亚洲综合精品香蕉久久网_亚洲2022国产成人精品无码区_日韩激情无码免费毛片_男人j放进女人p全黄

“數據驅動決策”，為了(le)不讓這句話(hua)成(cheng)為空(kong)話(hua)，華夏(xia)經緯(wei)市場調研公司為你準備(bei)了(le)以下13種思想武(wu)器，相信將(jiang)來你一定能(neng)用上(shang)!

第一、信度與效度思維

這(zhe)部分也許是全文最難理解(jie)的部分，但我覺得也最為重要。沒有這(zhe)個(ge)思維，決策者(zhe)很有可(ke)能在數(shu)據中迷失。

信(xin)度與效度的概念最早來源(yuan)于調(diao)查分析，但現(xian)在我覺得(de)可以引(yin)申到數據分析工作的各方面。

所謂信度(du)，是指一個數(shu)據(ju)或(huo)指標自身的(de)可靠程(cheng)度(du)，包括(kuo)準確(que)性(xing)和穩定(ding)性(xing)

取數邏輯是(shi)否正確?有沒有計算(suan)(suan)(suan)錯(cuo)誤?這屬于準(zhun)確性(xing);每次(ci)計算(suan)(suan)(suan)的算(suan)(suan)(suan)法(fa)是(shi)否穩定?口(kou)徑是(shi)否一致?以相同(tong)(tong)的方(fang)(fang)法(fa)計算(suan)(suan)(suan)不(bu)同(tong)(tong)的對象時，準(zhun)確性(xing)是(shi)否有波動?這是(shi)穩定性(xing)。做到了(le)以上兩個方(fang)(fang)面，就(jiu)是(shi)一個好的數據或指標了(le)?其(qi)實還不(bu)夠，還有一個更(geng)重要的因素，就(jiu)是(shi)效(xiao)度!

所(suo)(suo)謂效度，是指一個(ge)數據或指標的生成，需貼合(he)它(ta)所(suo)(suo)要衡(heng)量的事物，即指標的變(bian)化(hua)能夠代表(biao)該事物的變(bian)化(hua)。

只有在信度(du)(du)和效度(du)(du)上都(dou)達(da)標(biao)，才(cai)是一(yi)(yi)個(ge)(ge)(ge)有價(jia)值的數據(ju)指標(biao)。舉個(ge)(ge)(ge)例子：要衡(heng)(heng)量(liang)我(wo)身(shen)(shen)體的肥胖(pang)情(qing)況，我(wo)選擇了穿(chuan)衣(yi)(yi)的號碼(ma)作為指標(biao)，一(yi)(yi)方(fang)(fang)面(mian)(mian)，相同的衣(yi)(yi)服尺(chi)碼(ma)對應的實(shi)際衣(yi)(yi)服大小(xiao)是不(bu)同的，會有美版(ban)韓版(ban)等(deng)因素，使得(de)(de)準確性很(hen)差;同時，一(yi)(yi)會兒(er)穿(chuan)這個(ge)(ge)(ge)牌(pai)子的衣(yi)(yi)服，一(yi)(yi)會兒(er)穿(chuan)那個(ge)(ge)(ge)牌(pai)子的衣(yi)(yi)服，使得(de)(de)該衡(heng)(heng)量(liang)方(fang)(fang)式(shi)形成的結果很(hen)不(bu)穩定(ding);所以，衣(yi)(yi)服尺(chi)碼(ma)這個(ge)(ge)(ge)指標(biao)的信度(du)(du)不(bu)夠。另一(yi)(yi)方(fang)(fang)面(mian)(mian)，衡(heng)(heng)量(liang)身(shen)(shen)體肥胖(pang)情(qing)況用衣(yi)(yi)服的尺(chi)碼(ma)大小(xiao)?你一(yi)(yi)定(ding)覺得(de)(de)荒唐，尺(chi)碼(ma)大小(xiao)并不(bu)能反映肥胖(pang)情(qing)況，是吧?因此效度(du)(du)也不(bu)足(zu)。體脂率(lv)，才(cai)是信度(du)(du)和效度(du)(du)都(dou)比較達(da)標(biao)的肥胖(pang)衡(heng)(heng)量(liang)指標(biao)。

