在从事数据工作时，经常会有空中飘来莫名一个问题，而手上的数据却没有办法解答问题，如果埋点了还可以跑跑数，如果没有埋点就只能将这次的疑问带入下一个版本迭代了。其实大多数产品迭代中遇到中的问题、数据异常表现，通可以通过指标定位到。

什么是指标体系呢？

刚开始做数据产品时，面对“指标体系”，一脸懵逼！去百度百科了下专业定义“指标体系是指由若干个反映产品各方面相对独立又相互联系的统计指标所组成的有机整体。” 简单的说，指标体系就是统计指标系统的组织起来。

为什么要建立指标体系呢？

就像引言部分讲的：在从事数据工作时，经常会有空中飘来莫名一个问题，而手上的数据却没有办法解答问题，如果埋点了还可以跑跑数，如果没有埋点就只能将这次的疑问带入下一个版本迭代了。但其实大多数产品迭代中遇到中的问题、数据异常表现，通可以通过指标定位到：一个完整的数据指标体系，粗粒度的数据表现(异常等)，是可以基于细粒度定位到问题的。e.g.新增变化异常，可以查看各渠道新增变化、买量市场变化等。

如何规划指标体系呢？

从产品的目标（kpi、战略重点）为出发点，筛选出能够100%反映评估目标变化的指标。

对于任一产品，都可以从产品当前的(1)规模、(2)健康度、(3)用户行为、(4)用户属性、(5)渠道质量、(6)竞品数据、(7)自身质量等6个方面设计指标体系：

(1) 产品规模

产品当前的规模、质量是产品发展至今、市场反馈、用户定位的综合体现，后面的所有指标都是基于此项展开的。

产品规模常用指标有：日(月)活、日(月)新增、日(月)回流、日(月)持续活跃；如果产品有商业化，会增加付费指标：日(月)付费用户、日(月)新增付费、日(月)回流付费、日(月)持续活跃付费、日(月)付费渗透率。关注活跃的各个组成成分，换言之在各维度上拆分活跃，e.g.将日活用户划分为 新增/活跃/回流。

(2)用户健康度

就像人体检时，当各项指标均处于正常范围内，长舒一口气“自己还蛮健康的”。产品也是一样，用户作为产品的核心，只有用户能够保持健康度，才能够保持平稳或持续增长。

a.留存、活跃度、用户粘度，通过留存率、活跃度(活跃天数/次数等分布)、DAU/MAU 反馈用户的活跃程度，反之也表现了流失状况，可以用来监控产品的健康度。

不同产品的监控周期不同：

对于高频产品，留存可以基于日来监控，如次日/3日后/7日后留存；活跃度、用户粘度可以基于周来计算；

对于低频产品，留存可以基于周/月来监控，如次周(月)/3周(月)后/7周(月)后留存；活跃度、用户粘度可以基于周(月)来计算；

而产品属于低频还是高频可以通过周活跃天数来判断该产品是高频还是低频，通常周活跃天数大于3，是高频产品，反之属低频产品。

b.用户成长体系: 有会员等级体系的产品，可以看不同产品等级的用户分布；

c.用户流动模型: 结合用户生命周期，从新增->留存->回流->流失过程转化来定义用户在产品中的流动，结合用户生命周期进行精细化运营，才能拉长用户生命，

(3)用户行为

每一款产品都有自己的主打功能，通过用户行为指标可以了解用户的使用情况、转化情况。

a.各功能使用情况，以拍照app为例：自拍、美颜、美图的使用情况，结合自拍/美颜/美图的效果进行查看，结合不用用户群体进行查看。

b.产品的关键漏斗，以短视频类app为例：上传->(被)曝光->(被)播放->(被)喜欢/评论->(被)关注/分享 的漏斗，也可以结合各用户画像维度来查看。

产品新功能、活动上线时，选择以上指标进行实时监控(按小时、按分钟监控)，以便确认功能、活动效果是否如预期，并及时发现版本问题回滚。

(4)用户属性

用户的画像和终端数据是用来详细描述用户本身的属性，明确使用产品的用户是什么样的人群。

a.可以指导产品、运营活动的设计方向，如：产品设计的目标是针对25岁以上的成熟用户，但实际画像出来发现用户年龄主要集中在20岁以下，与设计理念不符，就得考虑功能设计是不是有问题，得改变方向，而各种运营/商务活动，也可以基于用户画像&终端维度来分析各个指标，来确认是否达到预期的活动目的, 后续也会结合自己的经验来写精细化运营的文章。

b.可以作为精细化推荐重要特征。

(5)渠道质量

这部分内容仅适用于独立app产品，因为独立app需要通过不同渠道去推广引导用户下载安装，不同渠道的用户质量差异比较大，所以需要分渠道来监控，而方式主要是基于渠道维度来检测各指标；渠道质量在新增相关的指标上表现更为明显。

举一个例子：新增数量没有发生变化的背景下，次日留存发现明显降低。

结合“是否付费”“各渠道”来查看，是否付费/非付费，所有渠道均下降？

如果是付费用户留存下降，那需要找渠道同学了解并反馈问题；

如果普遍下降往往是整体原因，去查看整体指标均有相同趋势：

    a.发现某个时间点(自从xxx功能下线后)各功能均出现相似现象，为了更精准的锁定问题，解决问题，建议可以做ab测试验证猜想；

    b.没有时间吻合时间点，但市场上近来出现了强有力的竞品。

(6)竞品数据

当前市场产品频频出新，抖音的出现让整个短视频领域的app都不安稳了。

及时、定量的监测竞品数据有助于我们洞察市场方向、对标规模、留存，以便对比出自家产品的优势和劣势，不过这部分数据通常不易获取到，大都从第三方获取，如：极光、易帆等。

(7)产品质量

此外，还有一种常规指标就是产品质量--是对产品/开发质量的衡量，能够及时反馈出 产品是否屡屡打扰用户? 或 使用流程是否不畅？ 或 是否引起手机出现问题等。

衡量的基础指标：基础指标包括：crash率、启动耗时、页面加载速度等，视频播放产品还会有播放成功率、播放加载速度等；产品的下载-安装率，卸载率，push关闭率也是关注指标；而产品质量大都受到用户自身的网络类型、运营商、机型强相关，所以以上指标的维度通常需要细分这三个维度来看。

整个数据指标体系定下来后，我们还要确认

(1)是否能够完整覆盖产品的状态，比如：产品的发展速度；

(2)是否足够系统化，是否能基于细粒度的指标解释粗粒度的异常；

(3)是否可以执行，是否可以基于“产品当前的数据采集情况”得到；

(4)是否具有可解释性，统计逻辑是否可以让业务同学理解，复杂不可解释的指标往往会无法定位问题，无法直接诠释业务变动，容易被忘记；

此外，作为数据产品一定要注意：

(1)数据采集上报需要保证其准确性、实时性等：数据上报不准确，后面做的再好也没有用，可以了解埋点的意义

(2)数据埋点合理、可拓展：常用的事件模型

(3)数据处理过程逻辑清晰、数据透明：数据处理过程

以上是基于通用化产品来说的，各家产品都可以定制出自己一套指标体系。