将企业的各种数据采集起来，并正确分析应用于企业各种经营活动的过程，便是运营数据分析。数据在企业进行运营策略，产品规划，品牌战略制定起到关键作用, 利用[OSM模型+ARGO模型+金字塔模型] 实时监控运营过程发生正负反馈变化，并能迅速定位问题，指导问题解决。
1. 为什么需要运营指标体系
随着数据正式成为继土地、劳动力、资本、技术后的第五大生产要素， 搭建运营数据体系 在当今社会扮演的角色地位不言而喻。对于企业来说，在日常经营的过程中，各个环节、各个流程、各个部门等都在产生着各种各样的数据。
数据已经成为企业在进行运营策略、产品规划、品牌战略等几乎所有经营活动时，不可或缺的信息来源和参考依据。将企业的各种数据采集起来，并正确应用于企业各种经营活动的过程，便是数据运营。
可以看到，数据运营中很关键的一环就是要建立一套好的指标体系。因为一套好的指标体系能够实时监控运营过程中发生的正负反馈变化，并能迅速定位问题所在，还能一定程度上指导我们解决问题。
但就像天下没有两片相同的叶子，也没有完全相同的两套指标体系。产品类型不同、产品发展阶段不同、运营团队思考方式不同等，都会导致搭建的指标体系有所差异。
不过，指标体系搭建的基本思路和方法是有迹可循的。易观方舟结合服务过上百家客户的经验，总结出搭建指标体系的「OSM模型+ARGO模型+金字塔模型」整体框架，希望能够帮助大家系统搭建适合自身业务的指标体系。
2. 用OSM模型确定指标体系 “骨架”
OSM模型由目标（Objective）、策略（Strategy）、度量（Measurement）组成，通过将宏大的运营目标逐一拆解，对应到可落地的运营策略和可度量的运营动作上，从而确保我们梳理指标时不会偏离“主航道”。
定义目标
目标可能是整个企业、某条产品线、或者某个运营小组的运营目标，其在不同的行业领域以及公司或产品的不同发展阶段都是不一样的，需要我们结合自身的实际情况，定义目标。
一般情况下，运营目标与核心KPI息息相关。例如：电商平台的目的是让用户在平台上完成更多交易，那么平台运营负责人的目标就可能是提高GMV；ToB企业服务类网站希望可以获得更多的注册线索，那么网站运营的目标就可能是提高注册试用量；银行类APP希望可以让更多用户来购买理财产品，那么APP运营的目标就可能是提高理财产品的购买总金额。
确定策略
通过定义目标了解整个运营大方向后，我们便可以根据过往的经验、市场调研等制定达成运营目标所需要的策略。
例如，电商平台运营负责人的目标是提高GMV。按照GMV=支付用户数X每笔单价X用户购买频次的计算公式（注：GMV的公式根据行业可能有所不同，需结合自身业务计算），其提升策略可能就会有：针对提升支付用户数的策略——对新注册用户进行9.9元限时特价活动、针对提升每笔单价的策略——进行商品组合销售、针对提升用户购买频次的策略——节假日进行优惠券营销。
明确度量
策略制定后，如何衡量策略执行的效果？如何反映该策略是否有助于目标达成？这就需要用到度量。
例如，通过商品组合销售策略，需要将每笔单价提升至1000元。这个将每笔单价提升至1000元就是该策略的度量。我们所制定的每一个策略都需要匹配相应的度量指标。
综上，我们便可以根据OSM模型，形成指标体系初步的“骨架”。
2. 用ARGO模型填充指标体系“血肉”
ARGO模型由易观方舟基于“留量”时代提出，为解决用户运营的具体业务挑战而设计，帮助企业围绕用户全生命周期，更系统地制定运营目标及对应策略。
根据ARGO模型，我们可以分别从用户视角和企业视角，进行运营目标和运营策略的设计，从而避免根据OSM模型梳理指标体系时有所遗漏。
用户视角
当用户从欢迎页到传播分享，会经历一个完整的用户全生命周期。
虽然我们在运营过程中都希望用户尽可能参与到运营中来，也希望用户尽可能多次回访到产品中去。但并不是所有用户都会经历完整的用户全生命周期，因为在任意一个环节用户都可能会流失。
但无论是什么类型的产品，都有一组典型的用户全生命周期，即从潜在用户（潜客）、新增用户（新客）、活跃用户（活客）、成熟用户（老客）、衰退用户（怨客）、沉默用户（睡客）、流失用户（死客）的全过程。
以新增用户为例，这时用户处在刚与产品接触的阶段，即包括从外部的流量渠道到达网站、APP、小程序等的全部用户数量，多用于新用户获取阶段，表示可以转化成用户的最大值。如果是网站就与UV相关，如果是APP就与启动相关。
提升新增用户量，是我们在这个用户生命周期阶段的主要目标。在这个阶段，我们通常需要知道固定时间内到达产品的访客构成。这时候就会涉及到流量渠道，了解不同渠道的用户构成状态有助于我们进行渠道优化、改善访客质量。
企业视角
企业视角对应业务成长的需求，可以分为以下三个阶段：
获客转化阶段，需要我们通过不同的渠道和方式获取客户，并引导用户转化。借助该阶段沉淀的用户关键数据，准确定义产品目标人群特征，优化运营的获客转化策略；
活客粘客阶段，需要我们让用户形成使用习惯，为不同用户群体提供个性化的最佳体验，并及时定位流失原因，唤醒沉睡用户和召回流失用户，提升用户留存率和忠诚度，促进用户活跃；
创造价值阶段，需要我们引导用户进行产品价值交换，关注不同运营活动、触达策略等与价值交换的关联度，实现用户LTV（Life Time Value，生命周期总价值）的最大化。
