报表开发的三个重要思路（指标篇）
前⽂报表开发准确应该说是“报表开发的流程”，即报表开发的需求处理流程，本⽂关注点在于设计报表时需要关注的指标体系。
本⽂主要讨论报表指标设计的主要思路：
•Why 明确报表的⽤途，谁看？对⽅关⼼什么？对⽅怎么使⽤数据？
•What 报表的结构，指标结构有哪些注意事项？
•How 指标拆解的⽅法，分为“⾃上⽽下”和“⾃下⽽上”两种⽅法；
1 报表的⽤途
抛开报表的最终呈现形式，报表并不是要让数据看起来很酷炫，或者看起来只是“表”。不妨把报表看成PPT报告的另⼀种形式(⽂字⽐较少，数据会相对更多)，这样就能理解报表的核⼼是“讲故事”，⽽不是“秀数据”。
假设你现在运营⼀家⽹络店铺，那么你可能关⼼的信息有：
今天进店多少⼈，有多少⼈下单，客单价多少，销售额多少；
为了知道数据上反映的业务好坏，你还需要到“参照点”来对⽐，⽐如：
•你想知道过去⼀个⽉每天的交易趋势如何，这样可以判断今天的店铺交易是上升还是下降，如果交易发⽣波动，你想知道是周期性现象，还是说进店客流减少或者商品库存不⾜等；
•即使发现交易上升也不能放松警惕，你还想知道竞争对⼿们的境况如何，可能隔壁⽼王家的店铺交易甩了你好⼏条⼤街，到和“竞品”的差距后，你更清晰地了解⾃⼰处于市场中的什么位置；
接下来，你可能会想⼀些办法来提升店铺交易，⽐如：
a. 购买⼴告服务，为店铺带来更多的新客；
b. 发掘爆品，促进⽤户的活跃，以带动店⾥的其他商品销售；
c. 搞各类活动来提升交易，⽐如搭配促销、N件8折、满额抽奖、随机福袋等；
d. 按照价值⾼低对⽤户细分，然后针对性地运营，⽐如新客⾸单优惠，设⽴店铺会员，不同等级的会员优惠⼒度不同等；
上⾯4个想法都需要额外增加成本，你需要数据来判断多花的钱是否值得：
a. 店铺的⼈结构如何，哪些⼴告渠道和店铺的⽬标⼈吻合度⾼，不同⼴告渠道的质量参差不齐，试过⼀些渠道后，你可能还需要从中挑选⼏个长期合作，那么你需要评估渠道的质量；
b. 哪⼏个商品销量最好、单品的利润⾼？新客喜欢买什么？⽼客喜欢买什么？
c. 这些活动真的对交易带来提升了么？⽐如投⼊产出⽐如何，⼈均净利润如何，不同商品在不同活动上的响应效果如何？
d. 每类⼈的交易表现是否有提升？新客转化率提升了？客单价提升了？⽼客复购频率增加了？流失减少了？
报表在⼀定程度上可以回答上⾯的问题，以“业务问题导向”的报表需要关注⼀下⼏点：
•谁看报表数据？不同的职能、不同的业务线KPI也不⼀样，关注的点也不⼀样。
•对⽅关⼼什么？部门⽼⼤、产品、运营等关注的数据的维度和颗粒度是不⼀样的，⽐如产品可能会关注哪个产品环节转化有问题？ABTest结果表明哪种⽅案更好，如果全量放量能提升多少KPI？
•数据⽤来做啥？有⼈关⼼业务进展，有⼈关⼼活动效果，有⼈关⼼产品流程等，常见的关⼼问题⽐如——现在做得
•数据⽤来做啥？有⼈关⼼业务进展，有⼈关⼼活动效果，有⼈关⼼产品流程等，常见的关⼼问题⽐如——现在做得如何？距离⽬标多远？有没有什么做得不到位的地⽅？提升KPI的⽅案效果如何？
这⼏点也是在报表需求沟通时需要注意的。
明确了报表要解决的业务问题，那么问题对应的指标也就有了限定范围。
< 报表⽤来评估渠道质量，那么就要看哪些指标与其相关，流量、费⽤、转化率、带来的收⼊等
< 关注新客的留存，横向看不同产品和运营策略的效果对⽐，纵向看不同时期进⼊的新客留存率是否存在较⼤的差异，然后对标留存效果好的场景，出留存率⾼的因素，后期可以作为备⽤策略；
< 关注产品的转化，可能要看产品环节上关键页⾯的访问转化漏⽃、停留时间、跳出率等；
2 报表的结构
