数仓建模指标体系解析拼多多的百亿补贴主要就是提高客单价，销售高端产品，这主要是因为拼多多早起走的是性价比路线，在用户数的扩张到一定规模之后，遇到了瓶颈期，所以调整了业务方向，也就是提高客单价走高端路线非标住宿下面以「非标住宿」平台为例分享一下，如何去选取正确的指标；或者说，负责搜索功能的产品经理如何利用OSM模型搭建数据监控指标体系非标住宿有个特点，就是产品个性化比如说我们住宿的时候选择情侣房等个性化住房，其数量是有限的，同一个风格的房源一般不会超过5间从发起搜索到搜索结果页，再到产品详情页，最后填写订单、预订成功，这是该非标住宿搜索预订的完整路径在这整个业务流程中，我们该如何搭建数据监控体系，通过数据分析指导业务增长呢？指标衡量的是什么在这个例子中，选定目标运用了 2种视角：1. 第一种，用户视角，让用户通过搜索高效地找到心仪的住宿产品2. 第二种，业务视角，提高从搜索到最后成功下单的转化率为了提高这个转化率，我们会采取什么样的策略呢？1. 第一，返回与用户搜索值相匹配的搜索结果2. 第二，提供有效的搜索结果排序对于非标类产品，我们需要思考3. 怎样把用户感兴趣的产品放在第一屏或者前三位，能够让用户一眼就看到他想搜索的产品。
4. 第三，当搜索没有结果或者结果不足时，我们就要做有效的推荐 如何有效衡量“什么”第一步，选择合适的OSM指标度量针对从搜索到下单的整个流程，可以拆解2个KPI指标KPI1是搜索到详情页的转化率，我们设置的Target是30%在这一步，用户通过搜索得出想要的结果，才会点击产品的详情页KPI2是详情页到下单的转化率，Target也是30%o在这一步，如果用户看的产品详情页是符合心意的，才可能会产生订购，达到最后的预定成功第二步，注意结果性指标和过程性指标结果性指标，就比如电商场景下的GMV或订单量，它通常是业务漏斗的底部，是一个不可更改的、后验性的指标过程性指标，可以简单理解为到达这个结果之前经过的路径，以及通过这个路径去衡量转化好坏的过程，它是可干预的，而且通常是“用户行为”如何衡量指标的好坏我们需要设定Target来衡量指标的好坏，这基于我们内部的历史数据和行业的benchmark,其设定原则是：要对内部有一定的挑战性，但乂不是遥不可及的例如从开始搜索到商品详情页，转化率是23.2%：从商品详情页到最后预定成功，转化率是23.8%,两者比较接近这个时候我们选择30%作为Target是比较合适的明确业务目的确定核心指标指标的选取是很核心的一步。
如果我们选择了正确的指标，它就像一个晴雨表，能很好地衡量业务的健康状况如果我们选择了一个错误的或者是虚荣的指标，它可能会把我们引导到一个错误的路径上去，这是一个很大的陷阱业务目标其实是和我们的产品息息相关的，我们可以大致将我们的产品划分到下面四类中去针对每一类的产品，我们都可以抽象出下面的一些比较通用的指标工具类业务帮助用户节省时间，产品自身提供价值如墨迹天气、TEAo核心指标应该聚焦到判断工具的使用率比如说为用户提供工具类型业务策略，一般是为了让用户节省时间，快速的定位到所需要的信息或者完成某一种任务，那么这种策略核心的价值就在于提升效率，一般的衡量指标是：使用量，目标达成率，频次；以电商的例子来讲的话，就是第一步中的流量推荐位，以及搜索功能是不是能够让用户快速的定位到它所感兴趣的直播内容，那这种情况下做优化流量位的内容和搜索匹配优化我的衡量标准就是它的效率，曝光，点击，转化效率内容类业务比如说为了用户提供消遣的内容，让用户可以消磨时间，那么这种策略的核心价值就在于为了用户提供丰富的高质量的内容，不管是短视频，直播，或者活动玩法那么这种策略的核心的价值就在于为用户提供内容的量与质，一般衡量指标是：消费人数，消费广度，消费市场，以及用户与内容的互动，用来衡量用户对于内容的喜爱。
