个推TechDay“治数训练营”第三期：从0到1搭建企业级数据指标体系原创

大家好，嗯，我是随风讲师，呃，我今天给大家带来的是数据指标体系设计与开发实践。嗯，我分为三个方面来给大家介绍，第一个是我们为什么需要数据指标体系，以及它的一些定义，还有是如何搭建指标体系常用的一些方法。第三个是数据指标体系建设与实践。呃，首先是我们为什么需要数据指标体系，呃，我们先来看一个例子，就是项目某项目负责人王总发现他们的那个收入下降了30%，然后他就赶紧找了一下业务理解，跟B业务赵哥来看一下到底是什么原因，然后A业务理解发现他这边内购没有问题，但是B业务赵哥发现这边广告收入下降了40%，然后赶紧找他的研发去看了一下，具体问题出现在哪里，嗯。研发同学排查了一下，发现是，呃，广告展示量较前天下降了10%，最终定位到是有产品对那个视频广告进行了。

降低视频广告的一个占比，导致了这个问题，呃，这个其实就是一个指标体系，非常好的一个实践，那我们看一下如果没有指标体系，呃事情会是什么样子的？首先就是项目负责人王总在什么时候能够发现他们收入下降了30%，很可能是在呃月末或者是季度进行收入一个对比的时候才发现，那这个时候你收入下降的肯定是比当天发现的要多得多，所以这个影响会非常大。其次就算呃王总会有一个比较好的一个收入的一个概念，他们做了一些收入的指标，但是如果没有一个比较好的一个指标体系的话，那业务理解，包括业务赵哥他们去排查的话，肯定也要去花费两到三天的时间来排查，排查这个原因，而不是他们可能就一个早上就能把真正的原因给找到，所以这就是我们需要指标体系的一个原因。那我们接下来看一下数据指标的定义到底是什么？数据指标是一种特定类型的元数据信息，呃，是将业务单元细分量化后的度量值，同时也是业务和数据的交汇点，它使得业务目标可描述、可度量、可拆解，方便为产品运营、日常开发迭代以及领导科学决策提供可量化的支持。

呃，数据指标大致分为两类，呃，第一个是结果型指标，用于衡量用户发生某个动作后所产生的结果，通常是延后知道的，很难进行干预，较多用于监控数据异常，比如消费指标是否下降，或者度量某个场景下用户需求是否被满足，比如说目标的行为转化率。还有一种是过程型指标，用户在做某个动作时所产生的指标。呃，业务方可通过某些运营策略来影响这个过程指标，从而影响到最终的结果。过程型指标更加关注的是用户的需求为什么被满足或者是没有被满足。呃，常见的过程型指标，比如流程转化率等。

那我们讲完了指标，我们来看一下指标体系的定义，数据指标体系是将零散单点的，具有相互联系的指标系统化的组织起来，能够通过单点来看全局，也能够通过全局来解决单点的问题。嗯，本质上来说，数据指标体系的建立过程也是对业务本质进行思考的过程，一个混乱的业务体系不可能梳理出一个比较健康的一个指标体系。呃，我们来讲一下指标体系的目标。第一个是衡量业务发展的质量，反映业务客观事实，看清业务发展现状，衡量业务质量，针对业务，针对发现的业务问题，聚焦解决，促进业务有序增长。第二个是建立指标因果关系，明确结果型指标和过程型指标关系，通过结果型指标回溯过程型指标找找到解决问题的核心原因。第三个是指导用户分析工作，建立产品评估体系，呃，活动效果评估体系，智能运营分析体系。第三个是指指导基础数据建设，明确基础数据建设方向，集中资源，避免过程和结果分析指标数据的遗漏及缺失。第五个是指标内容产品建设。呃，结合业务场景，将多个不同的指标和维度组合起来，综合分析，帮助看到整整体业务变化，快速发现定位问题。

第六个是统一指标消费口径。企业内统一指标关键指标消费口。关键指标业务口径及计算口径，统一企业业务目标，实现自上而下业务的目标的驱动。嗯，第二部分我们来讲一下搭建数据指标体系的一些常用的方法。

常用的方法我划分了一下，第一个是方法论OSM模型，第二个是梳理整体的业务流程用到的一些方法，从用户角度的话，主要有UGM模型和HT模型。从产品角度的话，有AR模型，第三个是对指标进行分层。首先我们从我将介绍方法论OS模型。S模型，顾名思义，它分为目标、object、策略还有度量三个维度。首先我们来看一下目标。呃，目标是什么？目标就是整个企业某条产品线或者某个运营小组的运营目标，在不同的行业，不同的领域，以及公司或者产品的不同发展阶段都是不一样的。呃，举个例子，电商平台的目的是让用户在平台上完成更多交易，那么平台运营负责人的目标就可能是提高GMV就是商品交易总额，To B企业服务网，服务类网站希望可以获得更多的注册线索，那么网站运营的目标可能就是提高呃注册使用量，银行类APP希望可以让更多用户来购买理财产品，那么APP运营的目标就是就可能是提高理财产品的购买总金额。