在我們(men)的現實工作中，許多人會想當然地拿(na)了指標(biao)就用，這是(shi)非常(chang)值(zhi)得(de)警惕的。你要(yao)切骨頭(tou)卻拿(na)了把手術(shu)刀(dao)，是(shi)不(bu)(bu)是(shi)很可悲?信度和效度的本質，其實就是(shi)*數據質量*的問題，這是(shi)一(yi)切分析(xi)的基石(shi)，再(zai)怎么重視都不(bu)(bu)過(guo)分!

第二、平衡思維

說到(dao)天平(ping)大(da)家都不陌生，平(ping)衡的(de)思維相信各位也都能很快理解。簡單(dan)來說，在數據分析的(de)過程中，我們需(xu)要經常去尋找事情間的(de)平(ping)衡關(guan)系，且平(ping)衡關(guan)系往往是關(guan)乎企業(ye)運(yun)轉的(de)大(da)問題，如(ru)市場的(de)供需(xu)關(guan)系，薪資與效率(lv)關(guan)系，工作時(shi)長與錯(cuo)誤(wu)率(lv)的(de)關(guan)系等(deng)等(deng)。

平衡(heng)(heng)思維的(de)關鍵(jian)點，在于(yu)尋找能展示出平衡(heng)(heng)狀態(tai)的(de)指標(biao)!

也就是如圖中(zhong)紅框，我們(men)要去(qu)尋找這(zhe)個準確的量化(hua)指(zhi)標(biao)(biao)，來觀察天平的傾斜程(cheng)度(du)。怎么找這(zhe)個指(zhi)標(biao)(biao)呢?以我的經(jing)驗，一(yi)般先找雙向型的問(wen)題，即(ji)高也不(bu)是低也不(bu)是的問(wen)題，然(ran)后(hou)量化(hua)為(wei)指(zhi)標(biao)(biao)，最后(hou)計算成某個比率(lv)，長期(qi)跟蹤后(hou)，觀察它的信度(du)和效度(du)。

第三、分類思維

客戶(hu)分(fen)群、產品歸類(lei)(lei)(lei)、市場分(fen)級(ji)、績效(xiao)評價...許多(duo)事情都(dou)需要(yao)有分(fen)類(lei)(lei)(lei)的思(si)(si)維(wei)。主管拍腦袋(dai)也(ye)可(ke)以分(fen)類(lei)(lei)(lei)，通過機器(qi)學(xue)習算法也(ye)可(ke)以分(fen)類(lei)(lei)(lei)，那么許多(duo)人就模(mo)糊(hu)了，到底(di)分(fen)類(lei)(lei)(lei)思(si)(si)維(wei)怎么應用呢?

關鍵(jian)點(dian)在于(yu)，分(fen)類(lei)后(hou)的事物，需要在核心指標上能(neng)拉開距離!也就是(shi)(shi)說分(fen)類(lei)后(hou)的結果，必須是(shi)(shi)顯著的。如圖(tu)，橫軸(zhou)和(he)縱軸(zhou)往(wang)往(wang)是(shi)(shi)你運營當(dang)中(zhong)關注的核心指標(當(dang)然不(bu)(bu)限于(yu)二維)，而分(fen)類(lei)后(hou)的對象，你能(neng)看到他們的分(fen)布不(bu)(bu)是(shi)(shi)隨機(ji)的，而是(shi)(shi)有顯著的集群的傾向。

舉個例子(zi)：假(jia)設該圖反映了(le)某個消(xiao)費者分群的結果，橫軸代表購買頻率，縱軸代表客單價，那么綠色的這群人(ren)，就是明(ming)顯的“人(ren)傻錢(qian)多(duo)”的“剁手金牌客戶”。