比如B站的弹幕就是一种用户对于内容认可的更高层次的情感表达交易类业务 帮助用户节省时间，产品通过链接其他资源提供价值如淘宝、京东金融核心指标应该聚焦到转化率那么这种策略的核心价值就在于为用户提供好的购物体验，能够提升付费页面转化效率，提升购买的总规模，客单价以及复购率社交类业务杀掉用户时间，产品通过链接其他资源提供价值如Soul、探探核心指标应该聚焦到用户的活跃程度比如说为了用户提供与其他人的情感连接，促进用户和用户之间的关系沉淀,进而让用户对于平台或者对于业务更有依赖性，促进用户的活跃和互动，一般的衡量指标是：内容的发布量，用户和用户之间的互动量，沉淀下来的关系对数，是用户和用户之间的一个情感的连接，那衡量这种连接的紧密性主要是人与人之间的互动量，点评赞数量，沉淀的关系的数量拆解核心指标明确业务类型和业务指标之后，我们要结合实际业务，将主要关注的指标拆解到可行动的程度，后面我们再解释可行动的程度到底是什么意思，也就是如何评价指标的环节下面就是一个常见的指标拆解示意图，我们将我们公司的一级指标也就是战略指标进行拆解，然后拆解到各个部门、各个环节，直到可以定位到个人，这样才能充分发挥人员的价值与能力按场景拆分成多个子指标的和DAUQ日新增用户+留存用户+回流用户；按一定的关系拆分成多个子指标的积GMV （总消费额）a用户数x购买频次x客单价：销售额牝用户总量X付费率X客单价；LTV （生命周期总价值，life time value ） =LT （生命周期，life time） xARPU （每个用户的平均花费，Average Revenue Per Use）指标迭代 一个好的指标肯定不是能一鼓作气就可以实现的，需要不断的迭代，而这个过程需要多方进行配合。
评价指标体系在了解了好的数据指标体系的必要性之后，我们来看一下究竟什么样的指标体系是一个好的数据指标体系大家在做一些数据分析的时候，我们都会看到列出来的一些标准：数据指标必须是准确的，是能够周期性统计，当然这只是一方面,另外一方面就是业务层面是有价值,可衡量业务真实情况，并且还要简单可执色从技术层面来看，一个好的指标，统一具备四个特点：容易收集快速衡量；准确度高；可被多维度分解；单一数据源就像我们经常使用的衡量APP产品启动人数，使用UUID或者是COOKIE往往比使用IP更加准确 但很多时候，因为技术或者是业务自身的原因，我们往往很难找到很完美的指标那么这个时候我们最重要的就是统一口径进行分析，更多地观察数据的波动情况我们可以从下面儿个方面去评价指标体系的好坏，其实主要还是分为两大类，一是真实贴合业务，可以反映业务；二是可以快速定位问题，提供解决方案系统性能够发现局部与整体的关系及问题定位，当数据发生异动时，通过指标体系的逻辑拆解，能迅速定位到大致的异动模块及原因全面性能满足不同数据使用方的日常需求，对产品经营及发展情况有整体了解；认知统一指标体系服务于不同角色群体，简单科学可解释，符合大众认知，大家都共同认可。