报表可以看做多个指标有结构的组织，并以适当的形式进⾏展⽰。
指标是报表的“原料”，需要利⽤这些”原料“按业务逻辑组织起来，需要注意的点：
•业务逻辑导向，报表关注的问题不同，选取的指标和结构就不⼀样，⽽不同的“故事”，呈现的逻辑也不⼀样；
•从宏观到微观，产品⽣命周期 > ⽤户⽣命周期 > 产品转化流程，不同产品周期下关注的指标不⼀样，产品的转化流程是最细节的；
•指标要有”总-分“结构，先报告整体情况，再报告细类情况；
2.1 业务逻辑导向
业务逻辑导向是指⽤指标还原业务场景，同时报表在内容上要在指标顺序上和业务的认知保持⼀致。也就是说在数据的呈现上要有优先级：⼀般先总后分，重要的核⼼数据排前⾯，转化流程中建议“从头到尾”，先关注当前再关注历史，先关注主要成分再关注次要成分。
< 我们优先关注的是新⽼客的分布，那么对应新⽼客的指标应该是靠前的;
< 涉及到转化率的时候要按顺序还原相关的主要产品环节；
2.2 从宏观到微观
产品⽣命周期 > ⽤户⽣命周期 > 产品转化流程
不同的产品周期关注的指标不同，⽐如：
•引⼊期，在于导⼊种⼦⽤户验证产品价值和业务模式，产品上关注产品价值是否切合⽤户需求，产品设计上是否有硬伤，运营上更关注“留存”(留存不好的情况下，拉新再多也会“漏掉”)
•成长期，在于扩⼤⽤户规模，前期⽤户留存情况好，运营上注重拉新和活跃；
•成熟期，收割时刻，提升⽤户的变现，拓展产品的边界，扩⼤业务范围和⽤户黏性，尽可能延长产品⽣命周期和⽤户⽣命周期。
•衰退期，市场环境已经发⽣变化，这个时候不仅要看内部情况，还要关注市场的竞品，如果⼤家的数据都往下掉，说明市场正在萎缩，成熟期的产品是“现⾦⽜”，衰退期的产品是“瘦狗”，可能需要开发新的产品，把旧有的⽤户导⼊到新的产品中。
⽐产品⽣命周期更细化的层级是⽤户⽣命周期和产品流程，如前⽂从⼊门到放弃(从个⼈经历谈⽤户⽣命周期)所述，不同⽤户⽣命周期下的⽤户有不同的⾏为模式(也意味着带给产品的收益不同)，在这种思路下更多地要考虑怎么引导⽤户从低价值状态进⼊⾼价值状态(e.g.⽤户激励体系，运营活动，提供⾦额优惠等)。
开发一个平台需要多少钱
在产品流程上，我们需要知道不同⽤户使⽤产品的典型路径是怎样的，⽤户在产品中如何决策，哪些⾏为指标可以反映出⽤户的决策偏好。对⽤户的理解是产品和运营“定向引导”⽤户的前提(通常对to C类的产品有效)。通常关注是否降低了⽤户的使⽤门槛、让⽤户更顺利地决策、最终是否满⾜⽤户需求以及体验如何。
2.3 从整体到细分
细分的⽬的主要是对⽐和诊断。
细分的常见两种⽅式：
•转化环节上的细分，类似鱼⾻图那样对主⼲环节拆分为枝⼲，再细拆，通常产品分析上⽤得更多；
•并列分组(可以嵌套)，类似于“MECE”原则，将整体数据拆分为不重叠的细类，各细类之和即为整体，⽐如⽤户拆分为新客⽼客(或者按会员等级、⽤户价值、年龄段、地区等⽤户属性)，来源终端可以分为appwebwap等(或者不同的⼴告渠道)。细分的维度可以参考本⽂第3.2节中提到的“4WP”(⽤户、时间、地点、事件、产品5个维度)。
细分的颗粒度并不是越细越好，通常满⾜业务诊断所需的最⼩颗粒度即可。
经过细分，原来表⽰整体的⼀个数值，可以在横向上按转化流程或者乘法因⼦进⾏展开，或者纵向上按不同的细类展开，这样就成了⼀张表(如下图)。
另⼀个关于报表展⽰的问题是可视化，这⾥推荐⼀些书籍：
•⽤图表说话：麦肯锡商务沟通完全⼯具箱，Gene Zelazny，清华⼤学出版社，主要内容讲商务场景下选⽤什么图表，以及优化⽅案；
•数据之美:⼀本书学会可视化设计，Nathan Yau，中国⼈民⼤学出版社；
