指标体系（续）--指标分类和分析模型

指标体系建设常常通过场景化方法进行，即从用户的角度出发，根据特定场景进行指标的选择和建设。在自上而下的业务驱动下，科学方法被用来建立指标体系。在特定场景下进行指标体系建设，首先需要选择合适的指标，然后采用科学的方法来搭建整个指标体系。选指标常⽤⽅法是指标分级⽅法和基于目标的运营分析模型、绩效管理、战略管理分析模型。

一、指标分级方法‍‍‍‍‍

指标分级主要是指标内容纵向的思考，根据企业战略⽬标、组织及业务过程进⾏⾃上⽽下的指标分级，对指标进⾏层层剖析，主要分为三级T1、T2、T3。

1）T1指标：作为公司战略层面的指标，用于衡量整体目标的达成情况。这些指标主要是决策类指标，为公司的战略决策层提供服务。T1指标的使用有助于支持公司战略决策。

2）T2指标：作为业务策略层面的指标，用于实现T1指标的目标。公司会将目标分解到业务线或事业群，并制定针对性的运营策略。T2指标通常反映策略的结果，也是业务线或事业群的核心指标。T2指标是T1指标纵向路径拆解的一部分，有助于定位T1指标存在的问题。T2指标主要服务于业务线或事业群。

3）T3指标：作为业务执行层面的指标，用于拆解T2指标并定位问题。T3指标通常是业务过程中最常用的指标。根据各个职能部门目标的差异，关注的指标也会有所不同。T3指标的使用通常可以指导一线运营或分析人员进行工作。这些指标偏重于过程性，可以快速引导一线人员做出相应的行动。

举一个例子说明

假设一个电商公司有以下指标分级：

T1指标：公司整体目标-净利润增长率

T2指标：业务策略层面-市场份额增长率 ，高价值产品订单增长额

T3指标：业务执行层面-销售额增长率， 高价值订单占比率

在这个例子中，电商公司的T1指标是净利润增长率，作为公司战略层面的指标，衡量公司整体绩效和盈利能力。公司决策层需要关注这个指标，以制定战略决策和资源分配。

为了实现T1指标的目标，电商公司制定了业务策略层面的T2指标，即市场份额增长率，高价值产品订单增长。公司将目标拆解到不同的业务线或事业群，并制定相应的运营策略，以增加市场份额。

T2指标反映了公司的策略结果，并且是业务线或事业群的核心指标。而为了实现T2指标的目标，电商公司进一步拆解到业务执行层面的T3指标，比如销售额增长率。这些指标通常关注业务过程中的实际执行情况，如销售额的增长情况。高价值产品订单增长额重点关注高价值的产品订单增长额，那么业务执行层面对于高价值的产品倾斜更多的资源进行营销活动。

T3指标帮助一线运营或分析人员了解和监控销售情况，并根据指标结果做出相应的操作或调整。通过这样的指标分级体系，电商公司能够将整体战略目标与具体的业务目标相联系，并确保目标的逐级落地和执行。这样的指标分级体系可以帮助公司实现战略目标，并提供指引和方向，以便各级别的决策者和执行者能够明确自己的责任和工作重点。

二、数据分析模型

在建立指标体系过程中，明确了目标以及进行需求分析之后，需要通过分析模型选取具体的指标。那么常见的运营分析模型有OSM模型、⽤户⽣命周期模型、归因分析模型、逻辑树模型、AARRR⽤户增⻓模型、RFM模型等。绩效管理，战略管理分析模型有价值链分析模型、平衡计分卡模型、360 度绩效考核、KPI模型、决策树分析法。

1、OSM模型

OSM模型(Obejective，Strategy，Measurement)是指标体系建设过程中辅助确定核⼼的重要⽅法，包含业务⽬标、业务策略、业务 度量，是指标内容横向的思考。

1） ⽤户使⽤产品的⽬标是什么?产品满⾜了⽤户的什么需求?主要从⽤户视⾓和业务视⾓确定⽬标，原则是切实可⾏、易理解、可⼲预、正 向有益

2）S为了达成上述⽬标我采取的策略是什么?

