导语 | 产品数据通常用于衡量产品健康度、帮助定位和解决问题、对用户进行分层运营、衡量产品收益以及挖掘产品指标提升关键点等。本文是对产品数据体系的初步介绍，希望帮助新手产品、交互、体验设计师们掌握产品数据规划，用数据驱动产品迭代，形成体系化认知。
数据指标基础概念
1. 数据指标是什么
定义：对于一个数据的量化，一般通过对字段进行某种计算得到(比如求和、平均)在原始数据的 基础上，通过统计汇总，加工处理形成的用于表征业务活动好坏优劣的数据。
数据指标通常由三部分组成：
- 维度，指评估产品的视角，从不同的维度评估产品的方式是不同的。
- 计算方式，指统计的方法，举一些生活的例子，我们常听到或调侃朋友的话语，例如有人问你有没有对象，有些人是直接没有，有些同学可能是生态园没有，又或者是今天没有的，这些都是统计方式的不同。
- 数据，即数据+加上计算单位，顺着刚才的例子就是，我们一般在新同学介绍会问过有没有对象之后，会跟着问有几个的，说明数值也是很重要的维度。
好的数据指标特点：
- 可比较性：能比较不同的时间段，用户群体、竞争产品之间的表现。
- 简单易懂：容易被记住和讨论
- 比率优先：产品看的数据最好是比率，而不是绝对值
- 改变策略：最重要的评判标准，随着指标的变化采取相应的举措。
稍微解释一下可比较性、比率优先两个特点，比率是天然有可比较性的，而跟一般数值对比的区别在于，比率比率会更加注重过程、质量等。然后这些特点里面最重要的是，好的指标发生变化时，产品是可以采取相应措施去改善的。
2. 指标体系是什么
定义：一系列指标的有序结合，数据指标通常较为零散，指标体系可以全面、简洁明了地反应业务状况。
比较常见指标体系会把指标分为三个层级，一级指标是产品目标层面指标，二级指标主要是产品策略相关指标，可理解为一级指标的实现路径，三级指标是业务执行层面指标，跟二级指标的区别在于三级指标对二级指标进行了拆解，并且会可执行落地动作。
常见的指标类型
指标类型的划分，有一定的主观成分，这里介绍三种常见的指标划分方式。
第一种，是按照用途划分，可以划分为运营效果类、用户体验类、产品特性类、推广渠道类、性能指标类。
- 运营效果类，价值产出、产品规模、用户活跃层面的指标。例如：收入、活跃用户数、使用频率。
- 用户体验类，从产品各入口，各设置方式，各排列方式等体验，交互的角度来观察产品设计。例如，各种环节转化率。
- 产品特性类，统计和产品功能特性相关数据，促进产品改善。例如，腾讯问卷的创建量、答题量;QQ 音乐的切歌率。
- 推广渠道类，主要是衡量渠道效果，渠道转化率、贡献占比等。
- 性能指标类，这个会比较偏向技术侧，常见到有并发数、接口耗时等。
第二种，是按环节划分，可以分为过程指标、结果指标。如果要看产品、运营活动的好坏，一般会直接看结果指标，但需要改进它们就会用到过程指标。类似活跃用户数等，部分指标即可以是过程指标，也可以是结果指标，具体是看你以什么为目标进行体系建设的。然后还有像总用户数、GMV 这种累计指标，通常是公司用于对外宣传和公关使用的。
第三种，按属性划分，可以氛围用户数据类、用户行为类、产品数据类。
- 用户数据是用户的基本情况，如不同颗粒度的新增用户、活跃用户、留存情况等。
- 用户行为是记录用户的行为，访问相关的 PV、UV，传播相关的转发率，其中这里主要讲一下 K 因子这个指标，又称为病毒系数，用来衡量推荐效果，每个发起推荐的用户带来的新用户数。
产品数据类则包括了通用的营收相关，以及自身业务相关。
如何指导业务迭代
1. 了解北极星指标
北极星指标应该是大家比较常听到的指标，寓意是像北极星一样指导公司、产品前进的方向，制定的时候最好符合 smart 原则。 通过关注北极星指标以及有限的周边指标，可以有效的帮助业务迭代规划。
好的北极星指标特点：
- 传递价值，能反映产品的用户价值、商业价值;
- 易于理解，不太需要过多解释，就能相互交流和使用;
- 用户活跃，与用户行为相关，能够反应产品的用户活跃度;
- 非滞后性，具有先导性，非滞后指标，反映产品经营现状;
- 可操作性，能够被拆解成更细的指标，来指导产品规划、执行。
Ps：指标好并不完全代表产品发展的很好，更多是监测作用，不应该盲目围绕其开展工作。实际开展业务的时候，也需要常常思考业务会遇到什么问题，能不能通过指标进行预警。
2. 围绕生命周期选择北极星
这里推荐一种围绕产品生命周期选择北极星指标的方法，产品生命周期可以分为启动、成长、成熟、衰落四个循环，产品通常要先确认自身产品处于生命周期的哪个阶段，通过了解对应阶段产品的关注点、常见操作策略，从而进一步选择合适的北极星指标。
启动阶段的产品通常是源于发起人的业务洞察，可能是一个伟大的想法，但这个需求是不是真的呢?我们需要通过一个 MVP 版本的去验证猜想，关注产品是否能够满足用户的需求，这个阶段北极星指标通常会选择能够表征目标用户的留存。