•鲜活的数据：数据可视化指南，Nathan Yau，⼈民邮电出版社；
•Storytelling with Data: A Data Visualization Guide for Business Professionals，Cole Nussbaumer Knaflic(中译本为：⽤数据讲故事)；
•写给⼤家看的设计书，Robbin Williams，⼈民邮电出版社
•Excel图表之道，刘万祥，电⼦⼯业出版社，⼯具不重要，⽅法更重要，学习优秀的商业图表(经济学⼈等期刊杂志)也是可视化精进的⽅式之⼀；
3 指标的拆解
指标的拆解分为两种⽅法：
•⾃上⽽下的⽅法，基于业务和数据的理解，对⾃变量X和因变量Y(KPI)下操作性定义；
•⾃下⽽上的⽅法，类似于搭积⽊⼀样，将基本的指标组装成指标体系；
3.1 ⾃上⽽下的⽅法
⾃上⽽下的⽅法涉及到两个重要的课题：
1.对模糊的业务概念进⾏量化定义；
2.对关键指标的拆解；
对模糊的业务概念进⾏量化定义就是“操作性定义”的过程。
操作性定义，⼜称操作定义，是根据可观察、可测量、可操作的特征来界定变量含义的⽅法。即从具体的⾏为、特征、指标上对变量的操作进⾏描述，将抽象的概念转换成可观测、可检验的项⽬。从本质上说，下操作性定义就是详细描述研究变量的操作程序和测量指标。在实证性研究中，操作性定义尤为重要，它是研究是否有价值的重要前提。
⽐如现在要定义“价格敏感客户”，可以考虑这类⽤户的关键⾏为：
•筛选商品时使⽤“价格按从低到⾼排序”功能的频率；
•筛选商品时使⽤“价格按从低到⾼排序”功能的频率；
•是否有“⽐价”⾏为，可能访问商品详情页的时候跳出转⽽访问其他⽹站，不久后有再次访问同⼀商品；
•对优惠的偏好，e.g.凑单参加活动，只在(或者⼤多数时候)⼤促的时候才下单，或者过往订单中，优惠⾦额占该⽤户总交易⾦额的⽐例较⼤；
“操作性定义”的能⼒需要分析师熟悉业务和⽤户，且能很好的将业务语⾔“翻译”成技术语⾔，这样才能较好地将模糊的业务指标映射为数据指标。
对指标“⾃上⽽下”的拆解，常见的思路有两种：
•计算公式拆解；
•业务环节拆解；
3.1.1 计算公式拆解
常见的形式有连乘和加权组合两种。
连乘公式中多涉及转化率。
< GMV = 访客数*下单转化率*⽀付成功率*出仓转化率*客单价
< 活动实际参与⼈数 = ⽬标⽤户数*活跃率*领取率*可⽤率*使⽤率
拿⼀次站内优惠券发放活动来说明，先是圈定了⼀定数量的⽬标⼈，然后push消息或者短信通知(或者活动信息只对该体⽤户可见)，最初筛选的这⼀批⽤户就是“⽬标⽤户”，但是⽤户即使收到通知也不⼀定会访问产品，中间还有⼀
层“活跃转化率”，⽤户真来了也不⼀定对这个活动感兴趣啊，如果感兴趣⽤户会领取优惠，就会涉及“领取率”，有些优惠券都是有门槛的(⽐如满100减10)，但是不是所有⽤户都会达到优惠券门槛的，有的⽤户会去凑单，但有的不会，所以还有达到使⽤条件的“可⽤率”，达到可⽤条件了就⼀定使⽤么？不⼀定，⽐如⽤户到达收银台⽀付的时候有了优惠券，但是此时还有其他“竞品优惠”(⽽且通常优惠不叠加)，⽐如收银台出现使⽤XXX信⽤卡打折等，甚⾄有些价格敏感的⽤户发现即使在该平台使⽤了优惠券，还是不如另⼀家平台便宜，然后直接弃单。
注意：针对活动的转化分析时要注意区分哪些是“⽤户主动”和“平台⾃动”，因为有的活动是平台直接往⽤
户账号上发放优惠券，就没有“领取”的动作以及对应的“领取率”。
加权组合则涉及细分类⽬，⽐如各渠道贡献的访问流量、不同类型⽤户带来的交易占⽐等。
< 客单价 =
，这⾥c表⽰商品i的数量，p表⽰商品i的价格，那么要提升客单价可以参考这个公式，可以调整商品价格、提升单品销售量、扩充商品品类等。
