现阶段互联网发展已经进入精细化运营时代，精细化运营则要求产品能拥有完整、准确且有效的数据。因此为自己的产品搭建一套数据指标体系，对于促进产品和业务增长是至关重要的。
指标能够量化的衡量业务的好坏，评价业务当前情况，为业务的发展提供有效的指引，同时能使团队成员建立共同的目标并为之努力。
为什么需要建设指标体系？
数据指标体系可以帮助企业运营人员更好地梳理、理解业务，发现业务过程中出现的问题，进而推动业务的迭代优化。那么，为什么需要建设指标体系？
1、全面诊断业务现状
没有指标对业务进行系统衡量，我们就无法明确业务现状，也就无法把控业务发展，尤其现在很多业务比较复杂，单一数据指标容易片面化。因此，搭建系统的指标体系，才能全面衡量业务发展情况，针对性地制定业务策略，促进业务良性增长。
2、快速定位业务问题
我们会经常遇到某个指标突然下降的问题，只盯着结果数据是没有分析价值的，这就需要用到一些路径数据。
比如总销售额的减少，就可以看看哪个过程中导致的，是不是前面的EV曝光量减低了，还是既曝光了但点击量却下降了，还是加入购物车的数据下降了，定位到具体的过程后再去分析这个过程最近有没有改动，是产品功能出了问题还是运营活动进行了调整等。
一个完整的指标构建，能够帮企业明确结果型指标和过程型指标的关系。不仅能监控结果数据，更能分析整体事件路径。
通过结果指标回看到和用户行为相关的过程指标，找到解决问题的核心原因。如转化率这种结果型指标，影响它的可能是浏览次数、停留时长等过程型指标，通过指标体系，能清晰明确转化率和和浏览次数、停留时长的关联关系。
3、有效驱动业务发展
运营部、产品部，营销等部门都是促进公司发展的重要组成部分，而这些部门都需要通过数据发现业务上的问题，针对性地提升改进。产品需要通过数据评估版本迭代效果，运营需要通过数据验证运营策略，市场营销需要通过数据洞察用户的消费习惯。通过完整的指标体系和数据分析，可以有效指导各部门的工作，通过数据找到业务当前痛点和瓶颈，以数据驱动找到优化方向，进而实现业绩的提升。
企业当前面临的数据指标应用问题
1、指标应用现状：分析指标散落在各部门和各类管理系统中（各类业务指标、外部监管指标、行业共性指标、基础运营指标、绩效考核指标等）；
2、指标呈现形式：以报表、报告、监管和可视化分析为主；
3、指标体系现状：多个指标并存，存在口径不一致，计算和存储冗余，缺少统一的指标运营分析。
企业在构建指标体系时有哪些误区？
下面我们来聊一聊，指标体系建设中需要注意的误区：
（1）重点核心指标不明确
没有搞清楚当前的业务重点和核心指标，零零散散罗列了很多指标，每个指标都能说明一些问题，很容易让人迷失在各种各样的问题中，而抓不到当前业务的重点，不知道从何下手。这是因为没有和当前的业务重心对齐，为了求全而去罗列指标，却没有抓住主要矛盾，呈现最核心的指标。
（2）业务指标没逻辑
如果不按照业务流程来建立指标体系，虽然指标很多，但是指标之间没有逻辑关系。以至于出现问题的时候，找不到对应的业务节点是哪个，没办法解决问题。
（3）指标没有业务价值
有的指标体系的指标很丰富，但是却没有实际的业务意义，导致指标就是一堆“没有用”的数字，无法在业务中实行对应策略落地。
例如：在销售部门，最关注的是销售目标有没有达成，现在达成了多少，接下来的每天应该达成多少，哪些些区域达成最高，哪些区域达成最低。如果不围绕这个业务目标拆解指标，而是随意把指标拆解为用户年龄、性别，这就与业务没有任何关系，只是为了拆解而拆解。
（4）闭门造车建指标体系
建立指标体系不是1个人能够完成的，需要业务、数据、开发等部门相互之间进行协作，共同讨论确认的，一个人闭门造车建立的指标体系很容易和业务脱节，也很容易难以落地。
