本文约1200字,阅读时间3分钟。本文转载自“米妮老师”公众号文章。欢迎转载,请注明出处。
引用某管理学大师的名言:如果你不能衡量它,那么你就不能有效增长它。
商业分析师在面试中经常会被问到如下问题:你会给产品定义什么样的成功指标(success metric)?
在Google内部,任何一个产品是有明确的绩效考察,也就是所谓的KPI,也就是我们这里说的成长指标。能否按期完成这个指标,关系着用户对Google的信心,老板们的心情,和基层干部的升官发财。既然指标这么重要,那么什么是一个好的指标的必要条件呢?
好的指标衡量商业价值
对电商,商品购买总额(Gross Merchandise Volume,简称GMV)是个非常显然的成长指标。因为所有电商无一例外的只有一个目的,就是靠多卖东西来赚钱。相比之下,其他指标例如用户留存率(Retention Rate)虽然重要,但是对电商来说绝对不是最重要的。
然而对于社交功能的产品,比如Facebook,微信等等,每日活跃用户数量(Daily Active User, 简称DAU)非常重要,因为这些产品存在的意义就是成为人们每天社交、打发时间的工具。这些社交功能的产品的收入模式也是以大量用户长时间、高频率的使用为前提的。Facebook 通过贩卖用户的注意力来卖广告,微信则是通过贩卖用户在平台上的粘性来创造附加收入。
但是对于另外一些企业,这个指标(日活量)很有可能根本就不靠谱。我们可以看看LinkedIn的例子。
如果你是LinkedIn的老板,你可能根本不会去关心网站的日活量。为什么呢?LinkedIn靠什么赚钱?这个产品赚钱不是靠流量,靠的是拥有完整profile的用户的数量。只有这类用户的数量多了,猎头和招聘公司才会纷纷赶到,LinkedIn才有钱赚。
所以,如果我是LinkedIn的老板,我会把公司的成功指标设定为“拥有完整profile 的用户的数量”。所以,在面试中面对此类问题,我们一定要想清楚此产品到底靠什么赚钱,哪一个指标最能反映产品创造的价值。
好的指标只有一个
在Google,我们对每个产品都会找一个“北极星”指标。顾名思义,这个指标就应该像北极星一样,永远指引着产品团队行朝着最大化这个指标的方向前进。确定就好一个北极星指标,只要这个指标反映了产品的本质商业价值,那么团队就可以专注于产品长期的增长。
互联网流传着这么一个被使用到烂的框架:AARRM。这5个字母分别代表了用户在产品内部的生命周期。做数据分析的同学们,所有的App(甚至所有互联网产品)都可以参考这个框架来思考如何选取北极星指标。
- Acquisition:用户获取。网站注册用户,移动应用装机数量。产品增长的第一步。这个非常直白,不用多说。
- Activation:用户激活。传说中的“用户第一次体验到产品美妙“的时刻。在这里我们需要定义怎样才算作是“用户激活”。比如Facebook前期对激活的定义,就是拥有至少7个好友的用户数量。通过数据分析,Facebook团队发现如果新注册用户加了7个好友,该用户的留存率会大大提高。这个靠谱,因为Facebook给用户提供的核心价值就是和朋友社交。只有用户被激活,我们才认为用户真正开始使用了产品提供的价值。
- Retention:用户留存。用户粘性。来的快,去得也快。只关注新增用户、不关注流失用户的商业分析不是好的商业分析。主要的指标就是留存率(Retention Rate)。具体的计算方法呢?4月1号当天新增了100个用户,如果这100个用户里在之后的第30天还活跃,那么我们说4月1号那天的用户留存率是30%。
- Revenue:用户变现。又到了收割的季节。这里可以是用户直接掏钱购买商品或服务,也可以是产品通过用户流量进行套现。可用的指标:GMV(商品销售总额)、购买人数、用户平均消费(Average Revenue per User,简称ARPU)、买家平均消费(Average Revenue per Paying User,简称ARPPU)。
- Referral:用户自传播。病毒式传播。我们可以通过计算平均每个已有用户邀请来的新用户作为主要指标。
再举个工作中的例子。在分析A/B测试结果的时候,产品经理有时候会关注10个不同的指标。作为商业分析师,就算其他9个指标都是上升,只要北极星指标下降,同学们也应该毅然否定这个测试结果,并花更多时间去研究为什么北极星指标会下降。
好的指标定义简单
好的指标一般来讲需要一个非常简单明了的定义,既直观(容易向别人解释),也可靠(便于自己测量)。给一个电商找指标,商品交易总额(GMV)还是投资回报率(Return on Investment, 简称ROI)?应该是GMV,因为他直白,他好计算。
有同学会问:难道不用考虑电商的经营成本,比如货物成本、运输成本之类的么?这个是完全正确的。但是在真实工作和面试中,如果把所有的因素都考虑进来,那么问题的维度会变得非常的繁杂,对指标的定义也就变得非常困难。所以,我们在这里需要遵循2-8法则(用80%的经历放在20%最重要的部分上),抓住重点。