指标体系是将零散单点的具有相互联系的指标系统化地组织起来的体系，通过单点看全局，通过全局解决单点的问题，由指标和维度组成的。
1.2 指标将业务单元细分后量化的度量值，它使得业务目标可描述、可度量、可拆解，它是业务和数据的结合，是统计的基础，也是量化效果的重要依据，一般通过对某个字段的某种计算得到（比如求和、均值等）。
指标主要分为结果型和过程型：
结果型指标用于衡量用户发生某个动作后所产生的结果，通常是延后知道，很难进行干预。结果型指标更多的是监控数据异常（如消费指标），或者是监控某个场景下用户需求是否被满足（如目标行为转化率）
过程型指标用户在做某个动作时候所产生的指标，可以通过某些运营策略来影响这个过程指标，从而影响最终的结果，过程型指标（如流程转化率）更加关注用户的需求为什么被满足或没被满足
指标的拆分角度（比如按照平台、内容类型、性别等），一般根据业务的分析需求进行设计。
体系是由不同的维度组成，而维度是指用户观察、思考与表述某事物的“思维角度”，维度是指标体系的核心，没有维度，单纯说指标是没有任何意义的。
维度主要分为定性维度和定量维度：
定性维度，主要是偏文字描述类如城市、性别、职业等
定量维度，主要是数值类描述如收入、年龄等，对定量维度需要做数值分组处理。
生命周期主要包含定义、生产、消费、下线四个阶段。针对整个生命周期要持续做指标的运维管理、质量管理，同时为了提高指标数据复用度，降低用户使用成本需要做对应指标的数据运营工作。
指标体系生命周期
1.5 设计指标体系的目标衡量业务发展质量：
指标体系可以反映业务客观事实，看清业务发展和运作现状，通过指标对业务质量进行衡量，把控业务发展情况，针对发现的业务问题聚焦解决，进行多数场景的归因，快速定位异动原因，促进业务有序增长
建立指标因果关系：
主要明确结果型指标和过程型指标关系，通过结果指标回溯过程指标，找到解决问题的核心原因
指导数据分析和运营工作：
建立产品评估体系、活动效果评估体系、智能运营分析体系
指导基础数据建设：
明确基础数据建设方向，集中资源，避免过程和结果分析指标数据的遗漏或缺失
2 数据指标体系建设的方法/模型 2.1 北极星指标北极星指标也叫唯一关键指标(OMTM，One metric that matters)，产品当前阶段最关键的指标。简单说来就是公司业务的发展目标，不同阶段会有不同的目标，寓意是要像北极星一样指引公司业务前进的方向。除了SMART原则（具体的、可衡量的、可达到的、和其他目标具有相关性、有明确的截止期限），在互联网产品中还可参照以下思路。通常要根据市场、产品生命周期、产品品类和商业模式确定。
思考方向
在宏观方面，公司业务现在在市场上处于怎样的地位，公司业务发展到哪个阶段。这个地位和阶段决定公司目前的战略方法是什么
业务发展阶段和对应的核心诉求、指标参考
能让人一眼洞悉产品的核心价值
核心价值是产品存在的意义，目标是让产品价值得到最大程度发挥，用户体验和需求得到充分满足，取决于产品的重点业务和业务方向。
具有典型性，能完全反映用户的活跃程度
累计的统计量无法反映用户每日活跃的情况及一段时期内用户整体的留存情况，更无法很好地估量出每位用户带来的价值。
能体现和代表业务发展趋势
通过该指标就能对业务发展的大体趋势一目了然，其反映的是业务发展的宏观状况，也与其他指标具有正相关性。
容易被整个团队理解和交流、认可
应定义好各种指标的权重，并且让多个部门接受。
先导指标，提前或及时发现问题
某些指标晚于事件的发生，具有滞后性，没法及时且真实地反映业务发展的状况。选定先导指标能让产品方提前发现并解决问题，等到用户都已经流失数月再想着去召回的成本很高，而实现的可能性却极低
2.2 OSM模型举例：当月会员付费收入是相对滞后的指标，因为有的用户已经停止使用产品几个月了，却还在被扣月会员费
OSM模型=目标(Objective)、策略(Strategy)、度量(Measurement)。
作为业务分析框架，并非算法模型，适用于目标已经清晰、行动方向已经明确的情况。
OSM模型
以漫画业务为例：
一级指标：公司战略层
用于衡量公司整体目标完成情况，与公司当前业务紧密结合，并对所有员工均有核心的指导意义。一级指标通常指引着公司的战略。
O：结合北极星指标法，首先确定公司级的目标：DAU增长。
