本文来自微信公众号 “接地气的陈老师”，作者：接地气的陈老师，纷传经授权发布。

很多同学问：“有没有普遍的、一般的指标体系梳理方法？”

网上常见的指标体系分享，大多是互联网的AARRR一类，现实中情况却很复杂。

普遍的方法当然有，就是基于业务逻辑，梳理指标体系。

从本质上看，数据指标体系有4大类型，针对四个不同的业务逻辑。今天来系统介绍一下。

01

评估型

“这个产品质量咋样?”

“这个活动效果好不好?”

“这个客户群值不值得做？”

这种用数据指标，评价一个东西好/不好的指标体系，即为评估型指标体系。

注意，做评价不一定用数据指标体系，比如产品质量咋样，可以简单粗暴看销售数量。

但只看一个指标会出问题，比如销量好，但利润低；销量好，但口碑差。

评估型指标体系，主要就是解决：单一标准评估有偏差的问题。

因此在构建此类指标体系的时候，重点就是考虑：

1、从多个指标反映质量高低

2、各个指标之间尽量不重叠

3、区分各个指标重要性

4、各个指标的可比较性

评估型指标体系，指标之间关系常常是并列关系（如下图）：

评估型指标体系的难点，主要是考虑问题的全面性和指标数据采集可行性。

这里特别要注意：数据指标可采集性。

很多同学一提到评估，就会随口说：NPS、用户满意度、用户意向之类的指标。

问题是：

1、这些指标打算怎么采集？

2、用问卷的话，能覆盖多少真实用户？

3、用其他指标，能否合理评估情况？

4、意向这种预测指标，到底怎么预测？

如果不回答清楚这些数据采集问题，即使指标听起来很好听，也没法落地，还会找挑战。

02

流程型

“我们的销售情况怎么样”

“我们的生产进度怎么样”

“我们的研发情况怎么样”

这种用数据指标，表示一个流程完成进度、完成结果的，即为流程型指标体系。

这里就包括大家最熟悉的交易流程（漏斗分析）模型。

实际上，只要符合

1、有明确的终点

2、有好几步环节

3、每一步有滚动投入资源

都可以用类似漏斗分析法，构建数据指标体系。

不仅仅是交易流程或者用户留存情况，生产、研发、采购都能这么考虑问题。

只不过在这些过程里不存在每一步衰减，因此不存在漏斗的逻辑。

在这些流程里，考虑的是交付时间、质量、成本（如下图）。

流程型指标体系是四大类里最简单的。

因为流程的环节、终点都很清晰。

目标清晰的情况下，指标体系都容易梳理。

流程型指标体系，最怕的也是数据采集，特别是过程数据采集。

很多toB行业的分析做不下去，就是因为流程指标缺失太多。

03

包含型

包含型指标体系，一般是把一个大指标向下拆解成若干子指标/分析维度之和。

我们熟悉的杜邦分析法就是这个逻辑，把一个大指标向下拆分。

包含型指标体系，一般用于诊断问题。

因为子指标+分类维度，能把问题具体到某个业务部门和动作，所以能更好地发现问题源头，找到解决对策。

但是注意：包含型指标体系的诊断能力，是建立在：“主指标本身能说明问题”这个基础上的。

比如用杜邦分析法的时候，就默认了：“利润”是主要问题。

如果利润不能说明全部问题，而是还要考虑顾客体验、市场份额等等的时候，就不能指望一套包含式指标体系解决所有问题。

需要对每个问题，单独建指标体系，进行解答。

04

影响型

之所以叫影响型，是因为运营动作一般是叠加在正常流程之上的，产生额外的效果。

正常有一个销售节奏，做个活动会额外刺激销售；正常有一个用户留存曲线，做个会员奖励，额外刺激用户多留存一段。

影响型数据指标体系，就是要把：叠加、额外两个点讲清楚。

此时，要考虑的指标复杂一些

1、需要有一套数据指标，反映业务正常节奏

2、需要有一套数据指标，描述叠加动作本身

3、需要有标准，判断业务本身的表现好坏

4、需要有标准，判断额外效果

因此，影响型的指标体系会格外复杂。

比如做一个商品促销活动的指标体系，它需要考虑

1、正常销售指标（商品销售数量、购买人数、金额、；利润）

2、活动的运作情况（活动目标人数、达标人数、奖励领取数，活动本身投入）

3、正常销售走势 VS 活动增量

这里活动增量可能有好几个算法。

比如

1、从时间上看，可以区分有活动/无活动时间

2、从商品上看，可以区分有活动/无活动商品

3、从人群上看，可以区分有活动/无活动人群

但是每一种方法仔细推敲，都有不成立的地方。

因为即使没有活动，商品也有自己的销售趋势（自然增长率问题），很难找到100%相似的商品和人群。

而且商品促销，还可能有透支效应（商品的粉丝用户趁便宜提前囤货，导致后续减少）

所以在构建影响型指标体系时，设定合理的判断标准，异常麻烦，经常会有争吵。

当然原则上，符合业务需要的就是好标准，不见得事无巨细考虑每种效应。

但是要提醒同学们，在这一部分工作的时候格外谨慎，随口说几个指标，会给后续工作带来麻烦。

05

综合运用四类指标体系

以上四类区分，能帮我们梳理清楚思路，应对工作中的问题。

因为在工作和面试中，提问的人很少会主动区分：“到底是啥场景？到底业务是啥逻辑？”

而是泛泛地说：“我要怎么评价这个XX？我要看哪些指标？”

此时，对于数据分析师来说，就得时刻保持清醒

举个简单的例子

“分析一下我们的产品”

“分析一下我们产品的改版计划”

“分析一下我们产品的改版效果”

“分析一下我们产品改版回馈活动”

是四个完全不同的场景，需要的配套指标体系完全不同

同时，是啥产品，也得细看

1、交易型产品：主流程就是交易，促成交易就是最终目标

2、内容型产品：用户行为散，变现形式多，得多角度观察

3、工具型产品：功能是固定的，但用户使用广度、深度有差异

这些都是在构建指标体系的时候需要考虑的要素。

也正因如此，我才推荐同学们，不要试图“熟读并背诵”某几个数据指标。

而是掌握梳理数据指标体系的能力，后续就能以不变应万变了。