3）M这些策略随之带来的数据指标变化有哪些?例如：假设一个电商公司希望通过提供高质量的产品和良好的用户体验来满足用户需求，并实现用户满意度的提升作为其业务目标。

以下是一个可能的OSM模型中的指标示例：

1）Objective（目标）：提高用户满意度 - 用户使用产品的目标：满足购买和使用需求、享受便捷的购物体验 - 业务视角目标：提高用户满意度、增加用户再购买率

2）Strategy（策略）：改善产品质量和用户体验 - 提供高品质产品：例如通过质检和供应商管理确保产品的质量 - 优化用户体验：例如简化购物流程、提供详细的产品信息和评论、提供多渠道的客户支持

3）Measurement（度量）：监测和评估策略的效果

- 用户满意度评价：通过调查问卷、用户反馈等方式，定期衡量用户对产品和购物体验的满意度

- 再购买率：统计用户再次购买的比例，反映用户对产品的忠诚度

- 客户支持响应时间：记录用户提出问题后，客户支持团队的响应时间，反映公司对用户关注的程度 通过这个指标模型，公司可以深入了解用户需求、制定相关策略，并通过数据指标的变化来评估策略的有效性。这有助于公司不断改进产品和用户体验，提高用户满意度，从而实现其业务目标。

2、⽤户⽣命周期模型‍‍‍‍‍

随着移动互联⽹的⽤户增⻓趋近饱和，获客成本越来越⾼，留住⼀个⽼⽤户的成本远⽐获取⼀个新⽤户的成本低，这使⽤户的留存就显得⾄关重要。⽽按照⽤户⽣命周期来划分⽤户，能够帮助我们了解不同⽣命周期的⽤户需求，开展运营策略，从⽽减少⽤户流失。

用户的生命周期的五个阶段：‍‍

1) 新客户：这是指首次接触和购买产品或服务的用户。他们可能对产品或服务还不太了解，对品牌可能也没有太强的忠诚度。目标是通过提供良好的第一印象和满足他们的需求，使他们成为活跃用户。

2) 首次成交用户：这是指已经进行了首次购买的新客户。他们可能对产品或服务的价值产生了一定的认可，并愿意尝试和体验更多。目标是在这个阶段加深他们的使用体验，引导他们进行更多的交互和购买，以促进用户转化为忠实用户。

3) 忠实用户：这是指已经建立了长期关系并持续使用产品或服务的用户。他们可能对品牌有高度的忠诚度，经常进行购买和使用。目标是通过提供特殊待遇、个性化推荐和增值服务等方式，维持其忠诚度并增加其购买频率和订单价值。

4) 潜在流失用户：这是指在某些方面表现出流失迹象的用户。可能是由于竞争对手的诱惑、用户体验的不满意或其他原因导致他们开始考虑换供应商或停止使用产品或服务。目标是通过了解他们的问题和关切，采取措施解决他们的问题，尽可能挽回潜在流失用户。

5) 流失用户：这是指已经停止购买和使用产品或服务的用户。这些用户可能由于不满、触发事件或其他原因而选择流失。目标是通过重新接触、提供特别优惠或增值服务等方式，尽可能重新吸引他们回到用户群体中。

对于这五个阶段提出的运营策略以及运营指标如下：

1) 新客户阶段：- 运营策略：引导新客户了解产品或服务的价值，提供特别优惠或试用期等激励措施，鼓励初次购买。 - 运营指标：新客户购买转化率、新客户订单价值、新客户购买频率等。

2) 首次成交用户阶段：- 运营策略：提供优质的客户体验，通过个性化推荐和定制化服务等方式增加用户粘性，鼓励再次购买。 -运营指标：再购率、次购物篮价值、用户活跃度等。

3) 忠实用户阶段：- 运营策略：不断提供增值服务和个性化的用户体验，例如会员专享特权、积分奖励、定期活动等，以保持用户的忠诚度并提高购买频率。 - 运营指标：用户留存率、忠诚度指数、平均购买频率等。