利用OSM模型可以把宏大的目标拆解，对应到各部门具体的、可落地、可度量的行为上，从保证执行计划没有偏离大方向。
二级指标：业务策略层
为达成目标，对其进一步拆解为业务线或事业群的核心指标；通常为了实现一级指标，企业会做出相应的策略，二级指标也会与这些策略有所关联。
S：DAU增长策略
提高新用户规模
提高留存用户规模
提高回流用户规模
三级指标：业务执行层
三级指标是将二级指标纵向展开，进行路径拆解、漏斗拆解、公式拆解；三级指标通常用于定位二级指标的问题，通常指导一线运营或分析人员开展工作，三级指标是业务中最多的指标。
路径拆解需要对业务流程进行分析，例如：打开应用、浏览首页、浏览作品详情页、阅读、点击付费章节、订单支付、支付成功。
M：用什么度量来评价策略是否达成？
新用户数
留存用户数
回流用户数
评价的度量还可以继续拆解成各部门可落地的目标。
O：新增用户数
S：新增用户数增长策略——比如站外渠道引流、老用户拉新等
M：评价指标是渠道新增用户数、老用户拉新人数。
通过一级一级的拆解就形成了指标体系。
2.3 AARRR模型麦克卢尔将创业公司最需要关注的用户指标分为五个环节：获取（Acquisition）、激活（Activation）、留存（Retention）、营收（Revenue）和自传播（Referral），简称AARRR。每个环节都有这个环节应该关注的指标，环节并不一定遵循严格的先后顺序。
AARRR模型
获取：
运营人员通过各种渠道进行推广，以各种手段获取目标用户，评估各种营销渠道效果，并不断调整运营策略，以不断降低获客成本。
关键指标：曝光量、点击、下载、安装、激活、安装率、激活率、注册转化率、留存率、付费率等。
激活：
激活指目标用户开始使用产品。产品经理通过新手奖励、产品引导等方式，来引导用户使用产品核心功能；我们需要掌握用户的行为数据，监控产品健康程度。
关键指标：新老用户占比、DAU/WAU/MAU、日均登录次数、日均使用时长等。
留存：
通常维护一个老用户的成本要远远低于获取一个新用户的成本，所以不仅要拉新用户，还需要关注用户粘性，以及关注用户在哪里流失、为什么流失。
关键指标：新用户留存率、老用户留存率、活跃用户留存率、日周月留存率、流失率等。
营收：
主要用来衡量产品的商业价值，这也是商业的本质。
关键指标：ARPU、ARPPU、付费率（区分新老用户）、客单价、LTV 等。
自传播：
主要是基于产品、营销、明星等事件的吸引力，从而使用户自发地传播。
关键指标：裂变系数等。
整合以上AARRR各方面的指标可以得出用户每个步骤的健康程度，再通过时间维度（环比、同比）、空间维度（各个渠道、各个地域）交叉对比，即可多维度得出维度筛选后的结果。
2.4 GSM模型GSM模型是Google的用户体验团队提出的一种指标体系，该体系主要是用来量化用户体验的，GSM分别为目标（Goal）→信号（Signal）→指标（Metric），所以也简称GSM模型。GSM适用于分析H5做专题活动的效果，即运用GSM模型来确定分析指标，特别是App内阶段性活动的指标。
GSM模型
2.5 四种方法比较以春节活动为例：签到且阅读大于X章节送红包，需要设计指标体系分析活动效果 根据GSM模型，Goal是分析活动效果，即作品的阅读情况；Signal则为活跃用户的增加，用户黏性的提高，留存转化的提升；Metric可定为活动页访问人数、阅读章节数、阅读作品数、用户阅读时长、转化充值等。
北极星指标法用于根据业务定位找到核心指标。
OSM与AARRR模型（海盗指标法）适合结合使用，在App获客拉新阶段以及用户稳定使用后，根据用户行为路径找到衡量业务的指标。
选取北极星指标来确定关键指标，运用OSM和AARRR模型根据用户行为一步步地进行漏斗分析，适用于App内的指标搭建。
GSM模型区别于前几种，但是也用于贯穿App，是特别适合做阶段性H5活动时对运营活动进行效果评估的指标。
在使用以上方法时，必须一切基于需求进行方法应用上的优化，这样才能满足需求方以及整个业务的发展方向。
3 数据指标体系建设的步骤 3.1 确立业务核心指标在确立核心指标之前，首先得明确公司的核心业务是什么，公司的整体目标是什么，以及在产品实现上如何帮助用户解决问题。
业务类型与指标
业务类型具体分析
