在数字化转型的道路上,相信每个企业都希望能够建立起“数据驱动增长”的引擎,但是千里之行始于足下,“数据驱动的业务增长”的引擎应该从建立业务与数据一体化的数据指标体系开始。
数据驱动可以看做金字塔的四个阶段,分别是“采、管、思、行”。
“采”就是在数据规划的管控下就行数据采集;
“管”就是对数据进行管理及数据监控;
“思”就是通过数据模型计算的洞察;
“行”就是根据数据洞察采取的策略。
“采”和“管”两个阶段即数据规划和数据监控,而只有正确地规划数据、监控数据、理解数据背后对应的业务进程,才能从数据中实现正确洞察,从而实现数据驱动业务增长。
在实践中我们发现,企业在构建指标体系的过程中通常会存在两大问题:
问题一 采:数据采集阶段没有体系
数据采集的问题通常会表现在三个方面:
第一是目标没有对齐。通常我们会发现企业的战略目标与各业务部门的目标以及各个业务线之间的目标没有一致性对应,也就是业务线和业务对公司战略的支撑并没有明确的数据关系。
第二是数据没有采全。很多企业在进行数据采集的时候,各个应用组织只关心当前数据的应用,没有数据采集规划,然后就会发现“数到用时方恨少”,这也成为很多企业数据应用非常痛苦的事情。
第三是工作没有价值。由于数据采集问题导致的数据分析或数据统计结果经常被业务部门吐槽,甚至不再应用,就会出现数据采集工作毫无价值的认识,致使数据驱动处于停滞状态。
问题二 管:监控、分析数据阶段没有治理
数据管理差通常的表现就是表多、数多、数据乱、质量差、报表看不懂,造成整个业务团队效率非常低下。因此,数据采集后不能进行有效治理,也是导致数据驱动停滞的重要原因。
据统计,以上两个问题 80% 的企业在指标体系搭建过程中都会遇到,可以说是指标体系搭建过程中的两道门槛。所以,企业必须跨过这两道门槛,解决数据采集和数据管理的问题,才能更好的进入到“思”和“行”这两个能够产生 80% 商业价值的阶段。
“采”和“管”两个阶段是企业整个指标体系搭建过程中的基石,如果根基没有打建好,空谈策略也只能是纸上谈兵。下面我们谈谈如何做好“采”和“管”这两个阶段,进而实现指标体系的科学搭建。
企业科学的指标体系搭建之后,就能形成企业统一的指标体系、统一的业务看板、统一的数据字典。
▪统一的指标体系:企业统一的指标体系是指一套层级分明的、能够回答业务问题的指标体系;
▪统一的业务看板:统一的业务看板是指一致的指标体系的数据可视化看板,能够帮助企业、部门、业务线进行日常的监控和分析;
▪统一的数据字典:统一的指标数据字典能够帮助企业实现内部的高效协作,使整个企业能够统一数据口径,回答数据问题。
2. 如何搭建业务与数据指标体系
首先通过 OSM(Objective-Strategy-Measurement)使业务目标结构化,然后融合 UJM(User-Journey-Map)使用户体验流程化,校准业务目标,最后通过将业务场景模块化,使整个指标体系快速落地。
2.1 OSM 模型:
业务目标下沉是实现数据驱动的最核心逻辑。
▪ O(Objective):是指业务目标。在这个环节需要思考或者回答的问题是企业、业务、产品得以存在的目的是什么、能够解决用户什么问题、满足用户的什么需求。
▪ S(Strategy):是指定义清楚业务目标后,为了达成目标,企业应当采取的业务策略是什么。
▪ M(Measurement):是指业务目标达成情况的度量,用来反映业务策略有效性、反映策略执行是否能达成业务目标的度量指标。
通过业务目标、业务策略以及业务度量的有效融合,以达成目标和业务、战略的一致性和较强融合性。
2.2 UJM 作用:
梳理用户生命周期,与业务目标结合。
UJM 就是企业在设计产品的过程中,必须要去梳理的用户生命周期。
为什么在搭建指标体系这个过程中要引入用户生命周期的思路呢。上面通过 OSM 的框架设计好了业务目标、策略和度量指标之后,就需要梳理整个产品的用户生命周期,以校准业务目标,判断它能否与用户每个阶段的周期进行吻合。
也就是说,UJM 是用来与企业的业务目标不断进行耦合的,两者相互影响、相互作用,促使业务目标能够更好地贴合用户需求,业务策略能够更好地回答业务问题。
为了更好的理解,简单介绍一下 UJM 的过程。
如上图,一个简化版的电商产品 UJM,它包括:拆解用户所处的每一个生命周期阶段,了解每个阶段中用户的行为,明确每个阶段中产品的目标,发现各阶段中产品与用户的接触点,最终从接触点里找到产品的痛点和机会点。
也就是说,用户使用一款电商产品,会经历这六个阶段:
从各个途径了解该电商平台,并进入该产品 → 通过首页、搜索功能乃至商品类目页等其他各个入口“逛”平台 → 对商品产生兴趣,进入到商品详情页 → 进入付费流程,完成一次重要的转化 → 分享、复购阶段。
