5張圖,搭建資料指標體系

講資料指標體系的文章很多,但一堆指標之間的關係到底應該怎麼看?本文詳細分析了指標分析的常見問題、解題思路、如何認識問題等等,感興趣的小夥伴快來看看吧!

5張圖,搭建資料指標體系

講資料指標體系的文章很多,經常是開篇一句:網際網路指標體系……,下邊幾百個指標blabla洶湧而出。搞得很多同學很暈菜:這麼多指標,實際中到底怎麼看?今天系統講解一下。話不多說,直接上場景。

場景:某影片APP內容運營,每天會固定輸出遊戲主題節目,節目以介紹遊戲為主,目前暫無帶貨環節,也沒有其他KPI考核,就這麼先做著。

每一個影片,有:播放次數、播放人數、人均播放時長、會員觀看數、10%/30%/50%/90%播放完成數、單個影片釋出後首日至第七日每日播放資料。還能分成:僅PC端播放、僅移動端播放,PC+移動端播放……同時由於是自己的平臺播放,所以能統計到每個使用者站內其他影片瀏覽行為。

問題是:這一堆指標有啥關係?該咋看?

一、常見問題

一聽指標體系,很多同學會直接把一堆指標鋪出來:

PC渠道的播放次數、播放人數、人均播放時長……

移動端的播放次數、播放人數、人均播放時長……

本週的、上週的、上上週的、……

本次的、上次的、最近10次的、……

一大堆指標擺完,發現個嚴重的問題:這一堆說了啥呀!

因為沒有剛性考核的KPI,因此很難講清楚到底多大算好。你說播放次數越高越好吧,播放次數本身是個經常波動指標,今天高了明天低了,這麼分析法得弄死自己,還沒分析完為啥不好,丫指標又變好了!

而且單看一個指標也顯得不科學,比如有的影片就是播放很多但人均時長很短,還有一堆人湧過來看,然後秒退的情況。實際情況千奇百怪,連好/壞都沒法評估,咋進一步分析:為啥好/為啥壞呢?

5張圖,搭建資料指標體系

二、解題思路

會導致暈頭轉向的核心問題,在於:沒有明確目標。如果是銷售的業務場景,目標很清晰:銷售收入/GMV。但是運營的場景不見得都有如此清晰、剛性的目標。特別是內容運營,本身就有“放水養魚”的作用,有好的內容積攢粉絲、吸引關注非常重要。

無剛性目標,導致建立評價標準很難。如果只看一個指標,比如播放量,似乎有失偏頗。如果看兩個、三個、四個指標,比如播放人數、10%跳出人數、人均時長,則指標間相互交叉,情況錯綜複雜,很難下結論。

更不用說,很多新手會習慣性忽略建立標準環節。於是導致了大量鋪陳資料,然後不知道下啥結論的暈頭鴨子問題。如何在無剛性目標情況下,建立評價標準,讀懂資料含義,是搭建體系的關鍵。

三、認識問題,從單指標開始

想理清頭緒,當然得從一個指標開始。連一個指標的走勢都沒看清楚,就扯上二三四個,只會越看越暈。選第一個觀察指標的時候,儘量選簡單、直接、不用計算的指標,這樣更容易看清楚情況,避免牽扯太多。因此在眾多指標中,可以先看播放次數/播放人數(選一個)。

假設先看播放次數,對單指標而言,肯定是越多越好。播放量是內容運營的基礎,連看都沒人看,其他的更談不上了。但是這裡要注意,觀察:播放量指標是否有周/月/日的規律。如果有規律性波動,就不能簡單地說:昨天比今天高,所以昨天好(如下圖)

5張圖,搭建資料指標體系

假設播放量有周波動規律,則可以建立單指標的簡單評價標準:

以周為單位觀察,數值越大越好

以日為單位觀察,數值越大越好

超過自身型別月平均水平,超過越多越好

這樣就能對播放次數,這樣的單個指標講清楚:好/壞

四、從單指標到多指標

整明白了一個指標,可以加入其他指標。在加入其他指標的時候,要首先觀察:兩指標之間關係。有可能兩指標相關係數高,有可能相關係數低。這兩種情況下處理方法不同。

相關係數高:比如播放次數和播放人數,兩個指標很有可能高度相關。一個影片玩家短時間內可能只看1次就夠了。高度相關的兩個指標,在評價好壞時不需要重複評估,看一個就好了。這樣能減少資料干擾,更容易得出結論(如下圖)。

5張圖,搭建資料指標體系

相關係數低:比如播放次數和人均時長,不見得高度相關。很有可能有的影片太過標題黨,標題太刺激,配圖很色誘,把玩家騙進來結果發現貨不對板。如果出現兩個指標相關度低,就能用矩陣分析法,把影片分類(如下圖)

5張圖,搭建資料指標體系

經過這一步梳理以後,就能對兩個指標情況做出判斷。理論上播放次數越高越好,但人均時長不能低於一定水平,或者10%跳出使用者比例不能超過一定水平,這樣就能對每一期影片進行評價。有了評價,就能做出進一步分析。

五、從多指標到原因解讀

評價了好/壞,就能進一步分析:為什麼好、為什麼壞。到這一步,就會發現,現有資料指標的問題:雖然看似一堆指標,可都是結果性指標。並不能直接從指標裡推出:到底為啥使用者喜歡看。這時優先考慮的是:補充資料,看看新增哪些資料能解釋清楚問題。

首先想到的是影片本身的資料,影片本身可以有多種標籤:

影片主題:講哪一類遊戲

影片內容:遊戲八卦、玩法、比賽……

影片講解:找技術高手還是找個美女亮腿……

影片時長:太長的可能中間關掉的多

發稿時間:選播放好的時間發

做內容運營,首先得對自己做的內容有清晰的瞭解,打好標籤,再做其他工作。有了標籤,單純地結合標籤分析結果指標,也可能得出一些有用的結論,比如:

5分鐘比10分鐘效果好

美女亮腿比男主持人效果好

講比賽比講八卦效果好

這些已經足夠最佳化運營了。

更進一步的還可以結合使用者畫像來看,比如:

觀察使用者看別的遊戲類影片行為,給使用者喜歡的遊戲型別,遊戲內容貼標籤

觀察使用者近期關注的熱點內容、流行的梗

觀察使用者更喜歡技術宅還是美女

有了這些使用者標籤,可以檢視:

目前觀看影片的使用者群體是否是目標群體

根據群體規模大的使用者,製作新的內容

根據使用者近期關注的話題、主播喜好,選話題和主持人

當然,並不見得投其所好一定有效,更有可能有“標題黨蹭熱度”的效果——播放次數很多但看一眼就跳出。所以最後還是得結合最佳化前後效果,做最終定論。

六、小結

搭建資料分析體系可以很簡單(如下圖)

5張圖,搭建資料指標體系

真正阻礙搭建指標體系的,是:

資料間沒邏輯,寫的越多,看得越暈

沒有剛性KPI做統領,不知道怎麼評價好壞

只有結果指標,不能解釋原因。

因此在觀察一個業務的時候,一開始寧可看的指標少一點,先觀察出規律,再看指標間關係,這樣更容易讓眾多指標關係清楚,讀出含義。

專欄作家

接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深諮詢顧問,在網際網路,金融,快消,零售,耐用,美容等15個行業有豐富資料相關經驗。

本文原創釋出於人人都是產品經理。未經許可,禁止轉載。

題圖來自 Pexels,基於CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供資訊儲存空間服務。

頂部