浅谈核心指标

今天说说在各大公司招聘JD上出现频率非常高的一个词：提升核心指标相关数据。

用知乎体说的话，就是：当我们在谈论“提升核心指标数据”的时候，我们在谈论什么？

首先，从老板的角度看这个词，目的很简单，我花钱雇你来工作，别跟我扯那么多高端词汇，做APP的就告诉我日活增加了多少，做公众号的就告诉我涨了多少粉，做电商的就告诉我订单量增加了多少。

那么，这么要求对不对呢？

对也不对，我先做个排比大家感受一下：

我花钱供你上学，别跟我说什么兴趣爱好、素质教育，你就告诉我高考你能考多少分就完了。

这样就清晰了，从短期的价值衡量上，这些关键指标确实能带来实实在在的价值。

分数高就能上985/211；

日活高、阅读高就能接更贵的广告；

销量高就更简单了，直接增加流水和利润。

但对运营来说，千万不能只看老板最关注得那个，那只会让运营越做越短视、功利。

我们不妨从运营的角度再看一下，

当我的kpi变成日活、粉丝量、销量的时候，

运营中就不太需要考虑长期的用户价值了，

举个例子，如果想做粉丝量，直接上一套任务宝工具，设计一个海报，找个大咖来讲课或整理几十几百G相关资料，最后在与受众群体匹配的渠道投放，邀请3人关注送56G资料包.

这样做有效果么？  有！

效果怎么样？  简单！量大！快！

那为什么还要拉出来说？

因为在我看来，这样做有几个隐患，

1，当运营圈都在极力推崇这种简单、粗暴、来人快的所谓的“裂变”时；沉浸在分析各种低成本收割用户的“套路”时，自然就会对用户的长期价值缺乏关注的动力。这也会引出第二个隐患。

2，当用户对这一系列的套路完全免疫后（截止目前，已经有这样的趋势了，距离完全免疫不远了），还能寄希望于开发出另一个套路么？

3，规则风险，毕竟这一整套的套路都是在微信生态的某种规则下生存…… 就不展开说了。

为什么会出现这种情况呢，是因为我们把运营的重心放在了一个偏离用户价值的“核心指标”——粉丝数。所以归根结底，老板眼中的核心指标只能当做大方向的参考，不能作为运营重心。

我始终觉得，创意终究会随着时间推移变得稀疏平常，套路也会随着用户的熟知而不再有效，最后能够沉淀下来的真正值钱的，绝对不是对套路的熟练运用或是各种花式标题党的方式，而是长期磨练出来的对数据与用户的敏锐，对底层逻辑的理解。

------------------------------以上都是废话，赶时间的可以直接从这往下看-------------------

对于运营需要注意的核心指标，我觉得可以引入两个增长黑客里的概念来辅助分析：

“北极星指标”和“aha时刻”

1，什么是aha时刻

aha时刻，就是用户在发现产品最核心价值的那一瞬间，逆向思维来看就是，当用户突然失去这个产品后，如果感到懊恼或遗憾，究其原因的话，大概率是因为那个aha时刻。

举个例子，对我来说网易云音乐的aha时刻就是当算法将那首我没听过但却是我喜欢的歌曲推荐给我的瞬间。这一瞬间将对“我”这个用户产生巨大的影响：

（1）在我手机内存不足需要删一些应用的时候，因为这个aha时刻让我产生“这么懂我的APP还是留着吧”

（2）在我想要听一会歌的时候，打开《音乐播放器》这个文件夹，因为这个aha时刻让我产生“用这个播放器吧，它很懂我！”

（3）当我身边的一个朋友需要下载一个音乐播放器的时候，因为这个aha时刻，我会第一时间推荐他网易云音乐，因为它既然很懂我，那自然也很懂我朋友。

类似的例子还有很多，可见这个aha时刻足以对产品价值产生巨大的推动力。

当然上述例子只是偏感性的分析，具体应用中，可能这个aha时刻不会这么明显，就需要通过一些数据分析的方法来找出产品中“隐藏“的aha时刻。

2，怎么找出aha时刻

（1）罗列关键行为

首先要将用户对产品的所有关键行为进行罗列，以网易云音乐为例，关键行为可能是：

搜索、播放音乐、歌单、排行榜、浏览评论、私人FM、每日推荐、本地音乐、将音乐收进歌单……

（2）根据留存进行群组分析

首先要将用户进行分组，可以用月活跃天数这个维度，也可以用月订单量、月浏览量等等，就以月活跃天数为例，并附加追踪次月留存率，将用户进行分组，见下图：

（模拟数据，仅供参考）

可以发现，月活跃5天是一个临界点，5天以下时，次月留存低下且不稳定，5天以上时次月留存趋于稳定，那么就可以将用户根据这个维度分成以下3组：

①活跃用户（月活跃天数>5)

②沉默用户（首次使用后就不再打开）

③一般用户（上述两种情况以外的用户）

（3）通过相关性分析筛选关键行为。

将关键行为的每次启动发生次数和各用户群所占比例进行统计，以下图为例：

（模拟数据，仅供参考）

可以看到【评论】和【每日推荐】的活跃用户占比是明显高于其他关键行为的，这时候就可以将初步筛选出来的关键行为做最后的定性分析，因为数据只能告诉我们发生了什么，却不会告诉我们为什么发生，这时候就需要通过调查问卷或直接与各个分组的用户进行访谈，了解更多感性层面的原因，直至找出最终的那个aha时刻。

3，围绕aha时刻寻找北极星指标

（1）建立用户价值等式

用户价值等式是什么呢？

举个例子：假设一个新媒体公司有一个10万粉丝的公众号，公司估值100万，反推的话就是每个粉丝值10元，这10元拆开来看可能又是由【次均阅读量 X 次均转发量 X 次均广告点击量 X 次均商品购买金额 】等等这些变量组成，这个公式上的任何一个变量增加或减少都会影响最终的价值，这个等式就可以叫做用户价值等式。

（2）将等式与aha时刻关联，确定北极星指标

用户价值等式建立好了之后，可以与aha时刻相结合，寻找那个离aha时刻最接近的变量，

比如网易云音乐通过数据分析和用户调研之后发现用户的aha时刻是在歌曲的评论区看到那些让自己感动的评论，那它的北极星指标就不应该是听歌数量，而是评论区的相关互动数据，点赞、评论、跟楼等等。

因为作为一个主打情怀的音乐社区，每天在你这播放再多的歌曲，只要其他播放器提供更全的曲库，用户就会毫不犹豫的转身离开，只有当用户感受到那个在评论区被感动了的aha时刻，他才会忠诚于某一产品。

（3）北极星指标的延展

其实在我们的工作中，也可以运用北极星指标的理论，将我们个人的KPI看做是价值等式的最终价值，就可以将我们的工作拆解成若干个模块，甚至可以把你的leader臆想成你的用户，通过交谈反推一下他的aha时刻，设定好工作中的北极星时刻后，就不会觉得工作繁杂没有头绪了。

最后，一定要将北极星指标落实在运营工作的每个细节上，我一直觉得，只有将有限的子弹打在敌方火力最大的机关枪和炮兵身上，才能赢得战争的胜利。