真实性指标体系要能反映产品真实情况，杜绝华而不实的虚荣指标；据指标是为了让公司，业务，或者项目的成员围绕着一个可量化的目标展开一系列的工作的如果数据指标没有贴合业务核心目标的话，那么给公司，业务或者项目带来的会是巨大的损失可迭代指标体系随不同生命周期阶段而改变，指标体系要在发展中保持迭代可操作 如果能从时间纵向对比、或者从其他维度比如用户群体、产品、地域等不同角度进行横向比较，可以更好地观察业务的发展趋势，定位问题，找到原因，以及改善业务中需要改善的环节KPI达标率：如果你的核心指标是KPI指标，那就直接根据KPI达标率来判断即可这个应该是最常见的一种方式竞品对标：如果你能从靠谱渠道搜集到竞品相关数据，那以竞品为参照物进行判断环比对比：查看环比数据，如果业务走势呈明显周期性，选择一个历史数据较为不错的数据进行对比同比对比：查看同比数据，预估每个周期增长多少个百分点，与上-•周期数据进行对比，看是否达标在中间过程如果任何一个指标出现了问题，第一是能够提前判定这个业务的健康度是什么样子的，是不是出现问题了第二个好处在于这些中间过程的指标可以拆分到负责的团队里边，定位到负责人业务上面如果出现问题的话，可以第一时间负责人，之后进行下一步的优化措施的拆解。
GMV我们拆分到IPV乘以付费转化效率再乘以相对应的APPU （人均付费值），这个是行业内非常常见的一个拆解方式，从用户的角度去进行拆分，那这种情况下的IPV就有由对应的搜索团队或者是推荐团队负责，他需要去优化整个页面的一个规模或者说到访用户的规模，付费转化效率由产品团队负责，去进行相对应的一些产品优化，减少摩擦点，能够提升我们付费转化效率；APPU值这一块更多的是由运营的团队去负责，因为运营团队需要去做一些活动，或者是通过一些优惠券的方式能够促进用户买了再买，购了再购指标管理公司层面有公司最关注的KPI,比如：日活、GMV、订单量等等；不同的部门又有不同的关注KPI,比如：新用户数、复购人数等等，有了 KPI,我们就可以根据KPI来考察部门的表现，也就是绩效这也是数字化转型，所有的管理、绩效都数字化上面讲的都是如何去定义指标，定义指标之后如何评价指标，下而我们看一下如何管理指标就数据平台来说，指标算是元数据的一种**,指标的维护和管理是有套路的，下面就简单分享下关于指标的管理一一指标字典**但是开始之前我们先说一下为什么要进行指标管理指标作为业务和数据的结合，它基础是数据统计，指标也是量化业务效果的依据。
既然和业务挂钩那就会有说不明道不清的变化，其实着也是我们做指标管理的主 要原因，业务在快速发展，所以在这个过程中业务的口径和逻辑都在发生变化,如果不统一进行管理和维护的话就会出现指标口径模糊逻辑不清我们可以从从业务、技术、产品三个视角来看：业务视角业务分析场景指标、维度不明确；频繁的需求变更和反复迭代，数据报表腕肿，数据参差不齐；用户分析具体业务问题找数据、核对确认数据成本较高技术视角指标定义，指标命名混乱，指标不唯一，指标维护口径不一致；指标生产，重复建设；数据汇算成本较高；指标消费，数据出口不统一，重复输出，输出口径不一致；产品视角缺乏系统产品化支持从生产到消费数据流没有系统产品层面打通还有一个原因就是因为一个公司的指标本身就有很多，所以在这个过程中出现的指标名称混乱，指标不唯一所以我们在定义指标的时候就需要参考己有指标的,从而避免命名和含义上的冲突，做好数据有序地和有结构地分类组织和存储也是避免底层数据的重复建设、数据统计来源的不唯一的重要手段指标管理系统只不是为了更好的管理指标引入的一套工具，当然只好好的工具配合好的理念才行，也就是说如果没有指标管理系统你也可以做指标管理指标的管理一指标字典指标字典，其实就是对指标的管理，指标多了以后，为了共享和统一修改和维护，我们会在Excel中维护所有的指标。
当然，Excel对于共享和版本控制 也不是很方便，有条件的话，可以开发个简单的指标管理系统，再配合上血缘关系，就更方便追踪数据流转了指标编码为了方便查找和管理，我们会对指标定义一套编码业务口径指标最重要的就是，明确指标的统计口径，就是这个指标是怎么算出来。