具体选择的时候考虑对用户群体进行细分，选择发力点最大的地方作为阶段北极星指标，一个简易公式可以是，整体用户留存等于新增用户留存+老用户留存，这三者的区别在于整体用户留存是最终的结果，新增用户会更具有对比性，体现在可以通过不同时间周期内的新用户留存去衡量近期产品的迭代是否产生了好的影响。老用户可能会由于已经习惯了，从而表现出相对稳定性，一般来说，新增用户、整体用户留存会更合适作为北极星指标。另一个需要考虑点是业务形态对指标颗粒度的影响，一般会取决用户习惯，高频业务可能会优先日粒度的留存，低频的则会选择周留存或者月留存。
成长阶段，产品的重点是拉新，寻求体量上的成长，以及探索商业化变现，关注产品流量的增长，这个阶段通常会选择产品的活跃度指标作为北极星指标。
常见有 DAU\MAU、活跃率、在线时长三种活跃度指标。其中，活跃率和 DAU、MAU 的区别在于，产品活跃数评估的是产品的市场体量，活跃率评估产品的健康度，一款产品用户数绝对值可能很高，但活跃率由于整体注册用户的体量更大，而不够健康。选择标准在于产品的市场增长空间，增长空间大的通常会用 DAU、MAU 等指标。在线时长则会更适合 killtime 产品，例如抖音、腾讯视频等等。这个阶段需要注意的是，活跃度作为北极星指标监控，不是为了逼用户天天来戳一下，而是为付费、转介绍等提供稳定的支持。
成熟阶段，产品的市场价值、用户规模均已过了增长期，进入稳定的发展阶段，产品在这个阶段通常会关注提高用户活跃度，保证产品留存的情况下，确保产品付费转化稳定增长，所以北极星的指标会优先选择付费相关指标。
营收有一条基础的公式，营收等于流量乘以转化率乘以客单价 Arpu 值，基于这个基础公式可以做很多变形，选择北极星的时候会从公式找到变动、提升空间大的点。举一些例子，某音乐产品的商业化，是选择新会员数作为北极星指标，原因在于国内音乐市场付费渗透率只有 5%，而对比美国音乐市场 50%付费率，有近 10 倍的提升空间。
衰退阶段，产品特征是用户需求逐渐减退，市场竞争趋于缓和，产品会更多考虑退出新的产品、服务，让老的产品为新产品引流，常见行为是减缓衰退，开展新的用户场景验证，重点在于新的增量市场，北极星指标会优先考虑新场景相关的指标。相当于是开启了一个新的循环，去验证新产品、新场景能否满足用户需求。
3. 拆解指标的方法
主要介绍一下三种拆解指标的方式，分别是按业务策略 OSM、增长模型或者是业务主要参与者关系进行拆解。
业务策略 OSM 模式，主要是根据业务目标、业务策略、和业务度量进行拆解，整体逻辑是，目标是 What，是什么，业务策略是 how，具体怎么做，业务度量是 which，具体是哪些指标。
举个例子，我们对某产品的北极星指标进行了拆解。某产品的北极星指标周活跃产品数，等于新接入产品加上活跃产品留存加上沉默用户激活。我们对沉默用户目前是处于接受现状，没有采取促活措施，所以大目标拆成了两个小目标，提升新接入产品以及提升老活跃产品留存。策略上，针对目标 1 是通过影响力提升自然流量以及渠道拓展，重点进行衡量是，官网流量的转化评估，从访问、创建、接入，以及渠道质量的评估，包括流量分布、转化率。而在老活跃产品留存上，主要是改善产品体验来提升用户留存，主要看的指标是活跃用户数的持续跟踪，以及细分用户维度留存情况。
第二种方法是按照增长模型进行拆解，AARRR 海盗模型大家应该比较常听到，主要是获客、激活、留存、收入、推荐这些，这个模型是 07 年提出，这么多年随着环境的变化，逐步演化出了 RARRA 模型，造成这种变化的主要原因是以前处于互联网流量红利时代，获客成本相对较低，所以会选择让用户进来再转化，而现在随着获客成本的升高，倾向于先做好用户留存运营，避免拉新成本的浪费，再拓展用户盘子。具体模型选择上，更多是合适的问题，选择跟自己业务相对契合的模型开展工作。
举个例子，网课平台收入可以拆解为付费用户数乘以客单价，付费用户可以进一步拆解为新用户加老用户，新老用户分别拆为流量乘以转化率，老用户数乘以续费率，老用户又可以向其他人推荐形成闭环。最下方的四个指标，分别对应着拉新、激活、留存、收入。实际的网课业务可能更加复杂，每一个维度可能对着好几个指标，需要在业务上灵活应用。
第三种方式按照业务主要参与者关系进行拆解，这种方法通常适用于平台型产品，产品的用户既有供给方，也有 C 端用户。拆解指标的时候围绕双方关系的边或点，按照 OSM、或者增长模式做进一步拆解。
例如，打车软件可能是大家接触较多的双边市场案例，乘客打车，需要完成下订单、付款、评价司机等，司机提供接送服务给乘客，期间需要接送乘客、收款、评价乘客，体现供需双方关系的指标是客单量，而司机侧影响这个指标可能是服务时长，乘客侧则是打车体验，可以分别再做进一步拆解。外卖类业务，则是典型的三边市场，涉及商家、骑手、用户，围绕成交订单/GMV 等建立关系。
部分内容来源于公司内部课程，仅供参考
参考课程：
- 《产品数据运营规划》
- 《北极星和卓越指标体系搭建-决策篇》
- 《数据指标体系》
- 《增长黑客》
作者：pikarzhan TEG 用户研究与体验设计部鲁班工作室产品策划
原文地址：https://www.uisdc.com/product-data-planning-guide
