作者：livan

     来源：数据python战算法

04-19 15:04

身为技术人员，在工作中你有没有遇到和老板不同频的情况？老板讲什么听不懂，辛辛苦苦做出来的东西老板不喜欢，老板分下来的业务目标无法落地，面对复杂的业务问题难以拆解？

另外，在工作交接时空有一身代码技能，SQL写的飞起，python撸的震天响，但是不知道业务逻辑与自身技能怎么融合？抱着数据驱动的目的去和业务沟通，换来的却是提数的需求，自己做分析却又不知道该分析什么，留下了白白浪费的时间和满地的头发。

如何解决这一问题呢？

解决这一问题的方法就是找到部门甚至公司的北极星指标，沿着北极星指标进行数据探索和切分。前两篇文章中我们讲解了如何构建指标体系，这一篇文章中，我们从数据分析的角度来探索一下，基于分析数据构建的指标体系是如何应用的。曲卉老师在课堂上讲解增长模型的应用时将其拆解成了三句话：找杠杆、摘线头、搭乐高，我们来具体看一下。

04-19 15:05

1、 找杠杆：找到聚焦领域，确定四两拨千斤的发力点

不知道有没有人了解波特，就是那个竞争理论讲的很凶的人，他曾经提到过：如果资源是无限的，根本没有人会选择竞争，所谓竞争就是在有限的资源下，找寻最佳生长策略的过程。我们在构建增长指标体系时也是这样的状态，如何在有限的资源中找到最佳增长点，起到四两拨千斤的效果，是增长的关键所在。

我们通过Airbnb的案例了解一下如何找到增长发力点：

Airbnb是一家联系旅游人士和家有空房出租的房主的服务型网站，它可以为用户提供多样的住宿信息。所以他的北极星指标是总的预定天数，结合之前北极星指标构建的方法，我们确定了Airbnb的指标体系为：

我们将数据加到指标体系中后，发现“新用户首次预定百分比”低于平均水平，也就是说，我们想尽办法拉来的客户很多都被浪费掉了，并没有形成转化，所以，我们需要尽力提升这个指标，这个点也就是现阶段最重要的发力点。

上面的案例会不会对你有些启发呢？

事实上并不是所有的案例都会这么直接，指标之间需要一些转化，我们来看一下下一个案例——SaaS软件：

SaaS的北极星指标是：月付费用户数

对应的指标体系为：

我们会发现指标中没有明显的差异点，为了确定问题点，我们进行了指标拆分：

拆分的维度即为：渠道和公司大小，根据这两个维度我们拆分了指标体系如上表。

仔细分析表格我们发现，付费广告一栏中试用注册率、试用购买率偏低，但是付费用户订阅长度偏高，说明这个渠道并未精准定位用户，但是付费之后订阅长度转化率较好，所以这一渠道存在一定的优化价值。

同理我们看一下<50人的公司客户，购买率和付费用户订阅长度都很低，说明我们的产品并不太适合小公司。作为验证，我们发现大公司购买率和付费用户订阅长度都很高，说明我们的软件适合大公司。

04-19 15:07

2、 摘线头：寻找具体的增长思路

我们在工作中面临的业务非常复杂，有可能是业务很复杂，也有可能是外部条件变化非常快，那这时我们该怎么处理？

我们以淘宝的案例来做一下讲解：

淘宝的北极星指标为：淘宝销售额

具体的增长指标体系为：

增长模型的价值就是把一些复杂的业务逻辑抽象化，然后再进行思路整理。当我们构建完成指标体系之后我们就可以很容易的针对具体指标寻找产品举措，比如：

产品页面流量：可以使用搜索优化、推荐算法、千人千面……

平均订单价值：可以使用100元免运费、优惠券、相关商品推荐等方法……

04-19 15:10

3、 搭乐高：指导指标拆分和团队协作

上面的两个步骤我们完成了指标的拆分，当拆分完成后，我们发现这是一个团队协作的目标，一个人无法完整实现，所以，我们就需要把活分下去，并保证执行团队和负责人的思路一致。那么，如何根据细分指标下放到团队中的各个人中，我们来看一下增长指标下如何进行任务划分：

1）横向分解：先按照用户群组，通过“加法”分解；

2）纵向分解：再按照用户漏斗，通过“乘法”分解；

我们在进行指标拆分的时候，需要按照MECE原则：

1） ME：相互独立：每个指标相互独立，避免后续团队任务相互吵架；

2） CE：完全穷尽：细分指标涵盖影响增长重要因素，避免增长盲点；

在协作模式中，一般有两种协作方式：

1） 协作方式1：每个跨功能团队单独承担一个细分指标；

比如：新用户量分给获客团队，获客团队又可拆分成渠道和商务等两个子团队，则这个团队就会整体负责新用户量的指标。

2） 协作方式2：即为OKR模式，多个团队合作推动同一细分指标；这一团队是国内比较流行的方式。

比如：上图中的新用户量由三个团队负责——运营团队项下的获客渠道团队、BD团队下的商务合作团队、产品团队下的推荐团队等，三个团队共同负责一个指标，这一方式最好的方法是将新用户量进一步细分：

从图中我们可以看出：运营渠道团队为新用户量指标负责团队，BD和产品为支持团队。

文章写到这里，大家对一些大的业务问题拆解、业务模型的搭建有没有一些基本的认知呢？理论的描述总是简单的，最重要的是大家能够将其应用到实际工作中，后面我们会讲解一些较为细致的案例，欢迎大家继续观看～

◆ ◆ ◆  ◆ ◆

长按二维码关注我们

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。

管理员二维码：

猜你喜欢

● 笑死人不偿命的知乎沙雕问题排行榜

● 用Python扒出B站那些“惊为天人”的阿婆主！

● 全球股市跳水大战，谁最坑爹！

● 上万条数据撕开微博热搜的真相！

● 你相信逛B站也能学编程吗