除了AARRR，指标体系搭建还有新思路！
正如《孙子兵法》所言：“凡战者，以正合，以奇胜。”在数据驱动的商业环境中，如何通过创新的指标体系搭建实现“以奇胜”？本文作者提出了一种全新的思路——从“业务流、管理流、数据流”三个维度出发，构建更贴合业务需求的指标体系。 一提到数据指标体系，很多人喜欢背诵AARRR、RFM一类。可真到工作中，会经常发现很难满足业务需要。比如前几天就有同学在星球提问：用户流失该如何搭建指标体系？ 起因是：某公司定义了用户流失率指标是“连续三个月不消费”，可业务看到这个指标却很懵： 1、知道了用户流失率是30%，所以呢？能干什么？ 2、知道了用户流失要召回，可召回划算吗，值不值得干？ 3、为啥一定要等到用户流失了才干活？不能早干点事吗？ 因此，业务想让数据部门帮忙建一个能辅助决策的用户流失指标体系。该怎么办呢？这里需要考虑三个流程：业务流、管理流、数据流。 第一步：梳理业务流 梳理业务流，即搞清楚：分几步达成目标。有些业务流程是很清晰的，比如销售流程，就是一个大转化漏斗；比如客服流程，根据客户需要，分类处理问题（如下图）： 对用户流失而言，常见的业务流程有： 事前预防：当用户出现投诉/退货，及时安抚 事前预防：当用户消费一个月比一个月少，及时激励 事前预防：当用户1个月/2个月未消费（此时尚未达流失标准）进行刺激 事后补救：利用优惠活动/新品上市/爆款产品等进行召回，尝试重新激活 可以将这些常见流程列清单，然后让业务选：希望从哪个方向下手。如果业务暂时没有想法，我们可以把用户状态如下图分清楚，先统计每一类用户有多少人，帮业务看清：那些人是流失重点，从而形成思路 第二步：梳理管理流 梳理管理流，即搞清楚管理业务的目标，目标可能是多元化的。比如销售流程，有可能有好几种考核方法： 只考核销售额 销售额+毛利 销售额+毛利+回款 销售额+特定产品销量 不同考核方式，决定了指标体系的主指标不同，当然会影响考察哪些子指标。因此搞清楚管理目标很重要。 在流失分析中，很有可能业务不确定，到底流失率多高算合适。此时，可以做一些辅助工作： 1、这些用户流失前的贡献有多大→ 理论上流失前贡献越大，越应该召回 2、这些用户处于流失状态多久→ 理论上流失状态越短，越容易召回 3、这些用户有没有自然回流的迹象→理论上有回流迹象，越容易召回可以先把数据梳理出来，让业务方看一看找找感觉： 帮业务方定目标是很重要的。因为不同难度的目标，采取的手段不一样。比如召回流失用户，如果就孤零零地发条短信，啥好处都不给，肯定很难召回用户。如果给用户福利，那最好给有高召回价值的用户身上。因此，事前做好用户价值分层+过往召回响应的盘点，非常重要！ 第三步：梳理数据流 梳理数据流，即明确业务的目标、业务操作流程是否有数据采集。这一步确保前两步梳理的内容，能落地成数据表报，而不是悬在空中。比如销售流程，传统企业的最大问题就是数字化能力不行，除了最后一步的签约合同，之前啥过程数据都没有，这样只有结果指标，没有过程，很难做深入的分析。回到用户流失的例子，除了流失用户人数这个孤零零指标外，上述两步梳理的内容，最好都有记录（如下图）: 注意！数据指标体系不止有指标，标签也很重要： 流失前用户消费：高消费、中消费、低消费 流失前用户偏好：品类偏好/优惠偏好 流失前用户状态：有投诉、无投诉 对召回行为的响应：有响应、无响应 召回用户素材：优惠类、新品类、换季类 召回用户优惠力度：高、中、低 这些都需要打好标签，才能方便后续的深入分析。 当需要解释：“为什么召回效果不好？““为什么流失增多”这些问题时，直接利用标签对比，就能得出初步答案，从而极大提高数据指标体系的可用性。 理想的效果 理想状态下，一个好的数据指标体系，可以指导业务实现工作闭环，用通俗的话说，是：我想干什么→我要针对谁干→我要怎么干→我干成了没有，全流程都有数据监控。这样在数据的指导下，业务方不断具体到用户流失案例，整个指标体系如下图运作： 这样就不是一个孤零零“流失率35%”的指标，而是可以按图索骥，找到解决问题的思路，追踪效果，可以说能实现用数据驱动业务了。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。
