
针对浏览某电商APP首页行为，从五个角度分析，分为特有指标和公共指标两类，如下图：
5.案例：支付订单行为埋点
针对支付订单行为，从五个角度分析，分为特有指标和公共指标两类，如下图。
四、数据分析1.什么是数据分析？
数据分析是指用适当的统计、分析方法对收集来的大量数据进行分析，提取有用信息和形成结论，并对数据加以详细研究和概括总结的过程；简单地说，就是对数据进行分析。
数据分析的目的是把隐藏在一些看似杂乱无章的数据背后的信息挖掘出来，提炼出目标对象的内在规律。对于企业来说，数据分析的本质在于创造商业价值，驱动企业业务增长。
2.数据分析方法
1）漏斗分析
漏斗分析能够科学反映用户行为状态，以及从起点到终点各业务流程的用户转化率情况，是一种重要的流程式数据分析模型；漏斗分析模型已经广泛应用于用户行为分析中，例如渠道质量评估、产品销售等日常数据运营与数据分析工作中。
比如：对于电商产品来说，最终目的是让用户购买商品，但整个流程的转化率由每一步的转化率综合而定；这时，我们就可以通过漏斗分析模型进行监测。
如下图所示，我们可以观察用户在每一个层级上的转化率，寻找转化路径的薄弱点，优化产品，提升用户体验，最终提升整体的转化率。
2）留存分析
比如：对某电商平台来说，用户最近30日的7日留存率（如下图），从图中得知，用户留存率较低；接下来，按照地区、年龄、行为等，将用户分为不同的群体，观察留存的区别，找到产品可优化点。
3）事件分析
事件分析用来研究某事件的发生对企业的影响以及影响的程度。通常来说，事件分析包括事件定义与选择、下钻分析、结果等环节。
比如：运营人员发现过去30日支付成功次数波动较大（如下图）；这时企业可以先定义事件，通过筛选条件配送方式为“自营”，再从其他多个维度细分下钻，如“订单金额”、“是否使用优惠券”、“商品ID”等；当进行细分筛选时，异常数据无处遁形。
4）渠道分析
渠道，是指产品与用户发生互动的各个接触点，比如SEO、SEM、社交媒体等等。
关键指标：展示量、点击量、CTR（ClickThroughRate，点击率）。
②有兴趣的用户点击URL链接进入着陆页。
关键指标：着陆页PV、着陆页UV、加载时长、跳出率等。
③对产品或服务感兴趣的用户下载、注册或者试用产品或服务，这个过程通常称之为激活。
关键指标：停留时长、访问深度等。
④用户激活后，点击CTA（CallToAction，召唤用户行为）选择商品加入购物车并提交、支付，这就是一个完整的购买流程。
关键指标：购买用户人数、产品内转化率等。
以上是四种常用的数据分析方法，在不同行业中，它们常常以不同的样式展示出来。
当我们面对不同的问题时，需要清楚地知道哪个或哪几个方法最为有效，需要结合具体场景灵活运用，没有最好的分析方法只有最适合的。
#专栏作家#
大鹏，公众号：一个数据人的自留地。人人都是产品经理专栏作家，《数据产品经理修炼手册》作者。