ch2 数据规划

ch2 数据规划 ch2 数据规划

数据规划

基于用户行为数据，规划指标体系

数据规划常见问题

问题一：不知道该看什么数据

想看数据，却没有数据

缺少导向结果的数据依据

过度关注结果性数据，过程性数据往往被忽略

数据没有治理

没有统一数据口径，没有建立规范的数据标准。“有数据但不能用”

数据目标未对齐

各部门数据要与公司战略对齐

如何进行数据规划

OSM模型+UJM模型+场景化

指标体系规划的三大思路

仍然是OSM模型+UJM模型+场景化

OSM模型

step1：选定Objective：用户角度（提供更好的体验、服务或产品）和业务角度（提升业务转化率）

另：DUMB原则：切实可行（doable）、易于理解（understandable)、可干预可管理（manageable）、正向有益的（beneficial）

step2：采取策略

根据目标，设计策略

step3：有效度量

设定过程性指标（如，转化率）和结果性指标（如，GMV）

书中例子：非标准住宿平台搜索框优化

(图片来自于GrowingIO)

UJM模型

User Journey Map，实际上就是用业务流程将用户串联起来，是每一个用户于产品的接触点。

将UJM模型和OSM模型相结合，横纵两个方向可以构建业务指标的大方向

书中例子：某电商产品的OSM模型和UJM模型相结合示意图

(图片来自于GrowingIO)

场景化

场景化就是快速切入、快速落地时的切入点，GrowingIO在实践中总结了20个通用型场景

20个通用场景

(图片来自于GrowingIO)

电商场景指标体系搭建全景图示例

(图片来自于GrowingIO)

指标分级

书中提供了三级指标分层，便于维度下钻

数据看板

一般数据看板又监控、分析和协作三个场景

看板分类有：战略看板、分析看板和实时看板

书中还介绍了数据看板的两大特征、三大原则，搭建数据看板的四个步骤等。这部分服务于前期的指标设计，具体的各种总结提法就不罗列了，主要将这部分于自己的实践对比，形成一些现实中可优化的点可能更有意义。

看板的两大特征、三大原则，搭建数据看板的四个步骤等。这部分服务于前期的指标设计，具体的各种总结提法就不罗列了，主要将这部分于自己的实践对比，形成一些现实中可优化的点可能更有意义。