4) 潜在流失用户阶段：- 运营策略：重新接触潜在流失用户，了解他们的问题和关切，并采取个性化的方法解决问题，重新激发他们的兴趣和忠诚度。 - 运营指标：流失预警指标、潜在流失用户回流率、用户反馈满意度等。

5) 流失用户阶段：- 运营策略：尝试重新吸引流失用户回归，通过个性化优惠、重新介绍产品或服务的变化、重新建立联系等方式来恢复他们的兴趣。 - 运营指标：流失用户回流率、重新激活率、流失用户回流后的购买价值等。针对不同阶段的⽤户，采取针对性运营策略，从⽽延⻓⽤户的⽣命周期，尽可能让⽤户产⽣商业价值。在运营愈发精细化的当下，通过搭建⽤户⽣命周期体系，让运营⼯作更加精细化、效率化、产品化，对于提⾼平台运营的效果和效率⾄关重要。

3、归因分析模型

归因分析模型是运营分析中常用的一种模型，用于确定特定业务指标的影响因素并进行分析。在运营分析中，有许多不同的因素可能会影响业务指标的变化，例如市场营销活动、产品改进、客户服务等。归因分析模型就是通过量化这些不同因素的影响程度，帮助分析师找出业务指标变化的主要原因。通过归因分析模型，可以对每个因素的贡献进行量化，了解每个因素对业务指标的具体影响程度。这有助于决策者评估不同活动的效果，确定哪些因素应该加以优化或调整，以提高业务指标。常见的归因分析模型包括线性回归模型、多元回归模型、时间序列分析等。这些模型可以使用统计学方法来计算各个因素的贡献度，从而帮助企业进行更准确的决策。

由于大部分结果指标都是多个因变量导致的结果，所以一般采用的是多元回归模型，例如订单数量变化的归因分析。‍‍‍‍

假设我们想要分析某电商平台的订单数量的变化，并使用多元回归模型进行归因分析。

首先，我们需要确定可能影响订单数量的因素。这些因素可以包括广告投入、访客流量、网站用户体验等。

我们将这些因素作为自变量，订单数量作为因变量。然后，我们收集一段时间内的数据，包括各个自变量和订单数量的数值。

例如，我们收集了三个月内的数据，每个月记录了广告投入、访客流量、网站用户体验等因素的数值，以及对应的订单数量。接下来，我们使用多元回归模型来建立数学模型，通过拟合数据点来确定各个因素对订单数量的影响程度。

多元回归模型可以表示为：

订单数量 = α + β₁ * 广告投入 + β₂ * 访客流量 + β₃ * 网站用户体验

其中，α表示截距，β₁、β₂、β₃表示各个因素的系数。

通过使用多元回归模型，我们可以估计各个因素的系数，从而判断它们对订单数量的贡献程度。

类似于线性回归模型的解释，如果某个因素的系数为正，并且具有统计显著性，那么说明该因素与订单数量正相关，增加该因素可能有助于增加订单数量；反之，如果某个因素的系数为负，并且具有统计显著性，那么说明该因素与订单数量负相关，降低该因素可能有助于提高订单数量。通过对各个因素的系数进行解释和分析，我们可以得出结论，指导企业在广告投入、访客流量、网站用户体验等方面进行调整和优化，以实现订单数量的增长。

在变量不变的情况下，如果订单变化，可以快速找到订单变化的原因，进而进行解决业务问题。

4、RFM模型‍‍

在运营中，RFM模型是一种常用的客户分析模型，用于评估客户价值和进行客户细分。RFM是三个指标的缩写，分别代表以下含义：

- Recency (最近购买时间)：衡量客户最后一次购买的时间间隔，即客户的活跃程度。较短的时间间隔意味着客户较为活跃。

- Frequency (购买频率)：衡量客户在特定时间内的购买次数。购买频率较高的客户通常对业务有更高的忠诚度。

- Monetary value (购买金额)：衡量客户在特定时间内的购买金额。购买金额较高的客户通常对业务的贡献度更大。

RFM模型将客户通过这三个指标进行分析，每个指标可以分成几个级别或得分，例如数字1到5或A到E。通过组合这些级别或得分，可以创建一个RFM分数，表示每个客户在Recency、Frequency和Monetary value三个方面的表现。 通过RFM模型可以将客户划分为不同的细分群体，如重要客户、活跃客户、沉默客户、低频客户等。

