【商業分析】為產品找一個完美指標
本文約1200字,閱讀時間3分鐘。本文轉載自「米妮老師」公眾號文章。歡迎轉載,請註明出處。
引用某管理學大師的名言:如果你不能衡量它,那麼你就不能有效增長它。
商業分析師在面試中經常會被問到如下問題:你會給產品定義什麼樣的成功指標(success metric)?
在Google內部,任何一個產品是有明確的績效考察,也就是所謂的KPI,也就是我們這裡說的成長指標。能否按期完成這個指標,關係著用戶對Google的信心,老闆們的心情,和基層幹部的升官發財。既然指標這麼重要,那麼什麼是一個好的指標的必要條件呢?
好的指標衡量商業價值
對電商,商品購買總額(Gross Merchandise Volume,簡稱GMV)是個非常顯然的成長指標。因為所有電商無一例外的只有一個目的,就是靠多賣東西來賺錢。相比之下,其他指標例如用戶留存率(Retention Rate)雖然重要,但是對電商來說絕對不是最重要的。
然而對於社交功能的產品,比如Facebook,微信等等,每日活躍用戶數量(Daily Active User, 簡稱DAU)非常重要,因為這些產品存在的意義就是成為人們每天社交、打發時間的工具。這些社交功能的產品的收入模式也是以大量用戶長時間、高頻率的使用為前提的。Facebook 通過販賣用戶的注意力來賣廣告,微信則是通過販賣用戶在平台上的粘性來創造附加收入。
但是對於另外一些企業,這個指標(日活量)很有可能根本就不靠譜。我們可以看看LinkedIn的例子。
如果你是LinkedIn的老闆,你可能根本不會去關心網站的日活量。為什麼呢?LinkedIn靠什麼賺錢?這個產品賺錢不是靠流量,靠的是擁有完整profile的用戶的數量。只有這類用戶的數量多了,獵頭和招聘公司才會紛紛趕到,LinkedIn才有錢賺。
所以,如果我是LinkedIn的老闆,我會把公司的成功指標設定為「擁有完整profile 的用戶的數量」。所以,在面試中面對此類問題,我們一定要想清楚此產品到底靠什麼賺錢,哪一個指標最能反映產品創造的價值。
好的指標只有一個
在Google,我們對每個產品都會找一個「北極星」指標。顧名思義,這個指標就應該像北極星一樣,永遠指引著產品團隊行朝著最大化這個指標的方向前進。確定就好一個北極星指標,只要這個指標反映了產品的本質商業價值,那麼團隊就可以專註於產品長期的增長。
互聯網流傳著這麼一個被使用到爛的框架:AARRM。這5個字母分別代表了用戶在產品內部的生命周期。做數據分析的同學們,所有的App(甚至所有互聯網產品)都可以參考這個框架來思考如何選取北極星指標。
- Acquisition:用戶獲取。網站註冊用戶,移動應用裝機數量。產品增長的第一步。這個非常直白,不用多說。
- Activation:用戶激活。傳說中的「用戶第一次體驗到產品美妙「的時刻。在這裡我們需要定義怎樣才算作是「用戶激活」。比如Facebook前期對激活的定義,就是擁有至少7個好友的用戶數量。通過數據分析,Facebook團隊發現如果新註冊用戶加了7個好友,該用戶的留存率會大大提高。這個靠譜,因為Facebook給用戶提供的核心價值就是和朋友社交。只有用戶被激活,我們才認為用戶真正開始使用了產品提供的價值。
- Retention:用戶留存。用戶粘性。來的快,去得也快。只關注新增用戶、不關注流失用戶的商業分析不是好的商業分析。主要的指標就是留存率(Retention Rate)。具體的計算方法呢?4月1號當天新增了100個用戶,如果這100個用戶里在之後的第30天還活躍,那麼我們說4月1號那天的用戶留存率是30%。
- Revenue:用戶變現。又到了收割的季節。這裡可以是用戶直接掏錢購買商品或服務,也可以是產品通過用戶流量進行套現。可用的指標:GMV(商品銷售總額)、購買人數、用戶平均消費(Average Revenue per User,簡稱ARPU)、買家平均消費(Average Revenue per Paying User,簡稱ARPPU)。
- Referral:用戶自傳播。病毒式傳播。我們可以通過計算平均每個已有用戶邀請來的新用戶作為主要指標。
再舉個工作中的例子。在分析A/B測試結果的時候,產品經理有時候會關注10個不同的指標。作為商業分析師,就算其他9個指標都是上升,只要北極星指標下降,同學們也應該毅然否定這個測試結果,並花更多時間去研究為什麼北極星指標會下降。
好的指標定義簡單
好的指標一般來講需要一個非常簡單明了的定義,既直觀(容易向別人解釋),也可靠(便於自己測量)。給一個電商找指標,商品交易總額(GMV)還是投資回報率(Return on Investment, 簡稱ROI)?應該是GMV,因為他直白,他好計算。
有同學會問:難道不用考慮電商的經營成本,比如貨物成本、運輸成本之類的么?這個是完全正確的。但是在真實工作和面試中,如果把所有的因素都考慮進來,那麼問題的維度會變得非常的繁雜,對指標的定義也就變得非常困難。所以,我們在這裡需要遵循2-8法則(用80%的經歷放在20%最重要的部分上),抓住重點。
本文轉載自「米妮老師」公眾號文章。歡迎轉載,請註明出處。
推薦閱讀:
※大概是最全的數據分析平台整理了
※用Python讀紅樓夢之——二、詞雲美化
※看透數據分析本質 | 轉化率從5%到18%,他們做了什麼?
※你們是不是很缺大數據工程師?
※聽說你想學習學習學習學習學習學習學習學習