4个步骤，快速搭建清晰的数据衡量体系

数据是反映产品设计效果的一种有力辅助手段，因此在设计一款产品、迭代一个功能，甚至完成一个优化前，最好都提前规划好本次“更新换代”的数据体系。

但是，面对繁杂的数据指标和功能流程，究竟该如何快速而清晰搭建起合适的数据衡量体系，是一个很重要的问题。

数据，无论是搭建一套完整的体系，还是单纯用于衡量某个功能/优化的上线效果，一般而言，可以从下面四个步骤进行：

明确要验证的业务/功能

明确衡量指标

寻找对比数据

明确数据获取渠道

数据是产品效果的表达方式，因此，在搭建数据体系前，必须先明确业务类型、明确验证目标：

业务区分上，除市场份额、用户数等大家共同追逐的目标之外，互联网金融领域，更看重的可能是资金保有量、申购量、用户财富指数等；电商行业，更看重的可能是购买量、购买频次、复购周期等；社交类产品，更看重的可能是用户活跃程度、社区健康度和可持续性……

场景区分上，是功能优化迭代验证效果？是差异化竞争的对比分析？是基于用户场景的拉新、留存、促活？还是流失场景的挽留？

不同的业务、不同的目标，决定了我们要选取什么数据指标来衡量。

明确了业务/目标，下一步要确定的，就是选择合适的衡量指标。以下举例说明几个类型的指标：

转化率一般可分为注册转化率、申购转化率、场景用户转化率、入口转化率等，亦即“路转粉”的过程。

当然，我们在选择用户时，大多数情况下会有倾向性地面向潜在目标用户以提升转化率。

转化率的关键数据是每一步的UV和最终的用户转化数量，主要分为两种：

流程转化率，统计新用户从接触到最终被成功转化的转化率，多用漏斗模型来表现转化率数据；

渠道入口转化率，多渠道多入口可到达产品场景，对比每一个入口的转化率高低。

活跃度可分为用户登录/访问频次、场景设置频次、申购/购买频次、互动频次等，主要是看用户在产品上的留存和活跃程度，比如用户近30天内登录过10次，用户近90天内发生了30次申购行为。

有些产品/功能上线后，用户留存率很高，但是基本不活跃（僵尸用户），即可明确下一阶段的工作重点可能是促活。

产品的健康度在某种意义上说跟活跃度有点交叉，有些广义的概念可把活跃度包含于健康度内。

arpu值、用户流动性、会员体系下的用户升降级速度…都是衡量一款产品健康度的指标。

以会员体系下的用户升降级速度为例：

设计一套会员体系时，数据体系的搭建就必须有事前规划测算、事中验证跟踪、事后调整这3个阶段。

事前的规划测算一般需花费较大的时间和精力演算，因为一旦会员规则对外放开了，就不好轻易做调整。

也因此，第3个阶段的调整，最好是能避免则避免。

会员体系需要拟合升降级曲线，一般达到的效果就是升级先易后难，降级留有一定buffer值。

升级太快降级太慢有导致体系被击穿、成本hold不住等风险，升级太慢降级太快用户不买账没粘性。

升降级速度，体现的是该产品的健康程度。

主要关注用户的流失率和流失节点，好做出应对策略。

很多产品上线一段时间后，发现流失率越来越高，但又无从下手解决问题。这个时候可关注用户的流失节点：用户主要是在哪一步开始流失的，用户流失的集中时间点是在什么时候，从流失节点着手进行产品优化、适当的流失挽留堵漏等操作。

如定投功能的使用，可能经过观察和分析会发现，用户在第一次扣款前后的流失率最高，则可能的原因有以下：

扣款前：设置时用户仅抱着尝鲜的心态，在扣款（实际发生资金行为）前及时终止定投“止损”；或对扣款行为的安全感不足等

扣款后：对资金的安全和流动性存在担忧；自身无法保证银行卡资金在扣款日是充足的等

找到了可能的问题所在，即可对齐进行相应的用户教育和引导，降低流失率。

一个水缸多个孔，堵住其中1个或几个，水流失的速度自然就慢了下来。

产品上线后，触达用户的渠道多种多样：公众号消息、短信、push、广告投放等，统计分析各渠道的触达率和转化率，可为接下来的用户分层精细化运营提供更有效的辅助信息。

没有利弊衡量标准的效果评价，都是耍流氓。

一款产品上线效果，产品经理要看到其中的利弊，并且找到合适的参照物来对比效果，才可以做出评价和结论。

举个栗子：一款社区类产品上线至今，总用户数100万，日均活跃用户8万人。

这个数据是好是坏？

我们需要找到一个对比衡量的标准，如对比竞品，我们这个活跃用户水平算是较高的？如对比过去的日均活跃用户5万人，则很明显有了提高。

因此，得到本身产品的上线效果数据后，需要找到对应的产品做标的，而这个标的，可以是：

竞品、自身的历史数据、行业内默认的标准等。

数据规划好了，接下来就是产品上线前的数据埋点工作。有下面的一串口诀：