这些细分群体可以帮助企业了解不同类型客户的特点和行为，进而制定不同的营销策略和个性化推荐，以提升客户满意度、增加复购率和促进业务增长。 值得注意的是，RFM模型仅仅是一种客户分析模型，其结果需要与其他数据和分析结合起来进行综合分析和策略制定。同时，根据不同业务和行业的特点，RFM模型也可以根据需要进行定制化的调整和扩展。

5、价值链分析模型‍‍‍‍‍

价值链分析模型是迈克尔·波特（Michael Porter）于1985年提出的经典管理工具之一，用于评估和识别一个组织的价值创造过程。它通过将一个公司的主要活动分解为一系列的环节，从原材料采购、生产制造、产品销售到售后服务等等，以揭示各个环节对于最终产品或服务的价值贡献。根据波特的理论，一个组织可以分为两类基本活动：主要活动和支持活动。主要活动包括原材料采购、生产制造、产品销售和市场营销、物流和售后服务等；而支持活动包括企业内部的基础设施、人力资源管理、技术开发和采购等。主要活动通常包括以下几个环节：

1. 采购：采购原材料或成品，准备生产所需的资源。

2. 生产：将原材料转化为最终产品或提供服务。

3. 分销/销售：将产品或服务推向市场，与客户建立联系并进行销售。

4. 营销/市场推广：通过市场调研、广告宣传和销售促销等手段，推动产品或服务的销售。

5. 服务：为客户提供售后服务和支持，满足客户需求。

支持活动则是为主要活动提供支撑和支持的一系列功能：

1. 企业基础设施：为企业运营提供支持的管理、财务、法务等功能。

2. 人力资源管理：招聘、培训和管理员工，为企业提供人力资源支持。

3. 技术研发：开发和改进产品、工艺和生产技术。

4. 采购：与供应商建立良好的关系，确保及时获取高质量的原材料。

通过对这些活动进行详细的分析，价值链分析模型帮助企业发现哪些环节对于产品或服务的价值创造至关重要，以及如何提高效率、降低成本和增加客户价值。例如，模型可以帮助企业寻找更好的供应商、改进生产工艺、优化物流和供应链管理，以提高整体效率和质量。 此外，价值链分析模型还可以帮助企业识别潜在的竞争优势。

通过分析竞争对手的价值链，企业可以找到自身的差异化机会，制定相应的竞争策略。 总之，价值链分析模型是一个有助于企业了解其内在价值创造过程并提升竞争力的工具。它可以帮助企业识别和优化各个环节，从而提高效率、降低成本，并提供更优质的产品和服务。波特价值链分析模型揭示了企业竞争不仅仅限于某个环节，而是整个价值链的竞争。

整个价值链的综合竞争力决定了企业的竞争力。波特曾经说过：“消费者认可的价值是由一系列企业内部物质和技术活动以及利润构成的。当你与其他企业竞争时，实际上是在进行内部多项活动的竞争，而不仅仅是某个活动的竞争。”从价值链的角度来看，企业可以了解自身在哪些活动中具有优势，哪些处于劣势。

价值链管理的核心在于与供应商、分销商和服务商等形成利益共同体，通过增加价值来优化自身的业务流程，并优化与价值链上其他企业之间的业务流程，降低交易成本，提升市场竞争力。

6、平衡计分卡模型‍‍‍‍‍‍‍

平衡计分卡（Balanced Scorecard）模型是一种绩效管理工具，旨在帮助组织实现战略目标并进行绩效评估。它将组织的绩效评估从传统的财务指标扩展到其他关键方面，如客户满意度、内部流程效率、学习与成长等。这一模型的目的是通过整合多个维度的指标来提供一个全面的、平衡的视角，以便组织能够全面了解自身的绩效和进展情况。

