最新數據指標體系建設詳細指導手冊

幾乎所有的數據分析工作都會提到一個詞一一“建立數據指標體

系”，雖然這個詞對于大家來說并不陌生，但是數據指標到底是

什么以及如何具體的搭建，很多人還是一頭霧水的。

本文就來展開詳細講解。在了解什么是數據指標之前，我們思考

一下：為什么會出現指標？它是為了解決什么問題？

人類及科學的發展是與時俱進的，早期為了使自然科學的實驗及

結果更具統一性及方便標準化衡量，一些標準化的專業指標應運

而生。隨著人類社會的發展，社會科學也越來越需要統計學來進

行事物的衡量，一系列統計學指標也逐步產生了。隨著新信息技

術的發展，數據指標逐步被大眾認可為衡量目標的方法。

從社會科學角度看，指標是統計學的范疇，用于數據的描述性統

計。指標是說明總體數量特征的概念及其數值的綜合，故又稱為

綜合指標。在實際的統計工作和統計理論研究中，往往直接將說

明總體數量特征的概念稱為指標。

傳統的指標有國內生產總值(GrossDomesticProduct,GDP)>

國民生產總值(GrossNationalProduct,GNP)、居民消費價

格指數(ConsumerPriceIndex,CPI)、滬深300指數等。

1、什么是數據指標?