业务部门会不断提出新的业务需求，如果业务部门认可数据部门做出的分析报告，并希望以后可以随时查询到相关的数据，那么数据部门会把数据产品化，也就是协助开发部门把数据产品做进公司后台系统，一般形式就是报表，日常工作中，业务部门、数据部门、开发部门部门都是紧密合作，共同完成一个。
那如何构建业务型指标体系？
一般我们在搭建指标体系时，会用到OSM模型、AAARR模型、UJM模型、MECE模型这几个模型。
OSM模型是指标体系建设的指导思想，理解业务KPI是OSM模型的核心；制定行动策略是实现业务KPI的手段，而AARRR和UJM模型是实现策略制定的方法论；制定细分指标是评估业务策略优劣的方法，而MECE模型制定细分指标的方法论。
1、根据OSM模型构建整体框架，明确业务目标。
构建指标体系的第一步，需要明确当下业务的目标是什么，找到核心指标作为我们的一级指标。例如我们当下的业务目标是增加营收，对应的核心指标就应该是总营收GMV。
2、根据AARRR或UJM模型拆解用户达成GMV的路径。
明确了核心指标或者一级指标是GMV，接下来就要对业务过程进行拆解，影响到GMV的各个环节是哪些？我们知道，用户到最终付费贡献营收一般需要经历以下完整过程：注册产品→登录产品→商品曝光给用户→点击商品浏览详情→收藏加购→成交转化。这样一来我们就把核心指标对应的中间过程梳理出来了，同时，针对每个中间过程，我们也有对应的策略，比如在注册环节，我们可以通过广告投放和优惠激励的形式进行拉新，提高注册量等。
3、根据MECE模型对GMV达成路径的每一个指标进行拆解，实现指标分级治理。
前面两个步骤，首先我们明确了业务目标和核心指标；然后，我们将业务目标的中间过程进行了拆解，并给出对应的策略；接下来我们需要对这些中间过程建立指标，并向下进行逐层的拆解，这个过程我们称为指标体系分级治理，用到的模型是MECE模型。MECE模型的指导思想是完全独立，相互穷尽，根据这个原则拆分可以逐层细化，暴露业务最本质的问题，帮助我们快速地定位业务问题。
举例：
我们以（AARRR）模型为例，这个模型对应用户与平台互动的五个阶段：
Acquire（拉新）- 企业从各个渠道/触手将潜在用户吸引到自己的平台上，此时企业会比较关注渠道的质量，例如渠道曝光、点击数量、渗透率，渠道落地页的浏览次数、人数以及渠道ROI、单位获客成本等。通过这些指标，企业能够看到哪些投放渠道性价比最高，从而加大这一渠道的投放力度；发现某一渠道带来的用户质量较差、投入大量成本仍不能够带来很多收益时，可以通过观察渠道相关的数据，并且与自然流量的相关数据进行比较得出结论，到底是渠道带来的用户质量太差还是落地页的设计不够吸引用户继续与平台互动。
Activation（激活）- 新用户被吸引进来后会在平台上进行一系列操作，例如浏览、点击等，对这个平台有了初步的认知。在这个阶段，企业可以关注用户在平台上的操作行为相关指标，例如浏览页面次数/用户数/深度/时长，注册转化率，收藏、搜索相关指标等。
Retention（留存）- 对这个平台有强需求的用户会持续不断地进入平台进行操作，此时企业可以看平台留存率，功能留存率，复购率等指标。功能/平台留存率更偏向于产品的优化与迭代，复购率则是运营同事会去关注的指标。
Revenue（转化）- 用户在平台上作出进一步转化的行为，例如电商场景中的购买，社区平台上的发帖，直播平台里的开播/打赏等，不同行业看的指标不同，但是大体可以分为转化次数/人数/转化率/客单价等。
Referral（分享）- 忠实用户（类似于KOL）不仅自己会经常使用某个平台，还会将其分享/推荐给其他的用户。此时企业可以看活动/页面分享人数、分享率，还可以看裂变k系数（平均一个活跃用户会分享给多少个潜在用户）。
写在最后
指标构建方式也可以多种多样，但原则一定是结合着业务来进行，因为指标体系最终一定是指导业务，帮助业务发现和解决问题，脱离了业务的指标体系只能是纸上谈兵，毫无意义。
作者：诸葛君
来源：诸葛io数据教练