第四、矩陣化思維

矩(ju)陣(zhen)(zhen)(zhen)思維是(shi)(shi)分(fen)(fen)類思維的發展(zhan)，它(ta)不再局限于用量化指(zhi)標來進行分(fen)(fen)類。許多時候，我(wo)們沒有(you)數據做(zuo)為支持，只能通過經驗做(zuo)主(zhu)管的推斷時，是(shi)(shi)可以把某些重(zhong)要因素組合成矩(ju)陣(zhen)(zhen)(zhen)，大致定義(yi)出好壞的方(fang)向，然后進行分(fen)(fen)析(xi)。大家可以百度(du)經典的管理分(fen)(fen)析(xi)方(fang)法“波士頓矩(ju)陣(zhen)(zhen)(zhen)”模(mo)型。

第五、管道/漏斗思維

這種思維方式(shi)已經普及：注(zhu)冊轉化、購買流(liu)程、銷售(shou)管道(dao)、瀏覽路徑(jing)等，太多的分析場景(jing)中，能(neng)找到這種思維的影子。

但我要(yao)說，看上去越是普世越是容易理(li)解的模(mo)型(xing)，它的應用越得謹慎和小心(xin)。在漏斗(dou)思維(wei)當(dang)中(zhong)，我們(men)尤其要(yao)注意“漏斗(dou)的長度(du)”。

漏(lou)斗(dou)(dou)從哪里開始到哪里結束?以我的(de)(de)經驗，漏(lou)斗(dou)(dou)的(de)(de)環(huan)(huan)(huan)節不(bu)該超(chao)過(guo)5個，且(qie)漏(lou)斗(dou)(dou)中各環(huan)(huan)(huan)節的(de)(de)百分比數(shu)(shu)值(zhi)(zhi)，量級不(bu)要超(chao)過(guo)100倍(漏(lou)斗(dou)(dou)第一(yi)(yi)環(huan)(huan)(huan)節100%開始，到最后一(yi)(yi)個環(huan)(huan)(huan)節的(de)(de)轉化率(lv)數(shu)(shu)值(zhi)(zhi)不(bu)要低于1%)。若超(chao)過(guo)了(le)我說的(de)(de)這兩(liang)個數(shu)(shu)值(zhi)(zhi)標準，建議(yi)分為(wei)多個漏(lou)斗(dou)(dou)進行觀察(cha)。當然，這兩(liang)個是經驗數(shu)(shu)值(zhi)(zhi)，僅僅給(gei)各位做(zuo)個參考～

理由是(shi)什么(me)呢(ni)?超(chao)過5個(ge)環節，往(wang)往(wang)會出現多(duo)個(ge)重點環節，那(nei)么(me)在一個(ge)漏斗(dou)(dou)模(mo)型中分(fen)析多(duo)個(ge)重要問題容(rong)(rong)易(yi)產生混(hun)亂。數(shu)值量(liang)級差距(ju)過大，數(shu)值間波(bo)動(dong)相互關系很難被察覺，容(rong)(rong)易(yi)遺漏信息。比如，漏斗(dou)(dou)前面環節從60%變到50%，讓你感覺是(shi)天大的事情(qing)，而(er)漏斗(dou)(dou)最(zui)后環節0.1%的變動(dong)不(bu)能引起你的注意，可往(wang)往(wang)是(shi)漏斗(dou)(dou)最(zui)后這0.1%的變動(dong)非常致(zhi)命(ming)。

第六、相關思維

我們觀(guan)察(cha)指(zhi)標(biao)(biao)，不僅要看單個(ge)指(zhi)標(biao)(biao)的(de)變(bian)化(hua)，還(huan)需要觀(guan)察(cha)指(zhi)標(biao)(biao)間(jian)(jian)的(de)相(xiang)(xiang)互關系(xi)!有正(zheng)相(xiang)(xiang)關關系(xi)(圖中紅色實(shi)線)和負相(xiang)(xiang)關關系(xi)(藍色虛(xu)線)。最(zui)好能(neng)時常(chang)計算指(zhi)標(biao)(biao)間(jian)(jian)的(de)相(xiang)(xiang)關系(xi)數，定期觀(guan)察(cha)變(bian)化(hua)。