數據指標有別于傳統意義上的統計指標，它是通過對數據進行分

析得到的一個匯總結果，是將業務單元精分和量化后的度量值,

使得業務目標可描述、可度量、可拆解。數據指標需要對業務需

求進行進一步抽象，通過埋點進行數據采集，設計一套計算規則,

并通過BI和數據可視化呈現，最終能夠解釋用戶行為變化及業

務變化。常用的數據指標有PV、UV等。

本文所述的指標是衡量目標的方法，指標由維度、匯總方式和量

度組成，如下圖所示。

是看待事物的視角與方向

維度’....——

決定了從什么角度衡量指標

<----x是統計匯總數據的方式

指標匯總方式］―1-------

方式：求和、求均值等

、是對一個物理量的測定，通常以數字+計量單位表示

最度｝_1--------------------

是數據的重要組成部分,用來明確數據的._

其中，維度是指從哪些角度衡量，是看待事物的視角與方向，決

定了根據不同角度去衡量指標。匯總方式是指用哪些方法衡量,

是統計匯總數據的方式。而量度主要是明確事物的具體目標是什

么，是對一個物理量的測定，也用來明確數據的計量單位。

比如，播放總時長是指用戶在一段時間內播放音頻的

時長總和（單位：分鐘）。按照上述拆解，維度是指

篩選的一段時間，匯總方式為計算了時間長度的總和，

而量度就是統一的單位一分鐘數。

這里，我們可以理解為指標是由這幾個方面構成，相當于英文的

構詞法，前綴、后綴等共同形成了一個單詞。

2、什么是指標體系？

體系化的本質是將數據指標系統性地組織起來,具體會按照業務

模型、按標準對指標不同的屬性分類及分層。當然，不同的業務

階段、不同業務類型會有不同階段的劃分標準。

數據指標體系含有十分豐富的統計量，從宏觀上看，它是一個相

對全面的有機整體；從微觀上看,每個數據指標都有其特定含義,

反映了某一細節的客觀事實。不同的數據指標定義不同，邏輯也

不同，這些各種各樣的統計量共同構成了數據指標體系，使其產

生不可磨滅的價值。

總的來說，數據指標體系是對業務指標體系化的匯總，用來明確

指標的口徑、維度、指標取數邏輯等信息，并能快速獲取到指標

的相關信息。

1、搭建指標體系要有重點

不能只是羅列指標，這是很多數據分析師都會犯的通病，上來先

把大量的指標列好，也不說明優先級，先看哪個后看哪個，業務

根本就看不懂。

2、搭建指標體系要有目標

很多人習慣了列指標，自有一套指標拆分的套路，不管我們要解

決的業務問題是什么，反正就是按照時間、渠道、區域等維度拆

分，分來分去也沒個具體的標準，最后還要糾結到底指標變化多

少才是問題。

3、指標體系不是越全越好，和業務最貼切的才是最好的

這個之前的指標體系文章里反復強調了，寫文章的時候會為了吸

引眼球，標題寫XXX行業指標體系大全，雖然給大家整理指標體

系的時候盡量概括多個業務場景，指標列的很詳細，但是不同的

公司，業務復雜不一樣，沒有一套指標系統是能夠通用的，只有

和業務最貼切的才是最好用的。

數據指標體系建設流程

指標體系的搭建分為兩大步驟：設計指標體系和落地指標體系,

這兩大部分又可以拆成一些小步驟，我們先來看一張指標體系從

設計到落地的整體步驟圖，下面再根據這張圖細分拆解其中的每

個步驟是怎樣落地的。

1、如何設計指標體系?