平衡计分卡模型包含四个关键维度：

1. 财务绩效：这是传统的财务指标，如收入、利润、成本等，用于评估组织的财务健康状况和绩效。

2. 客户维度：这个维度关注组织与客户之间的关系，包括客户满意度、市场份额、客户增长等指标，以评估组织在客户群体中的地位和竞争力。

3. 内部流程维度：这个维度关注组织的内部运营流程和效率，如生产过程、产品质量、交付速度等指标，以评估组织的运营效率和效果。

4. 学习与成长（或员工）维度：这个维度关注组织的员工发展和学习能力，如员工培训、技能发展、创新能力等指标，以评估组织的学习与成长能力。

每个维度都有一些具体的指标和相应的目标，这些目标将组织的战略目标细化为具体可操作的表现指标。通过定期收集和汇总这些指标的数据，组织可以评估自己在不同维度上的表现，并采取相应的行动来实现战略目标的达成。

平衡计分卡模型的优势在于它提供了一个综合的、平衡的视角，将不同方面的绩效指标结合在一起，帮助组织进行全面的绩效评估和战略管理。同时，它也可以促进不同部门和职能之间的协作与合作，以实现整体绩效的提升。

7、决策树分析法‍‍‍‍‍‍‍

决策树分析方法是一种用来解决决策问题的分析工具。它通过树形结构的图表表示不同决策路径和可能的结果，以帮助决策者理解和评估各种决策选择的可能结果和风险。决策树分析方法基于一系列的决策节点和结果节点构建。每个决策节点代表一个决策选择，而结果节点代表与该决策相关的可能结果或事件。在决策树中，沿着不同路径的节点和边表示了不同的决策选择和可能的结果序列。

决策树分析方法通常包含以下几个步骤：

1. 定义决策问题：明确要解决的决策问题和目标，确定需要做出决策的关键要素。

2. 构建决策树：根据决策问题的要素和可能的选择，从根节点开始逐步构建决策树的分支和结果节点。

3. 评估决策路径：对于每个决策路径，根据可能的结果和风险估计，评估其期望效益和风险，并为每个路径计算出相应的值。

4. 选择最佳决策：综合考虑各个决策路径的效益和风险，选择具有最高期望效益或最低风险的决策路径作为最佳决策。

决策树分析方法的优势在于它提供了一种直观和可视化的方式来展示决策问题和选择之间的逻辑关系。它可以帮助决策者更清晰地理解决策问题，并在不同的决策选择和结果中进行比较和评估。

此外，决策树分析方法还可以考虑不同的可能性和风险，帮助决策者做出更加明智和理性的决策。

然而，决策树分析方法也有一些限制。例如，当决策问题涉及到大量的选择和结果，决策树可能会变得非常复杂和难以管理。此外，决策树分析方法依赖于对可能结果的估计和量化，这可能涉及到主观判断和不确定性。因此，在使用决策树分析方法时，决策者需要小心审慎地评估和验证使用的数据和估计值的准确性和可靠性。

下面是几个决策树分析方法的应用场景的例子：

1. 设备维修决策：一个工厂经常面临设备故障需要维修的情况。使用决策树分析方法，可以创建一个决策树来评估设备故障的不同情况和维修方法。根据故障的类型、设备的年龄和成本等因素，决策者可以在决策树的分支中选择合适的维修方法，以最大程度地降低停机时间和维修成本。

2. 产品开发决策：一个新产品的开发涉及诸多决策，如产品特性、目标市场和定价策略等。通过建立决策树，可以展示不同的产品开发路径，并估算每个路径的市场潜力、成本和风险。决策者可以根据决策树中不同路径的末端结果，选择具有最高市场潜力和最低风险的产品开发策略。

3. 人才招聘决策：一个公司需要招聘一名高级经理，需要考虑诸多因素，如经验、技能、文化适应性等。通过使用决策树分析方法，公司可以构建一个决策树，将不同的候选人与关键因素关联起来。决策者可以根据候选人与关键因素的匹配度决定是否聘用该高级经理。