[數據分析#5-精益數據分析] 關鍵指標跟指標哪裡不一樣?

最近看了一本書 精益數據分析,在我三年的數據分析生涯裡,幫我做了一個很好的歸納,例如說: KPI 要訂幾個指標才合理?哪些才是對成熟期的電商業務比較好的指標?第一次的準繩應該怎麼訂?等等。同時這本書也幫助我找到一些數據分析過程裡的盲點,例如說:「虛榮指標」只是一些看起來很厲害,但是沒有辦法讓你付諸行動的數據,他只能解釋現況,但卻沒有辦法驅動決策,像是活躍用戶數 (DAU)、新用戶數 (New User)、頁面瀏覽數 (PV),這些本該隨著時間增加而增加的數字,如果沒有搭配單位時間的變化去看,那追蹤這些數字大概會讓你很挫折!

指標 (Metrics) & 關鍵績效指標 (KPI) 的不同

所有問題都可以透過指標來解釋,一個問題可能有很多指標可以一起解釋,但我們可以找到一個關鍵指標來「用最簡單的方法總結問題」。指標千萬種,我們應該先了解每個指標的用途、分析一下這個指標對於「將要做的決策」有沒有幫助,再選擇是否採納。這邊以精益數據分析的舉例來區分五種指標類型。

先講結論的話,我們最喜歡關鍵指標是:可付諸行動的指標、量化指標、探索性指標、先見性指標跟因果性指標。一起來看看現在採納的指標/關鍵指標有哪些特性吧!

5 種指標特性:一起來檢視一下指標的特性!

# 1-虛榮指標與可付諸行動的指標

虛榮指標會讓公司覺得自己做得很好、每天都在進步 (活躍用戶數、新用戶數、頁面瀏覽數),但是這些數字不能驅動我們在業務上做調整,推薦替換成 (活躍用戶比例、單位時間新用戶增加數),把指標經過比率或是單位時間的轉化。轉化過後的指標,比較容易知道行爲之後的結果,有沒有對基本面產生改變,進而維持、或是改變決策。

# 2-質化指標與量化指標

質化指標是非結構化的、經驗性的、難以歸類的,舉例來說,跟消費者訪談過後的建議。

量化指標則是統計數據,提供可靠的量化結果,但缺乏直觀的洞察,需要經過測試 (A/B 測試) 後,才知道什麼行為可以驅使結果改變。

# 3-探索性指標與報告性指標

探索性指標是推測性的,提供原本不為所知的洞見,幫助我們在商業競爭中取得優勢。但這探索性指標很難發現,但同時也是最重要的。例如說創業公司 Circle of Friends,他們從顧客分群的角度切入後,發現媽媽群體的數字格外突出,因此轉型服務這群人。

報告性指標則是讓我們了解公司的日常運營。報告性指標會出現在行為後的量化統計、也會出現在我們需要驗證假設時,確保我們的決策是對公司有幫助的。

# 4-先見性指標與後見性指標

先見性指標用於預言未來,提早佈局計畫防患未然。後見性指標則用於解釋過去。

例如說當我們希望降低客戶流失率,那流失率本身是後見性指標,在流失後我們才會發現,客戶流失的先見指標可能會是:客訴量的改變、產品退貨的比例。我們應該盡可能地尋找問題的先見指標,提早發現問題,提早埋伏解決。

# 5-相關性指標與因果性指標

如果兩個指標總是一同變化,則說明兩者相關。例如說:冰淇淋的消費數量和溺水事件的相關性很高。

如果其中一個指標可以導致另一個指標的變化,則兩者具有因果關係。例如:冰淇淋的消費數量和天氣有因果關係。

冰淇淋的消費數量和溺水事件的相關性雖然很高,但他沒有因果關係,不能透過控制冰淇淋的銷售,來改變溺水事件的發生。但是冰淇淋的消費數量,可以透過控制天氣 (當然我們不可能控制天氣) 來提升銷售。先找到相關性後,或許就有機會測試僅是相關性,還是有因果關係?應用情景:如果你發現你能控制的事 (比如播放什麼樣的廣告) 和你希望發生的事 (比如營收) 之間存在因果關係,那麼就有改變未來的能力。