调整价格⽅⾯，可以针对不同⼈、不同地区差异化定价，或者提供不同的产品“版本”(每个版本差异化服务)，⽐如印象笔记的个⼈付费版就有“标准账户”和“⾼级账户”，
截图来⾃印象笔记官⽹
如果要促进⽤户多多地买，可以参考下图
3.1.2 产品流程
产品流程可以简单理解为典型⽤户使⽤产品的典型路径。
需要注意3⽅⾯：
需要注意3⽅⾯：
1.产品的主要业务类型是啥？⾯向的⽤户是C端还是B端，卖的产品和服务是啥，e.g. 京东上的⽣活⽤品和电器，唯品
会的服装、美妆，国美主要卖家电，⾖瓣、知乎等是信息平台；
2.产品的⽤户⾓⾊有哪⼏类，e.g.出⾏平台上的⾓⾊可以分为司机、乘客，电商平台可以分为卖家、买家等，信息平台
上可以分为⽣产者、传播者、消费者等；
3.不同⽤户⾓⾊使⽤产品的流程是怎么样的？e.g.出⾏平台、外卖平台上的供需两⽅的操作流程显然是不⼀样的；
梳理流程图时要注意⼀些关键要素，可以参考《商业模式画布》(如下图)，或者也可以⽤关键字“业务逻辑图”在百度上搜索图⽚，有很多案例的，因涉及版权，这⾥就不贴⽰例的流程图了。
注：《精益数据分析》中也提供了常见业务模式的流程图
商业模式画布
此外，还可以结合以往的分析经验、请教产品和运营的同时、处理数据波动归因的发现、他⼈的分析⽂章等⽅法到其他影响因素。
对于影响因素可以按可控性、稳定性两个维度分类。
•稳定是指已经得到验证的假设。简单划分某⼀因素x对Y的影响效果，可以考虑⽅向性，⽐如正向关联或者负向关联，正向关联可以理解为这个因素x的取值越⼤，Y就越⼤，⽅向是定性的分析，更精细的定量分析要考虑x和Y的明确“函数关系”——x改变多少量会带来Y多⼤的改变(准确来说应该是Δx和ΔY的关系)。
•可控是指可以通过产品或运营的⽅法来引导⽤户的认知和⾏为，进⽽改善关键指标，这些因素背后对应着可以操作(改变/驱动)的⾏为。
不同类型的影响因素的应对策略(仅供参考)：
•稳定&可控因素的作为产品和运营的长期策略，
•不稳定&可控的可以作为短期策略，可能需要细化颗粒度以及迭代测试来发现和验证因素和指标的关系的稳定性。•稳定&不可控很可能是⽤户的因素或者市场环境，通常具有时间周期性的，e.g.节假⽇⽤户的活跃下降、春节期间某地区的出⾏订单⼤量减少，不同出⽣年代的⼈在不同app上的活跃占⽐不⼀
样，占⽐也会随着时间缓慢变化。•不稳定&不可控的因素，通常是偶发外部因素，e.g.竞品的市场活动、突发舆论事件等，通常做到定性解释，这部分的因素通常都⽐较复杂。
3.2 ⾃下⽽上的⽅法
这是笔者总结的⽅法，类似于搭积⽊⼀样，将基本的指标组装成指标体系。
常见的分析指标都是由“维度”和“计量”组合的。可以把“维度”理解为分类变量或者标签，⽽“计量”就是统计数值(也可以
把“维度”看作是对“计量”的修饰词)，⽐如：
•DAU，⽇、活跃、⽤户、数量，其中【⽇、活跃、⽤户】就对应【时间、事件、⽤户】3个维度；
•PV，页⾯、浏览、数量，【页⾯、浏览】对应【产品、事件】2个维度；
•UV，独⽴访问⽤户数，【事件】维度下的计数；
当然，“复合指标”也是可以拆解的，⽐如：
•页⾯转化率，页⾯B访问UV/页⾯A访问UV
•“复购”和“留存”本质都是在⼀段时间内发⽣第⼆次关键⾏为的⽐率；注意：复购可以针对“⽤户”，也可以是“平台”、“品牌”、“品类”甚⾄某SKU，⽐如“⼆次续费会员”，这个会员就可以看做⼀个SKU
对常⽤的指标进⾏梳理后，整理出来的基本维度(dimension)有：
•时间 When

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。