如何有效定義指標與分析 — 帶你十分鐘弄懂 Lean Analytics

以業界常用的 AARRR 等指標,帶你深入淺出認識好的指標如何定義、設定與追蹤。

學.誌|Chris Kang
8 min readNov 26, 2019

數據分析的精髓,在於恰當地比較。

隨著時代,越來越多的數據被作為企業參考的依據,甚至出現數據驅動(Data-Driven)的公司,像是 Google、Amazon 等等知名的企業。既然數據如此重要,那要如何恰當的使用數據,而不是被它牽著走呢?

關鍵就是「指標」。

在數據的茫茫大海中,擁有恰當的指標不僅可以正確理解問題與追蹤企業狀態,甚至能夠根據數據分析的結果,選擇提升企業營收的方案。

那麼,什麼才是好的指標呢?

一、如何選擇好的指標

「你無法衡量的東西,你也無法管理。」 — 管理學大師彼得・杜拉克

在科技行業裡,我們常常聽到有 DAU、MAU、ARPU 等指標,每個都是行業在累積許多經驗後,最終在該特定行業裡採用的參考指標。

但這些既定的指標,也可能存在著危險。為什麼呢?有時剛進入特定行業時,對於該指標僅是矇矇懂懂,存在著理解不清晰的狀況,但竟也就如此繼續使用下去,使得最終並沒有真正了解該指標背後的含義。

另一個部分,則是容易迷失在指標的變化裡,反而看不到指標背後的含義。以 DAU / WAU / MAU 等活躍指標,個別代表單日、一週、每月活躍人數;但單看個別的數值突然下滑,很容易把原因歸咎於日常中某些顯而易見的原因,反而忘記去解剖指標背後的原因。

換言之,指標如果能夠作為一個明確的參考工具,在很明確的目的下使用,就不容易因為數值的波動而影響判斷;相反地,如果只專注在數字變化上,就很容易迷失在數字中。

如果數字的指標如此重要,那要如何挑選好的指標?

I. 好的指標,都擁有下列幾個特點:

  1. 比率呈現|因為比率本身代表了三個特性:可操作性強本身就為比較的形式,與容易了解相關性
  2. 能被比較|指標之所以有意義,是因為我們擁有比較的基準,知道什麼是「好」。沒有基準的指標,就只有象徵意義。
  3. 簡單易懂|好的指標,應當能輕易被提出來討論。更重要的是,簡單的指標更容易改變公司的行為。
  4. 行為改變|該指標應該要與行動做掛鉤,所有指標好的指標都應該讓企業清楚知道,指標在不同的狀態下,都應該有相對應的行動。

簡而言之,一個好的指標會以簡單且明確的比率呈現,並被用來比較驅動企業的行為

舉個例子,我們希望買一個物超所值的耳機,那通常會以 CP 值來評定,該產品是否值得購買,但我們怎麼知道自己物超所值?

如果直接拿價格來比較,比較貴的很有可能也比較好,但是擁有特定功能的耳機通常會值多少錢。如果價格很明確,那我們就知道心目中的耳機,在擁有特定功能的定價是否合理,進而決定是否要購買。

現在,我們有了數據概念的根,就要有完整的枝幹,才能長成一棵完整的數據分析大樹。接下來,這段會個別說明各個指標的用途,與如何使用。

II. 數據的種類

我們常用的指摽,大多不外乎下面五個面向:

  1. 定性 v.s.量化指標
  2. 虛榮指標 v.s. 可付諸行動的指標
  3. 探索 v.s. 報告性指標
  4. 先見性指標 v.s. 後見性指標
  5. 相關性指標 v.s. 因果性指標

然而,我們需要更加注意的是,每一次的分析是否能從各種數據的種類中,挖掘出原先未被注意的洞見與可能,才是這幾個面向最重要的目的。

A. 定性與量化指標

定性指標是指模糊、主觀的指標;量化指標則是可衡量、客觀的指標。例如用戶訪談就是標準的定性指標,並沒有固定的答案,可能是模糊的、概念的、具有偏好的指標與族群。

如常見的網站後台數據,就是量化指標,各種活躍人數、滲透率等等指標,會有一個明確、能夠被定義與衡量的指標。

其中要特別強調的是,單純偏好一方容易造成判斷錯誤,用戶不總是會正確回答他們的需求;數據也無法說明兩者之間的因果關係。唯有恰當地搜集數據,才能做出正確的行動。

B. 虛榮指標與可付諸行動的指標

判別是否為虛榮指標(亦即無法被比較的指標),在於該指標是否有可供行動的準則。例如單位時間內的新用戶數量,如果確實做了正確的行動,新增用戶增加得比率應當會提高,反之則否。

其中,A/B Test 就是最常被使用的方式;但這個測試模式有個缺陷,如果用戶數量不夠多,就無法有效的採樣與進行公平的測試。

簡而言之,每一個指標都應當有一個目的,如果該指標發生變化下一步的商業行動是什麼

C. 探索與報告性指標

探索性指標是指藉由推測,發現原本不為所知的洞見;報告性指標則是追蹤目前產品的狀況,確保日常的營運沒有任何問題。

其中,兩個指標皆能完美融入下面的框架中:

  • 知道我們知道的|必須透過檢驗確認其真實,確認沒有認知偏誤。
  • 知道我們不知道的|透過調研發現未知的洞見,並依此為基礎流程化。
  • 不知道我們知道的|是直覺,需要透過訓練與評估提升效率。
  • 不知道我們不知道的|是探索,存在未知可能,需透過各種洞見發現。

D. 先見性指標與後見性指標

先見性指標與後見性指標都有意義,只不過目的不同。

先見性指標,是指藉由某些框架或是架構,推測出未來可能會發生的事,例如營收預估或是潛在用戶數量等,甚至透過追蹤特定數值的變化,以預估相關事件是否發生。

後見性指標,則是藉由追蹤數值的變化,發現問題的存在,並據此深入挖掘問題的核心,最重要的指標是用戶流失率

E. 相關性指標與因果性指標

相關性很好,因果性更佳。

如果能發現相關性,代表結果能幫助我們預測未來;如果我們能發現因果關係,代表我們能夠改變未來。我們通常會發現,某些數據間擁有相關性,這代表我們能據此變化,相對應地做出行為;如果我們發現兩者之間的因果關係,就能據此做出更直接的行為。

但有相關性的同時,也要注意資料之間是否有邏輯關係。例如冰淇淋與雪胎的銷售成反向關係,但這並不代表買了冰淇淋的用戶就不會去買雪胎,其中關鍵的因素應該是天氣,決定用戶是否購買雪胎的意願。

二、如何避免不好的指標

如果數據本身收集時就帶有偏誤。例如以成績、服務品質為指標。如果蒐集數據本身和反應到的內容不相關,那也就無法蒐集到正確的數據。

其中,最惡名昭彰的莫過於關鍵績效指標(KPI)。

我們常聽到公司會以 KPI 作為唯一的依歸,如果沒有辦法達到 KPI,代表公司出了問題需要改善,或是據此作為員工表現的憑據;但這容易產生兩個問題:

  1. KPI 成為一塊被畫大的大餅,並沒有依據實際狀況評估。
  2. 員工可能因此竄改或捏造數據。

為了避免這個狀況,這個章節提供了一個簡單檢視指標的方式。

I. 檢視指標的簡單方法:

設定的指標,永遠都要直接和目的相關聯。

聽起來很模糊?沒關係,接下來就舉幾個例子說明。如果我們希望員工能增加對工作的重視,因此設定了打卡制度;但打卡制度只能規範員工幾點進公司,並沒辦法因此讓員工的投入程度提高。

舉另外一個例子,如果希望員工能夠盡可能達到業績,那麼以銷售額作為 KPI 便是很直覺的方式;但此處很有可能造成員工,為了達成短期目標,而損害了和客戶的長期關係。比較洽當的方式應該是——根據員工的能力設定,同時與員工討論自己能達到的 KPI ,與該 KPI 最終會導致的結果,該 KPI 才有採用的價值。

II. 八個需要堤防的虛榮指標:

下述這八個指標,都未能清楚擁有比較的基準,因此也未能提供一個合理的分析結果。

  1. 點擊量|不應當關注在點擊量,而應該專注在點擊人數的變化。
  2. 頁面瀏覽量(PV)|與上相同,應該關注的應當為瀏覽人數變化,除非如廣告商,商業模式與 PV 綁定。
  3. 訪問量|同樣,無法確認究竟是一個人點很多次,還是很多人點一次。
  4. 獨立訪客數|更該注意的是用戶訪問了哪些頁面,從哪裡離開。
  5. 好友、讚的數量|完全的虛榮指標,更應該注意這群人做了什麼,是否真的有購買行為或與我們互動。
  6. 網頁停留時間|應該關注在哪些頁面的停留時間較久。
  7. 收集到的用戶郵件數量|例如電子報,應該要做的是了解轉化率,有多少人願意收看,又有多少人因此購買。

總結

當我們選擇要分析一批數據時,必須關注三個面向:

  1. 數據了來源是否恰當?有無偏誤?
  2. 該指標是否能夠提供明確的比較標的?有無比較的基準?
  3. 該指標是否有明確的行動?

數據分析應當是目的導向,數據本身只提供了行為的樣態,真正的意義應當從真實世界中挖掘。且真正重要的是,只要該指標沒辦法影響行為,則所謂的數據分析其實毫無意義。

謝謝你願意閱讀到文末,如果有任何想法,或發現文中有任何錯誤,都歡迎你留言討論喔!

【希望用你的掌聲來投票與支持】
拍 5~10 下:簽個到,表示支持(感謝你的鼓勵啊啊啊)
拍 10~20 下:想要我未來多寫「數據技術相關」內容
拍 20~30 下:想要我未來多寫「數據分析實例」內容
拍 30~50 下:我有你這讀者,寫這篇也心滿意足了!

參考資料|Reference

--

--

學.誌|Chris Kang

嗨!我是 Chris,一位擁有技術背景的獵頭,熱愛解決生活與職涯上的挑戰。專注於產品管理/資料科學/前端開發 / 人生成長,在這條路上,歡迎你找我一起聊聊。歡迎來信合作和交流: chriskang0917@gmail.com