關鍵指標的 3 大特色

# 1-具有比較性

關鍵指標可以是一個比率 (%)、或是變化(速度=距離/時間,或是 MoM/YoY),可以比較在不同時間、客戶群體、競品之間有何不同?例如說,本週轉換率比上週進步 20%,會比轉換率 2% 來的更適合當關鍵指標。

# 2-可操作性、可以驅使行為

如果拿成長型的公司來舉例,成長型公司在制定業務的關鍵績效指標的時候,很可能是營收,因為這個數字的增減會大力的影響管理層的決策。業績不好,我們就得想辦法增加收入來源。除此之外,我自己還會考量 產品影響力 (Impact Sizing),這邊推薦閱讀計算產品影響力的方法,這個數字之所以重要是因為我們必須去計算每個關鍵指標 (例如:單位時間的新用戶數量) 有多大程度會影響我們的目標 (單位時間的新用戶數量帶來的營收),再去依照影響程度的大小 (新用戶帶來的營收除以總營收) 來衡量哪個關鍵指標更重要!

# 3-簡單易懂

簡單易懂指的是可以讓每個員工都記住或是以此為圭臬。

五大企業階段應該採用的關鍵指標 – 介紹三大模型

1-AARRR

# 5 階段-獲取用戶、活躍度、留存率、營收、推薦

獲取用戶 Acquisition
用戶透過什麼渠道得知我們?搜索引擎優化 (SEO)、 Email、廣告?
活躍度 Activation
用戶是否使用我們的服務?訂閱、下訂單?
留存率 Retention
用戶是否在第一次使用後,還有繼續回來使用我們的服務?
營收 Revenue
是否從用戶端獲得收入?可能以交易、訂單或是取得數據的形式
推薦 Referral
用戶是否有推薦朋友使用?或是分享、評論?

# 5 階段中應該關注的指標

階段 功用 相關指標
獲取用戶 通過各種各樣的手段讓用戶看見我們的服務 流量、CPC (Cost Per Click/每次點擊費用)
提高活躍度 將過客或是訪客轉化為產品的參與者 註冊人數、註冊量、至少用過一次產品的人數、訂閱數 獲取營收 商業活動的產出 (不同的商業模式會注重不同的產出,如購買量、廣告點擊量、內容產生量、訂閱量等) 客戶終生價值、轉換率 (CR)、平均購物車大小 (ABS)、廣告點入營收
提高留存率 說服用戶再次消費/使用,表現出黏性的階段 用戶參與度、距上次登錄的時間、日/月活躍使用量、流失率
提高活躍度 將過客或是訪客轉化為產品的參與者 註冊人數、註冊量、至少用過一次產品的人數、訂閱數 獲取營收 商業活動的產出 (不同的商業模式會注重不同的產出,如購買量、廣告點擊量、內容產生量、訂閱量等) 客戶終生價值、轉換率 (CR)、平均購物車大小 (ABS)、廣告點入營收
推薦 用戶是否推薦其他人使用 邀請人數、分享次數

2-增長引擎 (高黏著、病毒行銷、客戶高終生價值)

# 黏著增長引擎:專注在用戶留存、使用頻率

衡量黏性最重要的 KPI 就是客戶留存率。除此之外,流失率和使用頻率也是非常重要的指標。「黏性」往往來自用戶在使用產品過程中為自身所創造的價值,就像人們很難放棄 kkbox 或是 spotify 裡面存的歌單,因為那裡存了他們多年累積的歌單。

衡量黏性也不能只看留存率,還必須衡量頻率,例如:距上次登錄的時間、登入頻率、使用頻率等等。

# 病毒增長引擎:推薦分享

如果一個客戶可以幫你帶來 5 個用戶,那整個客戶群幫你推薦帶來的營收就會相當可怕,這也是為什麼科技平台很喜歡推薦回饋,這些回饋的金額可能遠比他們自己獲取一個新客戶的成本還要低。這裡可以衡量的指標有:用戶完成一次邀請所需的時間、用戶推薦數量。