相關思(si)維的應(ying)用太廣了，我提(ti)往往是被大家(jia)忽略的一(yi)點。現在的很多企業管理層，面對的問題(ti)并不是沒(mei)有數據(ju)(ju)，而是數據(ju)(ju)太多，卻不知(zhi)道怎么(me)用。相關思(si)維的其中一(yi)個應(ying)用，就是能夠(gou)幫助(zhu)我們找到最重要(yao)的數據(ju)(ju)，排(pai)除(chu)掉(diao)過多雜(za)亂(luan)數據(ju)(ju)的干擾(rao)!

如何(he)執行呢?你可以計算能收(shou)集到(dao)的(de)多個指(zhi)(zhi)標(biao)間(jian)的(de)相互關系(xi)，挑(tiao)出與其他指(zhi)(zhi)標(biao)相關系(xi)數都相對較高的(de)數據指(zhi)(zhi)標(biao)，分析(xi)它的(de)產生邏輯(ji)，對應的(de)問題，并評(ping)估(gu)信度(du)和效(xiao)度(du)，若都滿足(zu)標(biao)準(zhun)，這個指(zhi)(zhi)標(biao)就能定位為核心指(zhi)(zhi)標(biao)!

建議大家養成(cheng)一個(ge)習(xi)慣，經常(chang)計算指標(biao)間的(de)(de)相(xiang)關系(xi)數(shu)(shu)，仔細(xi)思考(kao)相(xiang)關系(xi)數(shu)(shu)背(bei)后的(de)(de)邏輯，有的(de)(de)是顯而易見的(de)(de)常(chang)識，比(bi)如訂單數(shu)(shu)和購買人數(shu)(shu)，有的(de)(de)或(huo)許就能給你帶來(lai)驚喜(xi)!另(ling)外，“沒有相(xiang)關關系(xi)”，這(zhe)往(wang)往(wang)也會成(cheng)為驚喜(xi)的(de)(de)來(lai)源哦。

第七、遠近度思維

現在(zai)與許(xu)多處在(zai)管(guan)理(li)層的(de)朋(peng)友交流(liu)后，發(fa)現他們往(wang)往(wang)手握眾多數據和報表，注意力卻是非常的(de)跳躍和分(fen)散。如何避免呢(ni)?一是上文說(shuo)的(de)通過相(xiang)關思維(wei)，找(zhao)到(dao)最(zui)核(he)心(xin)的(de)問題和指標;二就是這部(bu)分(fen)要說(shuo)的(de)，建立遠進度的(de)思維(wei)方(fang)式(shi)。

確定(ding)好核(he)心(xin)問題(ti)后，分析(xi)其他業務(wu)問題(ti)與該核(he)心(xin)問題(ti)的(de)(de)(de)遠近(jin)程度，由近(jin)及遠，把自己的(de)(de)(de)精力有計(ji)劃地(di)分配(pei)上去。比如：近(jin)期你地(di)核(he)心(xin)任務(wu)就是提高客服人(ren)(ren)員的(de)(de)(de)服務(wu)質(zhi)量，那么客服人(ren)(ren)員的(de)(de)(de)話術、客戶評價通道、客服系統的(de)(de)(de)相(xiang)應速度等就是靠的(de)(de)(de)最近(jin)的(de)(de)(de)子問題(ti)，需要重點關注，而客戶的(de)(de)(de)問詢習慣、客戶的(de)(de)(de)購買周(zhou)期等就是相(xiang)對遠的(de)(de)(de)問題(ti)，暫時先放(fang)一放(fang)。當(dang)然(ran)，本人(ren)(ren)經歷有限，例子舉得不恰當(dang)的(de)(de)(de)地(di)方還(huan)望讀(du)者們海(hai)涵。

