一套覆蓋產品方方面面、聚焦產品發展方向的指標體系，基本上是可以解決大多數問題、數據異常表現。所以數據產品經理往往需要一套全面的數據指標體系，那什么是數據指標體系呢？
在從事數據產品的工作中，經常會被pm/運營/效果/商務…丟來一個又一個的問題 產品功能上線怎么沒有預期效果？可以拿哪些位置去做運營？最近出效果的怎么樣？用戶喜歡么？可以用哪些曝光去PR？
面對如此多的問題，如果當我們接收大多問題的時候，才去找數據佐證往往事倍功半，甚至部分數據沒有埋點就只能將這次的疑問帶入下一個版本迭代了。而一套覆蓋產品方方面面、聚焦產品發展方向的指標體系，基本上是可以解決大多數問題、數據異常表現。
本篇文章介紹了通用化app的指標體系。
什么是指標體系呢？
指標體系，在百度百科中的專業定義是：
“由若干個反映產品各方面相對獨立又相互聯系的統計指標所組成的有機整體。”
簡單的說，指標體系就是把覆蓋產品各方面的統計指標系統組織起來。
為什么要建立指標體系呢？
就像引言部分講的，系統的指標體系有助于解決大多數問題、數據異常表現：一個完整的數據指標體系，能夠展示產品的方方面面，其粗粒度的數據表現（異常等），也可以基于細粒度定位到問題的。
e.g.新增變化異常，可以查看各渠道新增變化、買量市場變化等。
如何規劃指標體系呢？
從產品的目標（kpi、戰略重點）為出發點，篩選出能夠完全反映評估目標變化的指標作為一級指標。而對于任一產品，都可以從：規模、健康度、用戶行為、自身質量、用戶屬性、渠道質量、競品數據等6個方面來設計指標體系。
1. 產品規模
產品當前的規模、質量是產品發展至今，產品定位&用戶接受&市場反饋的綜合體現，是一個關鍵的一級指標。尤其是有增長計劃的產品，通常都會以“日活/月活”作為KPI/OKR的衡量指標。
基于用戶屬性拆分為：日（月）新增、日（月）回流、日（月）持續活躍，也可以用日（月）新增、日（月）回流、日（月）持續活躍來預測日活/月活，作為制定目標的依據。
基于商業屬性可以拆分為：日（月）付費用戶、日（月）非付費用戶。
而商業屬性和用戶屬性也可以交叉。
2. 用戶健康度
就像人體檢時，當各項指標均處于正常范圍內，長舒一口氣“自己還蠻健康的”。產品也是一樣，用戶作為產品的核心，只有讓用戶保持健康度，才能夠保持平穩或持續增長。
通常用于衡量用戶健康度的指標有：留存率、活躍度（活躍天數/次數等分布）、用戶粘度（DAU/MAU）可以反饋用戶的活躍程度，反之也表現了流失狀況；不同等級用戶的分布情況則可以監控用戶躍遷過程。
不同產品的監控周期不同：
- 對于高頻產品，留存可以基于日來監控，如：次日/3日后/7日后留存；活躍度、用戶粘度可以基于周來計算；
- 對于低頻產品，留存可以基于周/月來監控，如：次周（月）/3周（月）后/7周（月）后留存；活躍度、用戶粘度可以基于月來計算。
而產品屬于低頻還是高頻，可以通過周活躍天數，來判斷該產品是高頻還是低頻。通常周活躍天數大于3，是高頻產品，反之屬低頻產品。
3. 用戶行為
每一款產品都有自己的主打功能，一定要了解用戶的使用情況、轉化情況，以做相關優化依據。各功能使用情況，以拍照app為例：自拍、美顏、美圖的使用情況，結合自拍/美顏/美圖的效果進行查看，結合不用用戶群體進行查看。
產品的關鍵漏斗，以短視頻類app為例：上傳->（被）曝光->（被）播放->（被）喜歡/評論->（被）關注/分享 的漏斗，也可以結合各用戶畫像維度來查看。
4. 產品質量
此外，還有一種常規指標就是產品質量——是對產品/開發質量的衡量，能夠及時反饋出產品是否屢屢打擾用戶？使用流程是否不暢？是否引起手機出現問題等？
衡量的基礎指標包括：crash率、啟動耗時、頁面加載速度等，視頻播放產品還會有播放成功率、播放加載速度等；產品的下載：安裝率、卸載率、push關閉率也是關注指標。而產品質量大都受到用戶自身的網絡類型、運營商、機型強相關，所以以上指標的維度通常需要細分這三個維度來看。
小結1：以上1、2、3、4是基礎指標，在產品調整方向，發布新功能、活動上線時，選擇以上指標進行實時監控（按小時、按分鐘監控），以便及時確認效果是否如預期&發現版本問題。
5. 用戶屬性
用戶的畫像和終端屬性數據是用來詳細描述用戶的，可以明確使用產品的用戶是什么樣的人群，是各指標拆分的基礎維度。可以指導產品、運營活動的設計方向，如：產品設計的目標是針對25歲以上的成熟用戶，但實際畫像出來發現用戶年齡主要集中在20歲以下，與設計理念不符，就得考慮功能設計是不是有問題，得改變方向。
而各種運營/商務活動，也可以基于用戶畫像&終端維度來分析各個指標，來確認是否達到預期的活動目的。后續也會結合自己的經驗來寫精細化運營的文章，可以作為精細化推薦重要特征。
6. 渠道質量
這部分內容僅適用于獨立app產品，因為獨立app需要通過不同渠道去推廣引導用戶下載安裝，不同渠道的用戶質量差異比較大，所以需要分渠道來監控。而方式主要是基于渠道維度來拆分各指標，渠道質量在新增相關的指標上表現更為明顯。
小結2：以上5、6是拆分指標的維度，可以用于排查粗粒度指標的異常現象。
舉一個例子：新增數量沒有發生變化的背景下，次日留存發現明顯降低。
結合“是否付費”“各渠道”來查看，是否付費/非付費，所有渠道均下降？
如果是付費用戶留存下降，那需要找渠道同學了解并反饋問題。如果普遍下降往往是整體原因，去查看整體指標均有相同趨勢：
- 發現某個時間點（自從xxx功能下線后）各功能均出現相似現象，為了更精準的鎖定問題，解決問題，建議可以做ab測試驗證猜想；
- 沒有時間吻合時間點，但市場上近來出現了強有力的競品。
7. 競品數據
當前市場產品頻頻出新：
- 2016年黃油相機露臉、faceu、無他相機等開始搶占圖片美化類的市場份額；
- 2017年天天p圖軍裝照火爆一時，再次擠壓；
- 2018年抖音的出現讓整個短視頻領域的app都不安穩了。
有效、及時的監測到競品數據有助于我們洞察市場方向、壓力，結合自家優勢及時止損或突出重圍。不過這部分數據通常不易獲取到，大都從第三方獲取，如：極光、易帆等。
整個數據指標體系定下來后，還要確認
- 基于產品的發展階段調整數據指標體系的重點；
- 是否可以執行，是否可以基于“產品當前的數據采集情況”得到，eg：卸載率；
- 是否具有可解釋性，統計邏輯是否可以讓業務同學理解，復雜不可解釋的指標往往會無法定位問題，無法直接詮釋業務變動，容易被遺忘。
此外，作為數據產品一定要注意：
- 數據采集上報需要保證其準確性、實時性等：數據上報不準確，后面做的再好也沒有用，可以了解?埋點的意義
- 數據埋點合理、可拓展：常用的事件模型
- 數據處理過程邏輯清晰、數據透明：數據處理過程
本文為@運營喵原創，運營喵專欄作者。
