§26 搭建指标体系：从单点到全局

Q: 为什么要搭建指标体系？

A: 因为搭建一套完善的数据指标体系能让工作更好开展。我想起刚入行不久，有一位数分前辈在面试时被问：“企业录用你，你能给企业带来什么样的价值？”他答案：“我可以为企业进行业务的量化。”给大家分享这个小例子，是想说在实际工作中指标搭建是数据分析非常基础的一件事情。首先要理解指标，对业务单元细分后的量化的度量值。会使我们的目标可描述，可度量、可拆解，它是业务和数据的结合，也是统计的基础，是最终效果的重要的依据。我们需要把零散的、单点的，但又有联系的指标系统化的组织起来，这就形成一个指标体系。所以我们需要通过单点去看全局，通过全局来解决单点的问题。

业绩指标：

需要建立一个完善的数据指标体系，以便更好地开展工作。指标体系包括销售指标（如GMV、客单价）、流量指标（如PV、UV、转化率）、用户指标（如支付用户数、新老用户区分）、商品指标（如商详页UV、转化率）、后端供应指标（如仓储周转、物流时效）以及市场竞争指标。

销售指标，也是核心类指标。

GMV：GMV 是在电商里面经常提到的，也可以说是销售额，在我们的统计周期内的所有订单，包含退款订单，未支付订。所有订单的金额合叫GMV，也是订单量。
客单价：是指成交金额的平均值，用成交的金额除以成交的人数。
流量：PV、UV统称为流量，访问量是UV，
转化率：它分成很多的业务场景，比如一个商品的路径的漏斗分析，它从开始展示，再点击，进入详情页，再收藏，再加购，再付款。每一步都有转换率。最常说的转换率是支付的转换率，由最后下单的人数除以流量。
收藏数和加购数：大促的时候时间周期是很长的，前期会有预热期，在此期间比较大的品牌店铺会引导用户收藏加购，所以收藏数和加购数也是很被重视的。
订单的取消率和退货率：大促的时候会有优惠券，满减，折扣，那么在这种氛围内，很多人为了凑单而下单，那可能第二天就取消了。这也是个很重要的指标。
净利润：最关心的是最终赚了多少钱。

流量类的指标

展示量：把商品推荐推在客户眼前，展示之后会有客户点击，那么就会产生 PV UV。如果被点击多次，PV 会被重复计算。UV 分为新访的 UV 和老访的UV，在活动的时候会去拉新，所以会单独去看新访UV，对于老客的回购会看老访的UV。
点击率：在商品展示之后有多少人来点击进来
跳出率：用户访问了页面后离开页面的次数除以总的访问次数，跳出率它往往是在衡量网站的内容。跳出率很高的话，内容肯定要优化。
访问时长：这个指标一般会有一个范围，页面访问时长太多也未必就好，可能是页面加载时间过长，图片加载很慢。那么如果太短，可能是页面的信息较少，不能吸引用户。
人均页面访问数：希望用户进行深层次的访问。
ROI ：常用的 ROI 是收入除以成本，是评估投放效果的指标。
不同的渠道：因为投放的渠道非常多，比如搜索类的，推荐类，内容种草类。通过不同渠道来进行流量的细分。

用户类的指标

支付用户数：对支付用户数进行划分，分成新用户、老用户和会员类的用户。
客单价：用户在门店消费的金额
新用户类：购买的件数，获取成本（来自不同渠道）。
老用户类：客单价，购买件数。新用户拉新成本较高，更加希望延长老用户的生命周期，让他们成为忠诚用户。

分开来看老用户，新用户的指标是因为对老用户更有期待，所以一般鼓励用户注册会员，针对会员准备活动，礼品，优惠券，在大促的活动中去研究会员数，会员的购买率，会员的客单价、购买件数。

用户的价值：人均购买商品件数，商品平均单价，人均订单数。我们除了看用户量，还会看用户的这些价值。

商品类的指标

商详页UV，商详页转化率，商详页加购率这些比较好理解。

SKU SPU：SKU是一个储存库存类的单位，对商品的具体的规格、型号、颜色、尺寸等细分的一个编码。那么 SPU 它相对抽象，它是代表一组具有相似功能和属性的产品集合，那么它会把相同的，比如说类型、款式的商品归为一类，所以它是一个产品抽象的概念。
- 一个 SPU会对应多个SKU。比如一个款式的 t 恤是一个SPU，根据不同的颜色、尺码，它会变成多个SKU。
售罄率：售罄率是衡量商品是否畅销的指标，计算方法是销售的数量除以进货总量，注意有些算法是用的数量，有些是用金额。
- 折扣比例：因为在大促期间商品肯定是打折，不同类别的商品有不同的折扣，所以通过折扣比例来划分
商品销量：服装包括男装、女装、童装。
类目细分：单品的细分，某次活动下来TOP10是哪些品，甚至看不同的折扣，不同的款式下的TOP10，还有首发款、新款，不同的渠道也会看

后端供应类

仓储的周转情况：是否产生缺货
物流配送时效：物流公司从接收到订单开始，到商品送达客户手中的时间
用户体验：客服咨询转化率，客服的接待人数，客服的满意度。
售后维度：纠纷，售后退换货

市场竞争类指标

整个活动结束后会看市场竞争，关注市场排名，市场占有率。

参考： https://mp.weixin.qq.com/s/pnk5Sm2cVmNGs1GnBKNNKQ

《五千字详解以双十一大促为例的电商活动分析 -- 一个数据人的自留地》

案例分析：

https://mp.weixin.qq.com/s/7tiAw1zv9zlFSfdHdyrvuQ

https://mp.weixin.qq.com/s/BWLsix2v-pJ2HUzyYf4NcQ