呃，S就是策略，就是通过过往的经验，市场调研结果等达到呃，让运营目标所能达到运营目标的目标所需要的一些策略。呃，举个例子，就是电商平台运营负责人的目标是提高GMV，就按照GMV支付，支付用户数和每笔单价再乘上购物购买频次。那我们这这个策略就可能是针对提升支付用户的策略，就是对新注册的用户进行九块九限时特价活动，嗯，如果针对每笔单价的策略，那就是进行商品组合销售，然后针对。

提升用户购买频次的策略，那就是节假日进行优惠券营销。接着是度量，度量是衡量策略执行的效果，反映该策略是否有助于目标的达成。嗯，举个例子，针对提升用户支付用户数的策略，呃，比方说我们的策略是对新注册用户进行九块九限时特价活动，那么他的度量指标就是用户数。呃，如果是针对提升每笔单价的策略，就进行商品组合销售，那么度量值就是平均单价。呃，针对提升用户购买频次的策略，节假日进行优惠券销售，那么度量指标就是用户的购买频次。呃，接下来我介绍一下呃呃用户旅程地图模型，这个简称UGM模型，UGM模型是电商经常用到分析用户的一个模型，他对用户的旅程进行了解构，呃把它解成了呃了解这个平台，呃在平台上进行逛，比方说在淘宝上浏览商品，然后商品引起了用户兴趣，然后用户针对这个该商品进行购买，用户觉得商品比较好，对商品进行分享，呃用户使用完这个商品之后，觉得商品比较好，再进行二次购买这些行为。

然后拆分了不同的用户行为，目标、触点、痛点以及改进点，呃，比方说呃，用户通过各种途径了解平台，那么目标就可以是提高留存啊，那么触点就是信息流广告落地页，痛点就是投放用户不精准，落地页内容吸引力不够，那么改进点就是。衡量投放渠道的质量，优化落地页，呃，用户行为在逛，就是大家去浏览商品的时候，那么用户行为就是首页搜索或者首页进行搜索啊，那么他的目标就是提升推荐内容的匹配度，触点就是首页的一些信息，还有推荐搜索框的一些推荐，痛点是用户对推荐内容不感兴趣，或者搜索功能出了bug，那么改进点就是优化搜索功能和内容。

呃，用户行为是收藏产品详情页的时候，那目标就是呃促进用户对主推商品的消费，那么触点就是商品详情页，痛点就是商品的详情页，呃内内容吸引力不够，那我们改进点就是重新编排呃商品详情页。在用户进行在那个用户里程市购买的时候，那用户行为就是加入购物车完成付款，目标就是提升用户支付成功率，那重点就是支付流程，痛点就是支付流程不够友好，那么改进点就是嗯支付，优化支付体验。

在用户旅程式分享的时候，呃，用户行为就是将该商品分享给社交好友，目标就是通过用户分享实现会员拉新，那么触点就是那个商品详情页的一个分享功能，痛点就是用户缺少分享行动力。那改进点就是呃，策划晒单，分享游历活动，呃，在二次购买的用户旅程中，用户行为就是再次购买，目标就是提升回购率。触点是推荐功能，再来一单，痛点就是用户没有回购动力，那么改进点就是，呃，优惠券到期提醒，会员专属大促销。通过这些结构我们就可以看到，呃，整个用户在电商平台上的一些行为，一些可以改进的一些地方，可以还有一些措施，这样子分析下来。很多人都能够对这个呃，电商平台的策略去提出自己的意见。

就是我们刚刚也讲到了一些OS模型，目标策略，还有。度量值，呃，针对这个UGM这个模型我们做了一下拆解，比方说我们最终的目标是提升GMV。那我们对目标进行拆解，提升用户基数。提升转化率，嗯，跟提升客单价。那策略其实就是。呃，针对提升用户基数啊，那么新比方说新增策略，就新增用户的策略，就是线下导流，先到商城社群推广，引流到商城，呃其他渠道进行推广，呃提高用户留存，就是有奖签到，嗯进行会员微信运营，以及增加用户对商品持续关注和活跃，适时进行优惠券的发放，增加留存，那么针对这些度量就是呃新增访问登录加购下单的一个指标，还有就是。