同时需要进行需求梳理，同时基于需求进行优先级的排序。
需求梳理的目标：建立对数据的明确认知，明确要分析的场景和数据、要衡量的指标。
3.2 确定用户关键行为流程以漫画业务为例： 漫画业务的运营核心业务是销售漫画作品，那么关键指标就一定与漫画作品的质量和用户对作品的反馈相关。随着业务重心转移到会员服务，关键指标会随之转移到会员服务的体验相关上。
在确立核心指标后，我们还需要确定用户的关键行为流程。用户的行为数据是支持整个业务的关键，通过关注主要业务流程和通用用户行为，可以更客观地了解业务的发展情况。
以漫画业务为例： 关键流程为作品/章节购买流程、会员购买流程等，关键行为有浏览、阅读免费章节、阅读付费章节、购买章节、购买会员等。 有了关键流程和行为，我们就可以寻找它们和核心指标的关联关系，探索它们对核心指标的贡献程度，进而将这些贡献量化为相应的指标
付费章节购买流程漏斗
3.3 选取模型，进行业务需求多维拆解需要对一些关键运营及活动的点进行量化，并进行多维度的分析，将指标拆得更细，以满足运营人员对用户和运营内容更加细致的评估，进而运用数据驱动运营的下一步策略。
对核心指标的多维度拆解也可以帮助我们在核心指标发生异变时，快速定位问题，找出原因，提出相应的解决方案。关于业务需求的拆解，可以从宏观的业务大盘拆解及微观的业务单元精分两方面考虑
宏观：按业务大盘拆解
参照前述OSM模型与AAARR模型，根据核心业务拆解数据指标体系。
OSM模型拆解
AAARR模型拆解
微观：按业务单元精分
为了解决用户在不同业务环节中的问题，每个部门应该关注不同的过程及指标，也要通过不同的“第一关键指标”考核不同的团队。
通过对用户实现需求的路径拆解，也拆解了企业在不同工作中需要配备哪些不同的团队。不同团队间既独立又相互需要，但整体上都是为了实现用户增长而组成。这些部门也成了数据产品经理的需求方和打交道的部门。
认知阶段 商务部、市场部
激活注册 市场部、产品部
关键行为 产品部、设计部、运营部、大数据部
沟通 产品部、研发中心、运营部、市场部、业务部
交易 服务端、运营部、财务部
售后 客服、法务部
以漫画业务为例： 内容运营部门的关键指标是漫画作品的数量和质量相关，需要了解搜索关键词的次数，以及比较靠前的关键词是什么； 用户运营部门的关键指标是用户互动和活动参与； 渠道部门负责新增用户和新增用户转化； 产品部门需要清楚用户在使用App时的用户行为路径；需要使用漏斗监测产品内业务流程的转化效果，从而找到流失环节进行产品优化；需要通过App内的不同广告位的A/B测试进行效果评估，对比有广告位和没有广告位时的点击数据。
这些都基于埋点进行设计，然后进行数据指标的逻辑定义。
注意点
尽可能保证指标间的独立性，避免产生重叠，而且逻辑定义一定也要明晰，否则容易引起误会。
在埋点的定义及上报规则更改之后，一定要重新定义相应的数据指标并修改统计逻辑，确保最终呈现的是符合现有统计逻辑的统计量。相关的逻辑修改也需要告知有关业务需求方。
将所有指标进行系统整合，去除相似指标，避免重复分析的指标，保留具有典型性的指标，并将它们有机地整合起来，形成一棵指标树，方便今后查找数据时，快速找到想要的数据。
要多关注指标间的关联关系：在实际分析时，通常我们会在某个指标上先发现业务的问题，然后会找相关的其他指标确认该问题或求证这个问题的原因，因此有关联关系的指标是在实际应用中使用频率很高的，也正是这些关联关系才使得这些指标成为一个有机整体。
4 数据指标体系建设的注意事项关键指标并非设计得越多越好，北极星指标可以只有一个，也可以有多个，一般关键指标根据业务发展需要，设计3～6个即可
数据指标体系规划上线并不等于任务已经完成，它需要不断完善、更新迭代，并配合产品的发版改进进行调整、丰富及细化，并且可以根据复合指标，自定义设置一些可用作衡量业务的指标
数据指标体系的建设不能闭门造车，数据产品经理需要增强沟通协调能力，与全公司相关部门通力合作。这就要求和需求方多次确认并明确需求，需要和各端开发多次沟通并衡量实现的可能性。规划好上线，自己也需要相应地验收。要对有问题的地方及时调整。
滴滴数据仓库指标体系建设实践
《数据产品经理：实战进阶》
网易传媒数据指标体系建设实践
如何从0到1构建指标体系 | 人人都是产品经理
实战：如何设立数据指标体系？ | 人人都是产品经理