正如《孙子兵法》所言：“凡战者，以正合，以奇胜。”在数据驱动的商业环境中，如何通过创新的指标体系搭建实现“以奇胜”？本文作者提出了一种全新的思路——从“业务流、管理流、数据流”三个维度出发，构建更贴合业务需求的指标体系。
一提到数据指标体系，很多人喜欢背诵AARRR、RFM一类。可真到工作中，会经常发现很难满足业务需要。比如前几天就有同学在星球提问：用户流失该如何搭建指标体系？
起因是：某公司定义了用户流失率指标是“连续三个月不消费”，可业务看到这个指标却很懵：
1、知道了用户流失率是30%，所以呢？能干什么？
2、知道了用户流失要召回，可召回划算吗，值不值得干？
3、为啥一定要等到用户流失了才干活？不能早干点事吗？
因此，业务想让数据部门帮忙建一个能辅助决策的用户流失指标体系。该怎么办呢？这里需要考虑三个流程：业务流、管理流、数据流。
第一步：梳理业务流
梳理业务流，即搞清楚：分几步达成目标。有些业务流程是很清晰的，比如销售流程，就是一个大转化漏斗；比如客服流程，根据客户需要，分类处理问题（如下图）：
对用户流失而言，常见的业务流程有：
- 事前预防：当用户出现投诉/退货，及时安抚
- 事前预防：当用户消费一个月比一个月少，及时激励
- 事前预防：当用户1个月/2个月未消费（此时尚未达流失标准）进行刺激
- 事后补救：利用优惠活动/新品上市/爆款产品等进行召回，尝试重新激活
可以将这些常见流程列清单，然后让业务选：希望从哪个方向下手。如果业务暂时没有想法，我们可以把用户状态如下图分清楚，先统计每一类用户有多少人，帮业务看清：那些人是流失重点，从而形成思路
第二步：梳理管理流
梳理管理流，即搞清楚管理业务的目标，目标可能是多元化的。比如销售流程，有可能有好几种考核方法：
- 只考核销售额
- 销售额+毛利
- 销售额+毛利+回款
- 销售额+特定产品销量
不同考核方式，决定了指标体系的主指标不同，当然会影响考察哪些子指标。因此搞清楚管理目标很重要。
在流失分析中，很有可能业务不确定，到底流失率多高算合适。此时，可以做一些辅助工作：
1、这些用户流失前的贡献有多大→ 理论上流失前贡献越大，越应该召回
2、这些用户处于流失状态多久→ 理论上流失状态越短，越容易召回
3、这些用户有没有自然回流的迹象→理论上有回流迹象，越容易召回可以先把数据梳理出来，让业务方看一看找找感觉：
帮业务方定目标是很重要的。因为不同难度的目标，采取的手段不一样。比如召回流失用户，如果就孤零零地发条短信，啥好处都不给，肯定很难召回用户。如果给用户福利，那最好给有高召回价值的用户身上。因此，事前做好用户价值分层+过往召回响应的盘点，非常重要！
第三步：梳理数据流
梳理数据流，即明确业务的目标、业务操作流程是否有数据采集。这一步确保前两步梳理的内容，能落地成数据表报，而不是悬在空中。比如销售流程，传统企业的最大问题就是数字化能力不行，除了最后一步的签约合同，之前啥过程数据都没有，这样只有结果指标，没有过程，很难做深入的分析。回到用户流失的例子，除了流失用户人数这个孤零零指标外，上述两步梳理的内容，最好都有记录（如下图）:
注意！数据指标体系不止有指标，标签也很重要：
- 流失前用户消费：高消费、中消费、低消费
- 流失前用户偏好：品类偏好/优惠偏好
- 流失前用户状态：有投诉、无投诉
- 对召回行为的响应：有响应、无响应
- 召回用户素材：优惠类、新品类、换季类
- 召回用户优惠力度：高、中、低
这些都需要打好标签，才能方便后续的深入分析。
当需要解释：“为什么召回效果不好？““为什么流失增多”这些问题时，直接利用标签对比，就能得出初步答案，从而极大提高数据指标体系的可用性。
理想的效果
理想状态下，一个好的数据指标体系，可以指导业务实现工作闭环，用通俗的话说，是：我想干什么→我要针对谁干→我要怎么干→我干成了没有，全流程都有数据监控。这样在数据的指导下，业务方不断具体到用户流失案例，整个指标体系如下图运作：
这样就不是一个孤零零“流失率35%”的指标，而是可以按图索骥，找到解决问题的思路，追踪效果，可以说能实现用数据驱动业务了。
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
你的反应是什么？