（1）需求來源

主要需求來源隨著產品生命周期而改變。搭建數據指標根據數據

現狀分為初中后三個階段。首先要明確的是先有目標方案后再有

數據指標，而不是憑空捏造出一些指標體系然后往產品上套。

在數據指標搭建初期以產品戰略目標為主，優先搭建北極星指標

的全方位指標監控；中期以業務驅動為主，搭建指標衡量現有業

務，業務驅動直接獲取到的指標一般是二級指標，需要整合到指

標模型里面去；到了后期，此時各數據指標已經搭建的差不多了，

是時候根據模型查缺補漏，搭建針對產品的指標閉環，通過數據

來反向推動產品的迭代優化。

（2）確定一級指標

一級指標其實就是反映產品在各個重要方面的運營情況怎么樣,

把對用戶的運營當成一個流水線，圍繞著用戶生命周期即可挖掘

到一些重要的一級指標并自然而然的形成閉環。

在眾多指標模型中AARRR模型能很好的概括用戶的生命周期，美

中不足的是遺漏了用戶流失這一環節，個人覺得AARRRR比較能

完整概括用戶生命周期，即Acquisition（獲取）、Activation

（激活）、Retention（留存）、Revenue（收入）、Referral

（自傳播）、Recall（召回）。

圍繞這六大方面，可以拓展以下一級指標(只是舉例一些通用指

標，具體的一級指標可根據具體業務進行定義)：

DNU（日m用戶■）

(3)得到二級指標

二級指標由一級指標衍生而來，為了實現一級指標，企業會采取

一些策略，二級指標通常與這些策略有所關聯。可以簡單理解為

一級指標的實現方式，用于替換定位一級指標的問題。

二級指標的作用就是將一級指標的漲跌落實到具體的業務部門

或者是責任人，通過成分拆解我們可以從一級指標得到對應的二

級指標。例如收入這個一級指標，通過成分拆解可以分為廣告收

入和內購收入等。

(4)得到三級指標

通過二級指標的分析可以找到相應問題的責任方，而三級指標的

作用正是指導該責任方去定位具體問題，進而修復問題。

通過對二級指標的路徑拆解即可得到三級指標，一線人員可通過

三級指標的具體表現快速做出相應的動作，所以三級指標的要求

是盡可能覆蓋每一個關鍵路徑上的關鍵動作。

這里繼續拿內購收入這個指標舉例，通過路徑拆解，最終促成內

購的關鍵行為路徑是：瀏覽商品、加入購物車、提交訂單、支付

成功。

按照以上流程不斷查缺補漏確定各一級指標并對其進行逐步拆

解，即可搭建出一套行之有效的數據指標體系。

2、如何落地指標體系？

終于到了開干時候，有了目標之后接下來就是將規劃的指標進行

埋點落地了。

落地指標就不像設計指標那樣首先著眼于一級指標，而是應該首

先著眼于二級指標，因為一級指標是由二級指標組成的，二級指

標埋點好了之后一級指標自然而然地可以計算出來。

埋點不是一個人的事情，需要各部門通力合作，下圖就是埋點的

整個設計到落地的流程：

不知看完這張圖有沒有一個疑惑，責任方為什么還要去理解熟悉

需求，需求方不是給出指標了嗎，照著去埋點就好了啊。如果你

這么想的話，那你注定只能做一個工具人。

首先各指標跟具體的業務邏輯設計緊密相關的，如果你不去熟悉

業務，是無法針對指標進行多維度細化埋點設計的，最終設計出

來的埋點方案必定是丟三落四漏洞百出；

再者需求方給出的指標不一定是全面的，需求方往往數據意識不

強，無法洞察到當前業務的很多細節是數據可分析的。

所以這就需要數據產品經理熟悉業務懂產品懂用戶，才能一針見

血設計出一套有指導性意義的埋點方案，而不是照本畫葫蘆搞出

一些冷冰冰的數據看看就好，要記住，每一個埋點都是有深意的,

數據也是有靈魂的。

明確了埋點的工作流程，接下來要確定的是選擇自研數據門戶還

是使用第三方工具，如：神策、Growing10、諸葛10等。這兩

者主要有以下區別：

自研工作量大，搭建周期長，第三方提供現成的模型，搭建周期

短。

自研更靈活，相對埋點實施方上報數據更友好，無需過多無謂的

邏輯記錄，在后期的指標計算方式上可以隨心所欲，如某些耗時

只要打好點，自研就可以通過兩個事件的時間差計算出耗時，而

有些第三方則不支持。

總之，自研前期痛苦后期爽，第三方前期爽后期痛苦。從實現難

度上來說自研需要的人力物力遠遠大于第三方服務，絕大部分中

小公司會選擇第三方服務，下面的埋點介紹就基于第三方服務的

方式進行講解。

老規矩，在講解之前先上一張整體的流程圖：

埋點步驟

(1)埋點規范文檔

正如前面所說，指標體系的搭建需要各部門通力合作，一份埋點

規范文檔既能規范工作流程提高效率，又能明確需求規范減少溝

通成本避免理解出現偏差。埋點規范文檔包括了工作流程規范、

命名規范、需求文檔規范等，這些應該在指標體系落地之初就規

定好。

當然由于一開始經驗不足并且有的問題在后續的工作中才會暴

露出來，初版的規范文檔可能并沒有那么詳細，但是大體框架還

是要有的，后續再補充一些細枝末節的東西。

(2)拿到需求原型

就是產品功能原型或者活動原型。

(3)定義頁面、元素名稱

拿到需求原型后，首先將原型里面的頁面及頁面中的元素名稱提

前定義好，以便后續進行統一使用避免不同指標出現頁面命名不

一致的情況。

如果是頁面的話建議全部命名，頁面里面的元素可能會有點多，

可以挑一些關鍵路徑上的重要元素進行命名，其它元素視后續工

作需求再進行埋點(當然了有精力的話全部命名進行監控是更好

的，畢竟數據是多多益善，避免后續需要用數據發現沒有埋點的

情況發生)。

(4)定義事件名稱

為什么要規范事件名稱？我直接舉個例子吧，某天你想查看用戶

的使用路徑，當你使用用戶路徑分析之后發現有大量的展示事件

穿插在用戶行為事件中，這時候你是不是很惱火。

如果之前埋點的時候對事件進行規范命名，這時候你只需要在篩

選條件中過濾掉事件名前綴為展示的事件，就可以輕松過濾掉所

有跟用戶行為無關的事件。

事件規范命名除了以上好處，還有個好處就是方便需求方使用，

使用者可以通過事件名輕松知道這個事件具體的含義，提高了使

用效率，事件命名可由以下幾部分組成：行為、對象、結果、類

型。

行為：事件的具體行為，主要有4類：

點擊-點擊某個按鈕或元素的一類事件。

進入-進入某個頁面或功能的一類事件。

展示-展示某個頁面或元素的一類事件。

退出-退出某個頁面或功能的一類事件。

事件行為必須填寫，后續可按實際情況增加其他行為。

對象：事件行為對應的具體對象可以是頁面，或者是功能，事件

對象必須填寫。

結果：對該對象進行的行為最終的結果，主要有3類:

成功-針對該對象進行的行為結果為成功。

失敗-針對該對象進行的行為結果為失敗。

結果-針對該對象進行的行為結果為成功或者失敗，此時具體

結果存儲在該事件的維度中，事件結果必須填寫。

類型：此參數為拓展參數，如展示事件可能展示的是頁面，也可

能展示的是彈窗，這時候在事件后面加個頁面后綴或者彈窗后綴,

后續使用起來就能很方便的區分事件的具體類型。事件類型為可

選參數，視情況而定。

以上就是事件的命名標準，可以從該標準進行如下一些命名：注

冊—指標一成功、進入一充值頁面—成功等。

（5）梳理指標維度

這時候就要隆重介紹一下前面《指標體系搭建流程圖》中提到的

新4W1H分析法了。為什么叫新4W1H,因為針對傳統的4W1H進

行了新的的解釋，在新的釋義上可以更加合理的加上本人在實際

工作中總結的經驗。

根據平時的埋點總結，事件維度主要由主題和事件因果幾個大維

度組成。主體即用戶、設備和應用，因果即這個事件的來源和結

果。通過增加因果維度可以方便的看到一個事件的來源和去向。

我們先用一張圖來了解下新4W1H分析法是如何定義維度的：

用戶ID

Who（行為主體）iftSlD

UNIX四

When（時間概）

What（主體描述）

新4W1H分析法

GPSSffi

Who：觸發該事件的主體，是唯一區分用戶的標志，如果用戶登

錄了則使用用戶ID（設備ID也需要記錄），未登錄則使用設備

IDo

When：事件發生的時間，使用UNIX時間戳就好。

What：描述觸發這個事件的參與主體具體信息，一般有三個主體,

用戶本身、應用、還有設備。使用第三方服務的話除了用戶信息

需要我們埋點設置，其他的第三方SDK都會自動采集，所以這部

分參數不是我們工作的重點。

Where：事件發生的物理地點，可以用過GPS、LBS、IP來判斷,

具體視用戶的授權而定。位置信息第三方SDK也會自動采集。

How：事件的具體描述，這一塊才是我們工作的重點，缺乏經驗

的話往往會遺漏一些重要的維度，導致后續的分析支持不上。根

據個人總結的因果分析法可以將事件的描述分為來源和結果描

述，事件的來源去向無非有兩類：多個行為造成同一個結果、一

個行為造成不同結果。

行為1

I.…IJ結果卜?［行為］

行為n

例如：進入充值頁面，可能從不同入口進來的；點擊充值按鈕,

可能會充值成功或者充值失敗。

事件的結果即為對該事件的具體信息描述。通過因果分析法進入

充值頁面到充值成功這一系列行為我們可以做以下事件埋點（以

下事件維度只列舉因果分析法相關維度，其它參數視具體業務自

由增加)。

入口來源(商店頁.商品U

進入一充值頁面_制

通過這樣的埋點，我們就可以很清晰的知道進入充值頁面各個入

口的分布情況，也能知道點擊充值按鈕后充值成功和失敗的分布。

(6)明確上報時機

事件的上報時機由事件的定義來具體決定。主要有以下三大類:

展示：展示時候上報，需要明確重復展示是否重復上報，像那種

自動輪播的banner就不需要重復展示重復上報，因為這樣的重

復上報是沒什么意義的，而用戶反復滑動導致的重復展示可以重

復上報；

點擊：點擊時上報，這個是最簡單的上報時機，一般沒什么爭議;