第八、邏輯樹思維

如圖的(de)樹(shu)狀(zhuang)邏(luo)輯(ji)相(xiang)信大家(jia)已經(jing)見過(guo)許多回(hui)了(le)。一般說明邏(luo)輯(ji)樹(shu)的(de)分(fen)叉時，都(dou)會提到(dao)“分(fen)解”和“匯總”的(de)概念。我(wo)這(zhe)里把它變(bian)一變(bian)，使其(qi)更貼近數據(ju)分(fen)析，稱為“下鉆”和“上(shang)卷(juan)”。當然(ran)，這(zhe)兩個詞不是我(wo)發明的(de)，早已有之。

所謂(wei)(wei)下鉆，就是在(zai)分析指標的(de)(de)(de)變(bian)化時，按一定(ding)的(de)(de)(de)維度(du)不(bu)斷的(de)(de)(de)分解(jie)。比如(ru)，按地區維度(du)，從大區到省(sheng)份，從省(sheng)份到城(cheng)市(shi)，從省(sheng)市(shi)到區。所謂(wei)(wei)上卷就是反過(guo)來。隨著維度(du)的(de)(de)(de)下鉆和(he)上卷，數據(ju)會(hui)不(bu)斷細分和(he)匯總，在(zai)這個過(guo)程中，我們往(wang)往(wang)能(neng)找到問題的(de)(de)(de)根源。

下鉆和上卷并不(bu)(bu)是(shi)局限于一個維(wei)度的，往往是(shi)多維(wei)組合的節點(dian)(dian)，進(jin)(jin)行(xing)分叉。邏輯樹引申到(dao)算法領域就(jiu)是(shi)決(jue)策(ce)樹。有個關(guan)鍵便是(shi)何時做出決(jue)策(ce)(判斷)。當進(jin)(jin)行(xing)分叉時，我們往往會選(xuan)擇差(cha)(cha)別(bie)最(zui)大(da)的一個維(wei)度進(jin)(jin)行(xing)拆分，若差(cha)(cha)別(bie)不(bu)(bu)夠大(da)，則這個枝椏就(jiu)不(bu)(bu)在細(xi)分。能夠產生顯著差(cha)(cha)別(bie)的節點(dian)(dian)會被保留，并繼續細(xi)分，直到(dao)分不(bu)(bu)出差(cha)(cha)別(bie)為止。經過這個過程，我們就(jiu)能找出影響(xiang)指標變(bian)化的因素。

舉個(ge)簡單的(de)(de)(de)例子：我(wo)們發現(xian)全國客(ke)戶(hu)數量下(xia)降了，我(wo)們從地(di)(di)區和(he)客(ke)戶(hu)年齡(ling)層(ceng)級(ji)(ji)兩個(ge)維度先進(jin)行觀(guan)察，發現(xian)各個(ge)年齡(ling)段(duan)(duan)的(de)(de)(de)客(ke)戶(hu)都(dou)下(xia)降，而地(di)(di)區間有(you)的(de)(de)(de)下(xia)降有(you)的(de)(de)(de)升高，那我(wo)們就按地(di)(di)區來(lai)拆分(fen)第一個(ge)邏(luo)輯樹(shu)節點，拆分(fen)到大區后(hou)，發現(xian)各省間的(de)(de)(de)差別是(shi)顯著(zhu)的(de)(de)(de)，那就繼續拆分(fen)到城市，最終發現(xian)是(shi)浙江省杭(hang)州(zhou)市大量客(ke)戶(hu)且涵蓋各個(ge)年齡(ling)段(duan)(duan)，被競爭對手的(de)(de)(de)一波推廣活動轉(zhuan)化走了。就此(ci)通過三個(ge)層(ceng)級(ji)(ji)的(de)(de)(de)邏(luo)輯樹(shu)找(zhao)到了原因。