在整个用户周期中,用户会反复发生各环节间互相的跳转。
这就需要为每一个阶段都设置对应的一个目标。在这一思路中设置出的目标就可以去验证制定的 OSM 框架,判断其是否有遗漏。各阶段目标确定后,需要寻找到产品中为了达到这一目标,与用户产生的接触点,例如首页、搜索页面、商品类目页等就是用户逛产品时的接触点。了解接触点之后,就能够找到每个环节的痛点,而痛点的反面就是机会点。同时,这里每一个机会点都可以验证OSM 框架中的 S,判断机会点是否与策略相互吻合。
所以 UJM 的价值就在于,梳理了用户生命周期之后,将 UJM 和 OSM 进行关联,就可以起到用户周期与业务目标相互耦合、相互影响的作用,使得业务目标能够满足用户需求,策略能够回答业务问题。
2.3 OSM × UJM:
关联业务目标与用户周期
首先将电商的一个战略目标(O)——“提升 GMV”根据电商的经典公式进行了拆解,拆解成为三大目标,分别是提升用户基数、提高转化率以及提升客单价。
每个目标下面都会有对应的一个策略(S),而这里的策略其实都来自于UJM 框架梳理出的用户每一阶段的机会点,每个策略也都会有对应的一个度量指标(M)。
也就是说,这里的每一个目标对应的策略、度量指标都是与用户周期的每一环节对应。这样就有了一个指标体系的大框架。
2.4. 围绕业务场景推动指标体系落地
有了整体框架之后,企业就能直接开始去采集数据、管理数据了吗?在实践探索的过程中发现,光有 OSM 和 UJM 两个大框架,在实际落地过程中还存在一定问题,因为整体的框架还是过于庞大,当企业想要快速切入、快速落地的时候,往往可能会找不到明确的切入点。
如何将这些高高在上的战略目标下沉到一线执行人员的具体工作当中?就需要引进了“场景化”这个概念。
场景化其实就是为了帮助企业在庞大的 OSM×UJM 指标体系框架之下,能够模块化、结构化地快速找到落地指标体系。也就是说,场景化的作用是推动指标体系的落地。
上面的示例是某公司分析师团队在落地指标实践过程中梳理出来的、能够满足指标体系落地的20个通用型场景。
有了整体的 OSM×UJM 架构之后,可以根据用户的路径,在这 20 个场景中进行对号入座,来满足不同部门从拉新到转化最终到提升管理效率等环节、不同层级的需求。
同样可以把这 20 个场景带入到电商指标体系中。在 OSM 与 UJM 关联的基础上,在每一个环节上又对号入座了各自关键的场景。
举个例子,第一个目标提升用户基数,对应的用户周期阶段是需要用户从不同的渠道、平台了解产品,所以需要对应的就是“找到最优渠道”这一场景。或者考虑是否有线下活动可以导入私域流量,如果有线下活动的渠道,还需要融入“线下导私域流量”的场景。
有了 OSM 和 UJM 并匹配到各个场景后,整个指标体系就可以从庞大的战略目标进行层层拆解,拆解到一线执行人员可落地的场景中。
上图就是 某公司帮助一家客户梳理了整个框架,按照用户生命周期的每一个节点,结合 OSM+UJM+场景化,真正的实现了战略目标以及用户生命周期的数据化。
3.业务与数据指标体系方法总结
业务与数据一体化指标体系搭建并不是单个部门能够完成的,必须有业务部门、数据团以及开发团队三部分进行协作。
在企业中搭建业务与数据一体化指标体系的最佳实践流程分为以下 6 大阶段:
1. 需求收集阶段:一般由业务部门提出业务需求,数据团队评估、归纳业务需求。
2. 方案规划阶段:需要业务部门和数据团队共同制定、梳理 OSM 和 UJM,并且归纳出每一个环节的场景,设计出指标体系。
3. 数据采集阶段:指标体系达成一致之后,数据团队牵头设计数据采集方案,规范指标命名。
4. 采集方案评估:数据方案采集方案设计完成后,需要联合业务、数据、以及开发一起评估,评估实现成本以及实践的优先级。可以按照场景化模块,根据成本和重要性,评估优先去实施哪一场景。
5. 数据采集与数据验证阶段:这个环节主要需要开发团队来设计数据库,按照前端、后端埋点等等数据采集方案进行数据采集;然后进行数据校验,这里必须要保证数据校验与指标体系需要的数据口径一致,保证得到的数据是业务方需要的数据,才能够回答业务问题。
6. 效果评估阶段:这个阶段中,需要由数据团队牵头,将数据搭建出可视化看板,通过看板指导实现业务优化效果。指标体系的搭建不是一蹴而就的,而是要在原有的基础上不断地迭代的。
还有一个重要的环节,是在指标体系看板搭建完成后,需要输出一个数据字典。数据字典能够使所有部门都在同一个数据口径维度看待数据,从而提高企业整体的协同效率。
本文参考GrowingIO指标体系搭建。
联系客服