lon指标弊端(lon指标详解及实战用法)

编辑导语:说起数据指标体系,大家总会想起AARRR”、OSM”和UJM”等,但如果细问,你真的能说清吗?要搭建好用的数据指标体系,光有理论是不行的。这篇文章分四步讲解搭建数据指标体系的方法,一起看看吧。一提起指标体系,很多同学像说相声一样,脱口而出AARRR”OSM”UJM”……讲得好开心,可面试官多反驳一句:我这是销售运营的指标体系!”说清楚到底O是什么O,U是怎么U的!”就会让很多同学没了办法

编辑导语:说起数据指标体系,大家总会想起“AARRR”、“OSM”和“UJM”等,但如果细问,你真的能说清吗?要搭建好用的数据指标体系,光有理论是不行的。这篇文章分四步讲解搭建数据指标体系的方法,一起看看吧。

一提起指标体系,很多同学像说相声一样,脱口而出“AARRR”“OSM”“UJM”……讲得好开心,可面试官多反驳一句:“我这是销售运营的指标体系!”“说清楚到底O是什么O,U是怎么U的!”就会让很多同学没了办法。

今天系统讲解下,该如何处理此类问题。和很多数据分析问题一样,OSM等理论本身没有问题。问题是不能把理论当教条,不深入业务流程之中,不考了具体场景,是没法搭建出好用的指标体系的。

一、清晰业务场景

所谓的业务场景,即:数据指标要反映的业务是啥。

它包含了四个方面:

  1. 业务方目标是什么;
  2. 业务的流程是什么;
  3. 业务方做哪些动作影响结果;
  4. 业务流程/业务流程,有啥数据记录?

很多同学面对具体业务,不知道该怎么梳理指标,本质上是对业务不熟悉。即使不问“销售运营指标体系”,而是问:

  • “销售卖的是啥呀?”
  • “销售目标客户是谁呀?”
  • “销售人员咋卖的呀?”
  • “销售运营又运营啥呀?”

一个都答不上来,那还咋梳理指标。懂业务是第一位要求,了解业务场景后,可以一步步开始梳理。

二、清晰业务目标

业务目标是业务最关心的东西,也决定了指标体系的主指标是啥。数据采集,得优先保证主指标有采集;指标体系的展开,也优先展示主指标的产生过程。

在业务方的心中,业务目标是很清晰的。因此可以直接沟通。

比如销售运营工作,常见的主指标有:

  • 销售目标达成→指标:销售收入(金额)
  • 销售业绩增量→指标:销售收入增长率
  • 销售队伍稳定性→指标:整体离职率/A级离职率
  • 特定客户开发数量→指标:整体离职率/A级离职率
  • ……

梳理清楚这些,定下主指标,就能结合具体业务流程,看主指标是怎么实现的。

三、梳理业务流程

业务流程是主要数据来源,指标体系首要任务是反馈业务流程情况。有了主指标以后,要结合业务流程,梳理出过程指标。有了过程指标,才能解释主指标为什么低,为什么高。

还拿销售运营举例。销售运营的工作,是叠加在销售正常的工作之上的,因此有两个业务流程要梳理:

不同销售流程的操作不一样,想让指标体系具体、能落地,就得深入业务细节之中,看具体是怎么操作的。有的流程可能很简单,比如销售自带客户资源,那就自己联系客户→签约,结束。

但有的流程可能很长,比如卖软件的,从接收客户线索到成交,有N多步骤,这里是不能偷懒的,要一步步认真梳理,最好画出流程图。(如下图)

销售运营的动作,大体上可以分成三部分:

  1. 培训:培训销售们产品知识、话术、技巧
  2. 激励:物质激励、精神激励
  3. 组织:SOP制定、流程管理

这里也不能偷懒,需要了解到细节。比如培训,什么时间、什么话题、多少人参与,要了解到位。比如激励措施,物质奖励的奖励规则,要了解到细节(如下图)这些细节才是直接驱动销售干事情的动力。

这里有个常见的误区,就是很多同学在梳理指标体系的时候,只关注用户行为,不关注业务动作。比如梳理销售指标,就简单地:销售额=业务员人数*有成交比例*人均成交金额,就拉倒完事。

至于有啥奖惩措施,有啥规范制度,一概不知。这样会导致指标体系只能展示结果,不能解释原因,也没法对比分析。最后对着人数、比例、人均金额三个指标狂抓脑袋:为啥它就涨了呢?为啥它就跌了呢?(如下图)

四、确认数据采集

数据记录是保障。业务流程数字化程度不高,没有数据记录,一切免谈。比如销售运营指标体系;如果想解读销售业绩,就得掌握销售过程,得先知道销售干了啥,没干啥;如果想诊断销售能力,就得掌握销售个人画像,得先知道销售有啥经验、啥背景;如果想分析运营动作有效性,就得记录每个动作上线时间,作用在哪些人身上。

如果以上统统没有,只有一张成交订单和订单上的销售个人编号。那就真的没啥好分析的了。最后的数据就只有:销售额=业务员人数*有成交比例*人均成交金额。基于这么点可怜的数据,可以做一些简单的、粗线条的分析,比如:

  • 对业绩排名,分析业务员业绩稳定性、找出标干
  • 对团队排名,分析团队管理水平高低
  • 对比活动/政策上线前后差异,粗略观察效果

当然,因为缺少细节,所以这些分析很容易被人质疑。没有数据,分析个屁!这一点一定要牢牢记在心里。

在各种场合,努力推动数字化进程,努力提高业务部门对采集数据的重视(而不是提高业务部门对数据分析成果的期望),才是数据分析师们自救法宝。

至于那种大吹特吹:“我有神威无敌大将军算法,代码一跑上知天下知地中间知空气”的主,你就跟他划清界限,让他独自面对销售的质疑,死几次他就知道改了。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

关键词: 销售
本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 931614094@qq.com 举报,一经查实,本站将立刻删除。
lon指标弊端(lon指标详解及实战用法)文档下载: PDF DOC TXT