第九、時間序列思維

很多(duo)問(wen)題(ti)(ti)，我(wo)們(men)找不到橫向(xiang)對(dui)比的(de)(de)方法(fa)和對(dui)象(xiang)，那(nei)么(me)，和歷史(shi)上的(de)(de)狀況比，就將變得非常(chang)重(zhong)要。其實很多(duo)時候，我(wo)更愿意用(yong)時間維度的(de)(de)對(dui)比來(lai)分析(xi)問(wen)題(ti)(ti)，畢竟發展地(di)看問(wen)題(ti)(ti)，也是“紅色方法(fa)論”中的(de)(de)重(zhong)要一(yi)環。這種方式容易排除掉(diao)一(yi)些(xie)外在的(de)(de)干擾，尤其適合創(chuang)新型的(de)(de)分析(xi)對(dui)象(xiang)，比如一(yi)個新行業的(de)(de)公司，或者(zhe)一(yi)款全新的(de)(de)產品。

時間(jian)序列(lie)的(de)(de)(de)(de)思(si)維(wei)有(you)(you)三(san)個關鍵(jian)點(dian)：一是(shi)距今越(yue)(yue)近的(de)(de)(de)(de)時間(jian)點(dian)，越(yue)(yue)要重視(圖(tu)中(zhong)的(de)(de)(de)(de)深淺度，越(yue)(yue)近期發生(sheng)的(de)(de)(de)(de)事，越(yue)(yue)有(you)(you)可能再次發生(sheng));二是(shi)要做同比(圖(tu)中(zhong)的(de)(de)(de)(de)尖頭指示(shi)，指標往(wang)往(wang)存在(zai)某些周期性，需要在(zai)周期中(zhong)的(de)(de)(de)(de)同一階段進行對比，才有(you)(you)意義);三(san)是(shi)異(yi)常值(zhi)出現(xian)時，需要重視(比如(ru)出現(xian)了歷史最低值(zhi)或(huo)歷史最高值(zhi)，建議在(zai)時間(jian)序列(lie)作圖(tu)時，添(tian)加平(ping)均值(zhi)線(xian)(xian)和平(ping)均值(zhi)加減一倍或(huo)兩倍標準(zhun)差線(xian)(xian)，便于(yu)觀察(cha)異(yi)常值(zhi))。

時(shi)間序列思維有一個子概念(nian)不得不提一下，就是“生(sheng)命周期”的(de)(de)概念(nian)。用戶、產品、人事等無不有生(sheng)命周期存在。本人最近也正在將關注的(de)(de)重心移向這塊，直覺上(shang)，生(sheng)命周期衡(heng)量清楚，就能很方(fang)便(bian)地確(que)定一些(xie)“閥值”問題，使產品和運營(ying)的(de)(de)節奏更明確(que)。

第十、隊列分析思維

隨(sui)著數(shu)據運算(suan)能力的(de)(de)(de)(de)提高(gao)，隊列分析(xi)的(de)(de)(de)(de)方式逐漸展露頭腳(jiao)。英文名(ming)稱(cheng)為cohort analysis，說實話我不知道怎么表述這個概(gai)念，我的(de)(de)(de)(de)理(li)解就(jiu)是“按(an)一(yi)定的(de)(de)(de)(de)規(gui)則，在時間(jian)顆粒度上將觀(guan)察對象切片，組成一(yi)個觀(guan)察樣本，然后觀(guan)察這個樣本的(de)(de)(de)(de)某些指標隨(sui)著時間(jian)的(de)(de)(de)(de)演進而產生的(de)(de)(de)(de)變化。”目前使用(yong)得最多的(de)(de)(de)(de)場景就(jiu)是留(liu)存(cun)分析(xi)。

舉(ju)個經常(chang)用的(de)(de)例(li)子：假設5.17我們舉(ju)辦了一(yi)次促銷活(huo)動，那(nei)么(me)將(jiang)這一(yi)天(tian)來的(de)(de)新用戶作(zuo)為一(yi)個觀察樣(yang)本，觀察他們在5.18、5.19...之后每天(tian)的(de)(de)活(huo)躍情況。 

隊(dui)列(lie)(lie)分析中(zhong)，指(zhi)標(biao)其實就是(shi)時間(jian)序(xu)列(lie)(lie)，不同的(de)是(shi)衡(heng)量樣本(ben)。隊(dui)列(lie)(lie)分析中(zhong)的(de)衡(heng)量樣本(ben)是(shi)在時間(jian)顆粒上變化(hua)的(de)，而時間(jian)序(xu)列(lie)(lie)的(de)樣本(ben)則相對固定。