拉新页面下单转化率呃，新入户登录下单转化率，用户留存活跃时长等等。呃，针对转化率的话，策略其实就是优化下单，下单环节购买环节体验。还有就是新会员领域推出试用，拼团，秒杀等活动，刺激用户下单，那么度量就是呃，关键节点那些买点分析，比方说浏览详情页加购，提交订单，支付成功，整体的一个转化率，嗯，针对提升客单价值目标策略就是采用。商品组合到嗯，搭售进行单次购买的金额增加单次购买的金额，那么度量就是用户购买的时间间隔，每单购买的商品数，平均客单价等等。呃，OSM模型是呃针对电商平台的，Hat模型是谷歌推出，呃针对体验类产品，比如说微信类的一个呃评估。

它分为愉悦度、参与度、接受度、留存度以及任务完成度。愉悦度是你对这个产品整体的感觉，比方说满意，是否会推荐给别人，参与度就是你每次、每天与那个与产品进行的交互，比方说用户每天上传照片，呃，用户每天的访问一个次数。接受度是你对新功能以及他现有功能一个使用的一个频率，是否愿意升级到最新版本，是否愿意订阅他的信息，留存度是用户每天的日活是否重复购买，用户流失的一个比例。任务完成度就是针对不同的呃功能每天成功的数量，比方说搜索结果成功，上传图片成功，资料创建成功来体现。Hrt跟OS模模型的结合就是呃，他可能不太一样，原来那个S模型是呃策略，但是在这里因为它是体验型产品，然后就变成了信号啊，比方说针对月度。

用户觉得产品对他有帮助，使用产品感到愉悦是这是他的目标啊，那么他的信号就是产品满意度是否会下降？呃，产品评分是否五分居多？呃，是否愿意推荐给别人，那么指标就是。满意度、易用性、愿意分享率，那么评估方法就是可以去做一些问卷调研系统可用的。量表，还有产品评分机制等等。针对参与感，就是用户对产品内容感兴趣，并且愿意经常使用，针对这个目标啊，那他的呃信号就是一段时间内多次访问产品或者使用某一个功能，那么指标就是平均用户每周访问量，七天，七天用户的活跃数，那评估方法就是数据买点分析。在接受度这个维度，目标是用户看到新产品或功能愿意继续使用，那它的信号就是，呃，新产品或功能访问率，呃，愿意注册、愿意使用新功能的频率。

那他的指标就是页面浏览产品访问量，点击率，注册率，下载量，他的那个评估方法也是数据买点分析。针对留存率这个维度，嗯，在一个时间内，用户愿意回来继续使用产品是他的目标，那它的信号就是，嗯，活跃度高，流失率低，那它的指标就是次日留存率，次日留存率，三十日留存率，用户流失率，它的评估方法也是数据买点分析。针对用任务完成率这个维度，它的目标是用户能高效准确的完成任务，它的信号是顺利完成任务，呃，放弃任务，完成任务时间越来越短，操作出错频率越来越低，那么他的指标就是任务完成时间以完成任务的百分比，操作错误，呃，页面出错了百分比，那他的那个评估方法可以是系统评估。

系统可用性量表，还有一个数据买点分析。AR模型是呃，在站在产品角度来讲，用于电商的一个。模型，它那个将整个产品划分为五个模块，最基础的是获客，他人肯定是最多的，第二个用户进行一定的激活，在嗯这个产品上进行注册，然后注册完之后，他可能用户用了一段时间就不用了，这剩下就是留存的一个比例，在留存用户中他愿意支付的比例，呃，在支付中他觉得好，愿意分享给客户的比例，他是一个漏斗模型，体现了不同的在产品不同的阶段，呃，用户损失的一个数量。

AR模型跟OSM模型的结合，比方说针对获取这个阶段，他的目标就是拉新，那他的策略就是拉新活动渠道推广媒体广告，那么指标就是每新增的注册用户数、下载量、安装量、注册转化率，针对活跃这个阶段，他的目标是提高使用产品频次。他的策略就是活动奖励，增加产品品类，短信触达，那它的指标就是DAUMAU跟功能点击率。啊，针对留存这个阶段，他的目标就是提高留存率，那么它的策略就是优化产品功能，用户运营活动，它的指标就是留存率跟流失率，那么针对变现这个阶段，它的。目标就是有比较高的完单收益，那它的策略就是导流，他的指标就是客单价呃，活跃付费用户数。他针对推荐这个阶段，他的目标就是拉新，他的策略就是增加分享，呃，那它指标就是K因子，K因子就是分享给客用户的数量，跟用户成为新。

新用户的那个数量的一个比。指标分级，那为什么我们需要指标分级，就是从上面那个例子我们可以看到，呃。如果不进行指标分级，让老板直接看到最底层的指标，老板也看不懂，所以我们需要进行指标分级，不同的老板就比最顶层老板，中间中层领导，包括最底层实施人员看到的指标都是不一样的。嗯，指标分级第一级是第一关键指标，又称北极星指标，特点是它是最重要的核核心指标与目标相关，指标变化可以促成目标达成，它不是恒定的，随着业务变化而变化。它的筛选标准是能否反映用户从产品获得的核心价值，能否为产品达到长期商业目标奠定基础。

