干货讲解，数据分析从入门到进阶的关键思维：指标思维( 三 )
如果量化后的数据对我们理解X没有什么帮助,那么我们就得回到第一-步 ,重新澄清什么是X 。
好的指标长什么样
好的指标有以下特点:
1、好的数据指标是比较性的
如果能比较某数据在不同的时间段 ， 用户群体 ， 竞争产品之间的表现 ， 我们可以更好地洞察产品的实际走向 。 “本周的用户转化率比上周高”显然比”转化率为2%''更有意义 。
我们现在的数据大部分都是可对比的 ， 不可对比的数据是哪些呢?
比如一次用户调研 ， 为各个功能的产品体验打分 ， 高5分 ， 最低1分 。 这种数据就不容易对比
2、好的数据指标是简单易懂的
如果人们不能很容易地记住或讨论某指标 ， 那么通过改变它来改变公司的作为会十分困难 。
前不久 ， 一个朋友在交流群里问：过去90日B端用户14天内休眠比例 ， 和B端下单用户次月留存 ， 这两个指标用哪个好？
虽然我并不了解这位朋友的具体业务形态 ， 但是第一个指标很明显太复杂了 。 如果采用了这个指标 ， 遇到的第一个困难就是如何向团队成员解释这一指标 。为什么是过去90天？为什么是14天？
如果要向领导汇报 ， 领导还要花点时间先理解一下这个指标的含义 。
相比之下 ， 次月留存的理解成本就非常低 ， 和团队其他成员沟通完全没有障碍 。 因此我推荐他用更简单的次日留存 。
有些指标虽然可能更“贴合业务现状'' ， 但是复杂的指标不利于团队协作 ， 只有少数人理解的精准指标还不如所有人都理解的近似指标 。
3、好的数据指标会改变行为
这是最重要的评判标准, ， 错误的数据指标会引导错误的业务行为 。 现实中 ， 最常见的导向错误行为的指标是“虚荣指标” ， 即数字看起来很好看 ， 但是实际上对业务并没有什么帮助 。
曾经的大众点评 ， 搞了不少“团购消费后发评论赚积分''的活动 ， 评论数大涨 ， 但评论质量很水 ， 不得不用各种算法把这批低质量评论沉下去 。 这些业务动作的原因是美团的点评数上升很快 ， 大众点评感到了压力 。
而国外的TripAdvisor ， 是旅行行业巨头 ， 在那上面去点评一家酒店 ， 限制必须写50个汉字以上 ， 必须写“标题”与“来访类型” ， 不写 全就不让发 。 这种机制对点评数KPI是多大的伤害啊 。
然而TripAdvisor是全世界最大与最具盛名的旅行点评产品 ， 甩了第二名几百条街 。
可见点评数是一个虚荣指标 ， 虽然看起来点评多了 ， 但是实际上垃圾信息也多了 ， 用户体验反而下降 。
前不久 ， 有朋友问了我如何衡量产品粘性 ， 用留存率还是流失率 。
这两个指标刚好互补 ， 留存率是仍然在使用的用户比例 ， 流失率是不再使用的用户比例 。 从数学意义上来说 ， 知道了留存率 ， 也就知道了流失率 ， 两者的和肯定等于100% 。
那么在业务上 ， 是不是随便用哪个指标都可以用来衡量用户粘性？
要记住,我们选择了什么指标,就会导向什么业务动作 。
留存率更加关心的是 ， 从用户获取的角度综合分析获取用户的渠道方式是否合理 ， 产品用户是否能够增长 。 而流失率则关心为什么有些用户离开APP 。
如果我们选择了流失率 ， 那么我们就更倾向于流失用户的召回 。 可能会选择短信召回 ， 老用户礼包等运营方式降低产品的流失率 。 这些运营动作一旦奏效 ， 就很容易满足于短期运营行为带来的数据优化 ， 失去对产品价值提升的关注 。
如果我们选择了留存率 ， 那么我们就更容易聚焦在更具长期价值的工作上 ， 比如产品的优化 。
如果产品是稳定期 ， 产品形态已经非常固定 ， 每一个现有用户的流失都会有较大的损失 ， 那么流失率就是比较好的选择 。
如果产品还在用户增长阶段 ， 那么留存率可能是更好的选择 。
指标的选择很大程度上取决于业务的需求 ， 一定要找到符合当前业务需求的指标 。
推荐阅读
- 91工控培训|举例讲解 WinCC过程画面的配置
- IT真游瘾|3K价位屏幕谁能兼顾游戏和工作？这篇对比评测有干货
- 外贸小助手|外贸干货 | 让外贸人效率提升200%的小工具
- 自媒体|提升自媒体人运营能力的5个原则，10个工具，非常实用！（干货）
- 大斌看电视|618排行榜之数码篇，大数据分析，数码宅乐购的618数码前3
- AB计划|跨境电商新趋势！独立站shopify建站运营的干货经验分享
- |干货分享：高价值行为模型，用户增长怎么做？
- 细节点教你看懂跨境电商的运营细节（纯干货）
- 干货研报5G时代超高清龙头，大视频赛道二十年资深玩家非他莫属
- 工品行工品行干货分享| 如何降低采购成本？四、工品行一站式采购，降本提效