第十一、循環/閉環思維

循(xun)環(huan)/閉(bi)(bi)(bi)環(huan)的概念可以(yi)引申(shen)到很多場景(jing)中，比如業務流(liu)程的閉(bi)(bi)(bi)環(huan)、用戶生(sheng)命周(zhou)期閉(bi)(bi)(bi)環(huan)、產品功能使用閉(bi)(bi)(bi)環(huan)、市場推廣(guang)策略閉(bi)(bi)(bi)環(huan)等等。許多時候(hou)你會覺得這是一個不落地的概念，因為提的人很多，干(gan)出事(shi)情來的例子很少。

但我覺得這種思(si)考方(fang)式是非常必要的(de)。業務流程的(de)閉環(huan)是管理者(zhe)比較容易定(ding)義出來(lai)的(de)，列(lie)出公司所有業務環(huan)節，梳(shu)理出業務流程，然后(hou)定(ding)義各個環(huan)節之間相互影響的(de)指標(biao)，跟蹤(zong)這些指標(biao)的(de)變化，能從全局上把握公司的(de)運(yun)行(xing)狀況。

比如，一家軟(ruan)件公司的典型(xing)業務(wu)流(liu)(liu)：推廣(guang)行(xing)為(wei)(市場部)?流(liu)(liu)量進(jin)入主站(市場+產(chan)研(yan))?注(zhu)冊流(liu)(liu)程(產(chan)研(yan))?試用(yong)(yong)體驗(產(chan)研(yan)+銷售(shou))?進(jin)入采購流(liu)(liu)程(銷售(shou)部)?交易(yi)并部署(售(shou)后+產(chan)研(yan))?使用(yong)(yong)、續約、推薦(jian)(售(shou)后+市場)?推廣(guang)行(xing)為(wei)，一個(ge)閉(bi)環下來，各個(ge)銜接環節的指標，就值得關注(zhu)了：廣(guang)告點擊率(lv)?注(zhu)冊流(liu)(liu)程進(jin)入率(lv)?注(zhu)冊轉化率(lv)?試用(yong)(yong)率(lv)?銷售(shou)管道各環節轉化率(lv)?付(fu)款率(lv)?推薦(jian)率(lv)/續約率(lv)...這(zhe)里會涉及漏斗思維，如前(qian)文所(suo)述(shu)，千萬不要用(yong)(yong)一個(ge)漏斗來衡量一個(ge)循環。

有了循環思維，你能比較快(kuai)的建(jian)立(li)有邏輯關系的指(zhi)標體系。

第十二、測試/對比思維

AB test,大家肯定不(bu)(bu)陌生了。那么(me)怎么(me)細化一(yi)下這個(ge)概念?一(yi)是(shi)在條件允許的情況下，決(jue)策前盡量做對(dui)比測(ce)試;二是(shi)測(ce)試時，一(yi)定要(yao)注意參(can)照組(zu)(zu)的選(xuan)擇(ze)，建(jian)議任(ren)何實驗中，都要(yao)留有不(bu)(bu)進(jin)行任(ren)何變化的一(yi)組(zu)(zu)樣本，作為最基(ji)本的參(can)照。

現(xian)在數據獲取越來越方便，在保證數據質量(liang)的前提(ti)下，希望大家多做(zuo)實驗(yan)，多去發(fa)現(xian)規(gui)律。

第十三、指數化思維

指(zhi)數化思維(wei)，是指(zhi)將衡量一(yi)個(ge)(ge)(ge)問題的(de)(de)多個(ge)(ge)(ge)因素分別量化后，組合成一(yi)個(ge)(ge)(ge)綜合指(zhi)數(降(jiang)維(wei))，來持續(xu)追蹤的(de)(de)方式。把(ba)這(zhe)個(ge)(ge)(ge)放在最后討論，目的(de)(de)就是強調(diao)它的(de)(de)重要(yao)性(xing)。前文(wen)已經說過，許多管理者面(mian)臨的(de)(de)問題是“數據太多，可用的(de)(de)太少”，這(zhe)就需要(yao)“降(jiang)維(wei)”了(le)，即要(yao)把(ba)多個(ge)(ge)(ge)指(zhi)標(biao)(biao)壓縮為(wei)單個(ge)(ge)(ge)指(zhi)標(biao)(biao)。