根据用户视角或者企业视角系统梳理运营目标后，就可以开始寻找不同场景下用户与我们的接触点，然后通过数据分析找到每个接触点上的待优化点。这些待优化点就可以作为我们OSM模型中的策略。
例如，用户进入欢迎页时、进行注册时、开展新手任务时，与我们的接触点分别是产品欢迎页面、产品注册页面、新手任务引导流程页面。通过数据分析发现注册页面的转化率偏低，那么我们就要针对注册转化提升制定相应的策略。
由此，不难发现，ARGO模型是在OSM模型搭建好指标体系初步的“骨架”后，用来填充指标体系的“血肉”，可以让整个指标体系更丰富。
如下图所示，以企业视角为例，将ARGO模型与OSM模型相结合，就可以帮助我们校准目标是否与用户全生命周期的每个阶段相匹配，以及检验策略是否覆盖了用户全生命周期、有无遗漏。
3. 用金字塔原则打通指标体系“经脉”
金字塔原则源于世界级领先的管理咨询公司麦肯锡，通常被用来结构化写作过程。但其层次性、框架性、系统性的思考方式，也同样可以帮助我们梳理指标体系。
在易观方舟服务客户的过程中，我们发现光有OSM模型确定指标体系「大的框架」，ARGO模型帮助填充指标体系「小的细节」，往往是不够的。还需要用金字塔原则整体梳理，让整个指标体系具有上层概括下层、同层独立穷尽的逻辑自洽性。
上层概括下层
通过OSM模型和ARGO模型搭建的指标体系一般包含第一关键指标、一级指标、二级指标等层级关系。在层级关系上，上一层的指标要能概括下一层级的指标。
第一关键指标
第一关键指标又称北极星指标，当我们开始对一款产品（网站、APP、小程序、智能硬件等）进行运营时，会涉及到很多指标，但只有一个最重要的核心指标才能被称为第一关键指标。
第一关键指标的特点就是与目标直接相关，我们的工作围绕着推动第一关键指标的数据变化而展开，这些数据变化也会帮助我们达成目标。例如网站每天的新注册用户数量，是与我们的目标实现新用户获取息息相关的，就可以将注册用户数作为其第一关键指标。
需要注意的是，第一关键指标虽然是最重要的，但也并不是唯一的，比如电商网站，我们关注订单量的同时也需关注新用户注册量；而且第一关键指标也不是恒定的，会随着业务变化而改变，比如产品早期最关注的是拉新，当积累了大量用户后要提高对用户留存的关注程度，这时候第一关键指标可能是周用户活跃（WAU）或月用户活跃（MAU）。
如何判断一个指标是不是第一关键指标？有一条判断标准就是：如果我们改善这个指标，产品的长期业绩是否被提高？
一级指标
一级指标是指对第一关键指标有直接贡献的，且与目标方向一致的系列指标。第一关键指标要能概括所有的一级指标。
例如，企业服务网站的第一关键指标是注册数量。那么，一级指标就可能是表单页到访客数量，因为提高表单页访客数量可以直接提高最终的注册数量；一级指标也可能是表单页访客到注册成功的转化率，因为提高表单页访客到注册成功的转化率可以直接提高注册数量。
二级指标
二级指标是指对一级指标有直接贡献的，且与目标方向一致的系列指标。一级指标要能概括属于自己分支的所有二级指标。
例如，企业服务网站的一级指标是表单页访客到注册成功的转化率，二级指标就可能是第一个字段完成验证的次数。因为在同样的访客数量情况下，第一个字段完成得越多，表单页访客到注册成功的转化率就越高。
我们可以制定多层级的指标体系，但最好还是尽可能精简。根据易观方舟服务客户的经验，指标体系层级最好控制在3-5层。
简约可控的指标体系可以让我们聚焦精力在更重要的策略执行上。需要强调的一点是：制定的每一级指标体系都是要对其上一级指标有直接贡献的。
同层独立穷尽
在指标体系中，除了不同层上需要满足上层概括下层外，同层上还需要满足独立穷尽，又称MECE原则。MECE原则要求处在同一层级的指标互相之间完全独立（Mutually Exclusive）且互相穷尽（Collectively Exhaustive）。
以处在同层的二级指标1.1、二级指标1.2、二级指标1.3为例。图左就是符合MECE原则的，图中和图右就不符合，但却是我们在梳理同层指标中比较容易犯的错误。
通过MECE原则梳理过的指标体系，往往能够快速定位运营过程中出现的问题。
综上，通过搭建指标体系的「OSM模型+ARGO模型+金字塔原则」整体框架，我们便可以快速地搭建起一套适合自身业务的指标体系。
0 thoughts on “入门指南 | 采用3个模型科学地从0到1搭建运营数据指标体系”
作为一名中高管，我非常重视运营数据的收集、分析和利用，这篇文章点出了重点。
作为一名中高管，我觉得理解并掌握运营数据体系对企业决策非常重要，这篇文章提供了很好的指导
值得鼓励的好文章，通过指南的形式为初学者提供了非常有益的帮助。
数据分析是企业决策的重要依据，这篇文章提供了行之有效的搭建方法。
运营数据体系涉及企业的许多方面，这篇文章提供了非常全面的指导
这篇文章提到的OSM模型+ARGO模型+金字塔模型的组合相当地实用，值得深入研究。
我觉得这篇文章有必要再提一遍，使用多种模型搭建运营指标体系真的非常重要。
这篇文章提供了非常详细的指南，对于刚刚接手运营数据体系的人来说非常有用。
阅读完这篇文章，我对运营数据体系有了更加深入的理解，也明确了如何搭建。
使用多种模型搭建运营指标体系确实非常重要，能够让数据更加全面、精准。
感谢这篇文章的作者，提供了非常优秀的实践经验，对大家的数据分析都能有所指导。