如何制定产品的核心数据目标的思考方式

说到产品的一些数据性能，每个人都应该能够说出一些指标，比如日常生活、保留、使用时间、使用频率、收入、GMV、毛利率等。然而，不同的业务模式需要关注不同的数据指标，只有当你对业务有一定的了解时，你才能准确地定义核心指标。是否有一种通用的思维方式来帮助我们找到产品的核心数据指标，并指导业务决策，这是我想回答的问题。本文是一个阶段性的答案，主要从整体数据指标和局部数据指标两部分进行回答。从整个产品甚至整个业务的角度考虑整体数据指标，从单个功能模块的角度考虑局部数据指标。很多人可能听说过北极星指数这个词，下图是一些知名互联网产品的北极星指数。但它实际上是思考的结果。如果我们改变了一个我们不熟悉的业务，我们还能思考并得出正确的结论吗？所以我退一步，从用户需求和产品价值的角度思考问题，即以下问题：Why：用户为何要使用，产品提供的核心价值是什么；What：如何满足产品的需求，提供什么解决方案；How：如何一步步满足需求？Why是产品定位需要解决的问题，即最初想解决什么问题，能创造什么价值。What提供的解决方案，同样的问题，解决方案可能会有所不同，比如同一个信息平台，推荐机制和订阅机制就是不同的解决方案。How是指用户为了获得产品的核心价值，需要做什么，具体细分为两部分。用户价值的获取路径：用户如何获得产品价值，需要做什么；产品价值的交付路径：我们需要做什么来满足用户价值。当我们清楚地思考这些事情时，我们可以推断出产品的核心数据指标是什么。此外，还将有许多相关的数据指标。让我们以淘宝为例。Why：一开始用淘宝是因为能在上面买到很多便宜的东西，也就是多快好省的多和省；What：淘宝是一个电子商务交易平台，商家发布东西，用户在上面购买；How：从用户价值获取和产品价值交付来看。用户价值获取：发现商品“浏览细节”卖方沟通确认交易“卖方交付”物流配送收到商品；产品价值交付：邀请商家发布商品“向用户展示商品”买家沟通收到订单“物流配送”用户收到商品收到付款。以上只是主流程，这里还有很多分支流程，比如退换货、客诉处理等。从上述需求满足过程中，我们至少可以获得以下数据指标：卖方指标：卖方数量、发布商品类型、数量、买方指标：买方数量、交易率、交易量、回购率、服务指标：沟通、沟通交易、采购交付时间、交付时间、投诉等。然后结合产品的阶段，选择合适的一个或几个指标作为阶段性的重点。在《首席增长官》一书中，有一些关于选择北极星指标的标准。这里有一个参考：除了我们熟悉的北极星指标，我想提到另一个指标，称为护栏指标，来自李英的分享。护栏指标是指在北极星指标增长的同时不能降低的指标。常见的，如收入和毛利率。当我们冲刺收入时，我们可能会采取一些营销甚至折扣的手段。此时，它实际上会对最终利润产生影响，我们最终想要的不仅仅是收入，还有利润。因此，此时北极星指数可能会变成XX指数，XX指数不变，或者XX指数不低于XX。在实践中，很少有机会接触甚至定义整体数据指标。启动新的功能模块或修复一些现有的功能模块是正常的。让我们来看看当地的数据指标。2、本地数据指标主要基于两种个人认知：实现产品价值的主要途径是让更多用户更频繁地使用产品的核心功能；产品价值追求整体优势，而不是局部优势。首先，用户获得产品核心价值的方式实际上是完成产品的核心行为，如支付宝支付、网络云听歌曲、淘宝购物，这些都是产品的核心行为，其他都是在此基础上衍生出来的。根据对核心行为的影响，产品的功能模块可分为核心行为、支持行为和其他行为，并根据影响权重进一步细分为核心行为。在不扩大产品使用场景和业务范围的前提下，我们所做的一切实际上都是为了让更多的用户更频繁地使用产品的核心功能。第二，许多公司可能会根据业务或功能模块划分组织架构。表面上看，这是一个应用程序。事实上，两个不同的团队可能会制作相邻的两个页面。在这种情况下，A功能数据很可能会上升，但B功能数据会下降，或者A功能数据会下降、B数据上升，但整体下降，这些不是我们想要的，我们想要的是整体最好，而不是局部最好。总的来说，最好的是我们上面提到的北极星指数。至少有两个维度来衡量局部功能，功能本身的性能，以及对北极星指数的影响。这一部分将从定量和定性分析的角度进行。1.定量分析首先，思维方式与全局数据指标相同，Why》What》How：Why：为什么用户使用这个功能；What：功能是如何满足需求的，有哪些流程，涉及哪些功能模块；How：用户是如何一步一步地使用这个功能的，不同用户之间有什么区别。二是一些基于思考的数据指标：一级指标：对整体指标的影响；二级指标：功能本身的性能和相关性的影响；三级指标：细分数据。一级指标主要是指对整体数据的影响，即对北极星指标的影响，是正还是负？二级指标主要是指功能本身的性能，以及可能对其他相关功能模块的影响，毕竟，我们追求的是整体最佳。功能本身的性能可以从功能本身和对市场的影响两个维度来看：功能本身：用户数量、频率、转化率等；市场影响：覆盖率、渗透率等。比如你做了一个功能数据，表现不错，但只占DAU的1%。功能性能好吗？如果覆盖率提高，数据性能会继续好吗？相关影响主要是指对其他功能模块的影响。例如，您最近推出了新用户X天免费广告功能，新用户保留率很高。然而，新用户不显示广告肯定会导致广告收入的减少。广告收入的减少与新用户保留增长之间的投资回报率是否积极，X天是否是最合适的天数。它能更短吗？三级指标主要是指功能本身的细分性能。常见的细分维度包括：自然属性：性别、年龄、区域；终端属性：终端、系统、版本；行为属性：渠道来源、新老用户、用户行为等。当我们看到当地的数据指标时，除了看到自己和细分的数据外，不要忘记看到相关的模块，以及对市场的影响。无论局部数据指标有多好，都会对其它数据指标产生负面影响，或者对市场指标没有影响，也不能称之为好。2.定性分析有时我们可能陷入定量数据分析，一直在看各种数据，但回顾过去，这真的有必要，有多有价值？有没有可能一开始方向就错了？事实上，我所理解的定性分析应该是在决定是否这样做之前需要清楚地思考的事情。这样做的目的是什么，对用户、产品和业务的价值是什么。在目标和方向不明确的情况下，数据仅用于辅助决策、确认或伪造猜想。比如微博的短视频和网易云的短视频有什么区别吗？每个人都在向app添加直播模块，我们想添加吗？最后简单总结一下全文，我们在制定整体和局部核心指标时，可以从这些问题入手：Why：为什么用户要使用，产品提供的核心价值是什么；What：如何满足产品的需求，提供什么解决方案；How：如何一步步满足需求？在定义局部指标时，首先考虑目标和价值，然后关注不同层次的指标：一级指标：对整体指标的影响；二级指标：功能本身的性能和相关性的影响；三级指标：细分数据。以上是本文的主要内容，欢迎斧正、指导、拍砖。