指數化的好(hao)處非常明顯

一是減(jian)少了(le)指(zhi)標(biao)，使得管理(li)(li)者精力更為集中;二是指(zhi)數化的指(zhi)標(biao)往往都提(ti)高了(le)數據(ju)的信度和效度;三是指(zhi)數能長期使用(yong)且便(bian)于(yu)理(li)(li)解。

指數的(de)(de)設計是(shi)門(men)大學問，這里簡單提三個關鍵點：一是(shi)要(yao)遵(zun)循“獨立和(he)窮盡(jin)”的(de)(de)原則;二是(shi)要(yao)注(zhu)意(yi)各指標的(de)(de)單位，盡(jin)量做“標準化”來消(xiao)除單位的(de)(de)影(ying)響;三是(shi)權重和(he)需要(yao)等于1。

獨立(li)窮(qiong)盡(jin)原(yuan)則，即你所定(ding)(ding)位的(de)(de)問(wen)(wen)題，在(zai)搜(sou)集衡量(liang)該(gai)(gai)問(wen)(wen)題的(de)(de)多個指標(biao)(biao)(biao)(biao)時，各(ge)(ge)個指標(biao)(biao)(biao)(biao)間盡(jin)量(liang)相互獨立(li)，同時能衡量(liang)該(gai)(gai)問(wen)(wen)題的(de)(de)指標(biao)(biao)(biao)(biao)盡(jin)量(liang)窮(qiong)盡(jin)(收集全)。舉個例子：當(dang)初(chu)設計(ji)某公司銷(xiao)(xiao)(xiao)售部(bu)(bu)門的(de)(de)指標(biao)(biao)(biao)(biao)體系時，目的(de)(de)是衡量(liang)銷(xiao)(xiao)(xiao)售部(bu)(bu)的(de)(de)績(ji)(ji)效(xiao)，確定(ding)(ding)了(le)核心指標(biao)(biao)(biao)(biao)是銷(xiao)(xiao)(xiao)售額后，我們(men)將績(ji)(ji)效(xiao)拆分為訂單(dan)(dan)數(shu)(shu)、客(ke)單(dan)(dan)價(jia)、線(xian)(xian)索轉化率(lv)(lv)、成(cheng)單(dan)(dan)周期(qi)(qi)、續約率(lv)(lv)5個相互獨立(li)的(de)(de)指標(biao)(biao)(biao)(biao)，且這5個指標(biao)(biao)(biao)(biao)涵蓋了(le)銷(xiao)(xiao)(xiao)售績(ji)(ji)效(xiao)的(de)(de)各(ge)(ge)個方面(窮(qiong)盡(jin))。我們(men)設計(ji)的(de)(de)銷(xiao)(xiao)(xiao)售績(ji)(ji)效(xiao)綜合指數(shu)(shu)=0.4*訂單(dan)(dan)數(shu)(shu)+0.2*客(ke)單(dan)(dan)價(jia)+0.2*線(xian)(xian)索轉化率(lv)(lv)+0.1*成(cheng)單(dan)(dan)周期(qi)(qi)+0.1*續約率(lv)(lv)，各(ge)(ge)指標(biao)(biao)(biao)(biao)都采用max-min方法進行標(biao)(biao)(biao)(biao)準(zhun)化。

通過這(zhe)個例(li)子，相信各位就能理解指數化思(si)維(wei)了。

小結

總的(de)來說，數據質(zhi)量(liang)依然是我(wo)覺得最(zui)大的(de)前提。重要事情說三遍，動手前，一定(ding)要保證好數據質(zhi)量(liang)!