接口：這個涉及到與后端的接口交互，如前面舉例的購買—金幣一

結果事件，上報時機則為充值成功或者失敗時上報，即客戶端拿

到后端返回的具體結果時上報。

（7）輸出數據需求文檔

當上面工作已經做完時，就可以輸出需求文檔了，需求文檔主要

包含以下信息：

（8）錄入指標字典

埋點指標上線后，為了方便業務方使用，可以將各指標按照業務

分為不同的主題，方便使用者快速找到需要的指標，具體包含以

下信息：

一級主題:充值廣告

二級主題:金幣鉆石

事件:進入一充值頁面一成功點擊_充值按鈕一成功購買—金幣一結果

4/

事件具體信息

事件負責人

事件上線日期

事件上線版本

那怎么才能搭建有效的指標體系呢，給大家分享以下幾點經驗:

1、掌握基本的思維模型，全面洞悉業務

數據分析離不開業務，了解業務是我們搭建指標體系的前提，掌

握一些基本思維模型，可以幫助我們快速、全面的洞察業務。

(1)5W2H模型

經典的數據分析思維模型。以五個W開頭的英語單詞和兩個II開

頭的英語單詞進行提問，從回答中發現解決問題的線索，即何因

(why)>何事(what)、何人(Who)、何時(When)、何地(where)、

如何做(How)、何價(Howmuch)。

Why

原因目的

WhatWhen

所為何事起止時間

HowmucH5W2HWho

何人參與

owtodoWhere

如何達成何處進行

5w2h能幫助我們培養一種嚴謹全面的思維模式，讓分析的過程

更加全面更有條理，不會產生混亂和遺漏，當你覺得你的指標體

系已經很完美的時候，可以用這個模型來幫助你找到思維的漏洞。

(2)邏輯樹方法及MECE原則

邏輯樹方法可以幫我們將復雜的業務問題拆解成多個簡單問題,

從而幫助我們拆分更細的數據指標。

子問題LI

子問題JL子問題工2

子問題工3

問題子問題2工

(子問題2---------------

子問題22

子問題3.工

子問題3------------

子同七晝，

Mece原則的意思是“相互獨立，完全窮盡”，我們搭建指標體

系的一個重要標準就是不重復不遺漏，運用mece原則可以很好

的幫助我們把握核心指標，提升指標系統的有效性。

(3)商業畫布

商業畫布是一種分析企業價值的工具，通過把商業模式中的元素

標準化，引導我們的思維，將業務知識素材歸檔，在了解業務的

過程中，我們可以按照下面張圖來完善填充，從多個角度全面的

洞察業務

價值主張

除了上面的思維模型，最好的了解業務的方式就是和業務方多交

流，認識當前業務的關鍵問題，畢竟建立完善系統的指標體系需

要很長一段時間，最好從部分關鍵點開始，先解決問題。

2、指標體系搭建方法論

對應業務場景的指標體系有相應的方法論，比如基于用戶生命周

期的指標體系AARRR、客戶滿意度指標體系等等，簡單給大家分

享幾個：

（1）第一關鍵指標

這個概念是我在《精益數據分析》中看到的，指的是當前階段無

比重要的第一指標，同時也指出了在創業階段的任意時間點上應

該且只關注一項重要指標。這個概念在我們搭建數據分析指標體

系的時候同樣有指導意義。

先抓住公司當前階段的“第一關鍵指標”，然后再把這個指標拆

解到各部門，形成各部門的“第一關鍵指標”，也就是我們說的

OKR,或者是KPL然后再根據各部門的業務，基于這個第一關

鍵指標思考應該關注哪些細化的指標。

(2)基于用戶生命周期的指標體系：AARRR

獲客Acquistion用戶從哪里來?

用戶在你的網站上做

激活Activation了什么，如何幫助其

快速上手體驗

留存Retention用戶會回訪嗎?

營收Revenue你如何獲取收益?

用戶會推薦你的產品

給別人嗎？

(3)客戶滿意度指標體系：RATER指數模型

客戶滿意度指標體系：RATER指數模型

ReliabilityAssuranceIcMigibk'snip<ithy

信強應專業度布形熔同理后

舉例:

甲Nr

TangiblesAssuranceResponsivenessEmpathyReiiabll

同aw

人員儀表、設安g專業知