# 付費增長引擎:客戶終生價值 > 客戶獲取成本

賺錢是識別一個商業模式是否可持續的終極指標。如果我們從客戶身上所賺的錢超過獲取客戶的花費,並且可以一直這樣做下去,那就代表這個商業模式可以賺錢。

所以付費成長引擎一邊是客戶終生價值,一邊是客戶獲取成本。但我們仍需為現金流和增長速度發愁,這取決於多久才能讓一個客戶付清你獲取他所花的成本。衡量方法是看客戶盈虧平衡時間,也就是你收回獲取一位客戶的成本所需的時間。

3-精益創業

Lean Startup Canvas 裡面提供的創業思考,也同樣可以在每個過程裡 highlight 一些關鍵指標:

  • 定義問題:調查對象中具有該需求的人數
  • 解決方案:調查對象中試用了最小可行性產品 (MVP) 的人數、用戶參與度、流失率、最常被使用的/最不常被使用的功能、願意付費使用的人數
  • 獨特賣點:用戶反饋 (分數)、客戶如何描述你的產品、調查問卷、競爭分析
  • 客戶群體分類:在該群體中找到潛在客戶的難易程度,獨特的搜索關鍵字,從特定源頭導入的精準渠道流量
  • 渠道:每個渠道可導入的客戶量、病毒式傳播數、病毒傳播週期、推薦值、利潤率、點擊率、網頁排名
  • 門檻優勢:調查對象對獨特賣點的理解、護城河為何?
  • 營收分析:客戶終生價值,每用戶平均收入(ARPU),轉化率、購物車大小
  • 成本分析:固定成本、客戶獲取成本

總結- 關鍵指標重質不重量

把關鍵指標具有的特點、跟公司階段都整理完之後,本書還介紹了每種類型的新創公司在做數據分析時,應該專精關注的,如果你想要知道電商平台 (像是蝦皮、momo,或是小型電商平台)、雙邊市場 (Uber、Airbnb) 中最重要的指標,歡迎參考我後續的文章!

【1 對 1 免費諮詢】數據分析師 0~1 培訓班陪你一路到轉職成功!

hi 我是 Lisa

你也是 0 經驗、沒有相關背景,但也想要轉職數據分析師,或運用數據分析,提升在領域的專業度嗎?

-

你是否也覺得,數據分析的網路學習資源很多,但是多到不知道從哪裡開始?

學了很多工具,但學完了,問題才真正開始,不知道業界怎麼使用?又該如何面臨工作跟面試?

-

我在 2019 年從營運專員的職位轉職到數據分析師

在這之後,因為數據分析,也讓我快速建構不同領域的知識:行銷、營運、商業策略、產品、網頁

轉職過程中,花了很多時間成本摸索

我發現,學數據分析最快的方式是:

  1. 確認自己跟市場需求之間的差距:訂定轉職策略及了解數據分析師的工作方式
  2. 以業界應用的角度學習工具:包括數據工具及分析用思維架構,並且如何高效運用
  3. 建立一個商業上的真實專案,並且得到回饋:打造屬於你及貼合職缺需求的作品集和專案
  4. 打造一個高效履歷跟面談:透過高價值包裝術拿下面試、成功獲得數據行業的門票

當初如果我有這套系統思維,應該可以在短時間內轉職,馬上拿到進入業界的門票

-

現在,我想把這套完整課程分享給你

這是專門為了 0 經驗、沒有相關背景的轉職者所設計

不需要去考研究所、不需要花大錢準備出國讀書

可以用最快的時間準備轉職、拿到門票!

-

如果你正在準備轉職數據分析師,且試圖找過解決辦法卻始終治標不治本!歡迎跟我預約免費 1 對 1 諮詢,我會在諮詢時,了解你的需求並且評估我是否可以協助到你!

電子書 職場人必學的數據分析術

Lisa Wu

Hi 大家好!我是喜歡探索身心靈健康及平衡的數據分析師 Lisa Wu!這個網站會幫助你:利用數據分析 (理性) 及 身心靈平衡 (感性) 的系統,去達成人生目標!如果你對我的人生系統工具有興趣,歡迎聯繫我:couplehonest@gmail.com