能否反映用户活跃度？嗯，指标是否能够预示着企业往好的方向发展？是否简单直观、容易获得可拆解？是否是先导指标而不是滞后指标。嗯，下一级指标是一级指标，是对第一关键指标有直接贡献的，与目标方向是一致的。第一指标要能概括所有的一级指标。举个例子，打车APP的第一个关键指标是成交率，那它的一级指标就是发单数、完单数。二级指标是对一级指标有直接贡献的，呃，与目标的方向是一致的，一级指标要能概括属于自己分支所有的二级指标。那还是刚刚例子，打车APP的一级指标是完单数，那它的二级指标就是司机取消订单数量，乘客取消订单的数量。嗯，这就是我我们涉及到一些相关理论，接下来我会讲解数据指标体系的一个搭建。

搭建前，我们先来分析一下体系建设一些痛点，呃，痛点分为三类，第一个是指标管理不统一，分为管理机制不统一，分散管理，还有重复建设，成本高，费时费力，还有是指标口径不统一，各个口径同名不同一，同意不同名，计算逻辑复杂多变，开发技术门槛高，呃，过程不可视。还有就是指标流程不规范，就是我们没有统一的流程控制，开发和使用人员分离，呃，开发跟使用人员沟通成本高，开发周期长，导致结果的可信度不高的。那针对这些痛点，我们有一些建设方案，比方说我们需要有一套规范的搭建指标方法论，能够去搭建企业级数据指标体系，我们需要搭载统一的流程控制机制，全面把控和管理数据指标的生命周期。嗯，我们还需要建立统一的指标管理平台，集中管理数据指标，沉淀指标资产。指标体系跟方法论我在前面有介绍到，我们现在现在来讲一下整个指标建设，一个流程管理。

呃，流程管理第一步是明确目标，目标不清晰容易造成指标管理混乱，要我们要实现一个指标，一个口径，一次加工，多次使用，做到指标同。统一指标口径，减少重复工作呃，结果统一，统一输出。第二步是需求分析呃，不同的基于不同行业的业务情况分析数数据指标需求，合理划分主题呃，更好的为后续指标设计提供业务支撑。第三步是指标设计，对公司指标进行整体设计，拆解、定义，制定出符合公司业务指标体系的指标体系。

第四步是指标开发，对指标进行开发，进库运维，保障指标可用。第五步是指标应用，呃，是指对外展示指标的一个途径。呃，第一步明确目标，呃，我们需要创建公司统一的关键指标，呃，帮助企业通过统一的指标框架来助力业务成长。第二步是减少重复工作，为不每个成员提供统一的平台来协同了解企业整体数据业务情况，减少数据团队重复性工作跟时间花费。第三个是统一结输出结果。针对指标结果，提供一套能将指标和上层应用结合起来方式的输出方式，发挥数据指标的最大价值。呃，第二步是需求分析，需求分析前需要进行需求调研。呃，第一个是指呃指标应用场景调研，就是指标应用在哪些业务场景中，应用的方式有哪些，比如是否是给BI人员用，还是给业务人员自行取出用，还是给那个数据门户展现用等等。第二个是指标来源的一个调研数据，呃，指标加工的原数据都来源于哪些系统，是否数据是否都已经搜收集上来了？呃，分为哪些业务域、业务过程等。第三个是指标现有情况的一个调研，现在都有哪些指标，目前还缺多少，能否满足当前的一个业务场景，当前指标建设遇到了哪些问题，之前的指标加工是否规范，以及是否需要调整。

第四个是指标需求调研，了解客户需要完成的指标加工范围。呃，需求调研完之后，需要对需求进行分析，需要数据分析师基于业务部门、it部门的业务场景和需求，挖掘和提炼具体的指标。呃，业务定义优先级、实现难易程度、大概的实现方式，并根据指标数量、难易程度呃，数据依赖关系划分初步的阶段性计划，明确一期需要完成哪些指标，给哪些业务场景使用，二期需要完成哪些指标，呃，给哪些业务场景使用等。

呃，需求分析完，我们需要进行指标设计，按照我们之前讲的一个理论OSM模型对指标进行分级，对呃指标赋予不同呃，对业务目标赋予不同的策略，然后划分不同等级的指标。呃，指标设计，指标设计首先我们来看指标的定义，指标是统计周期加维度加过滤条件加度量，维度是描述性数据。呃，指标统比方指标统计的一些环境，比方说地区、个人账户、产品名称、产品类型、销售渠道等等，那度量是数字性数据，比方说销售金额、贷款金额、销售数量、账户余额、国债余额、基础金额等等。

第三个是统计周期，统计周期是指指标的一个计算的一个时间范围，比方说最近30天，呃，当年当月，近七天，上个月、上周、去年等等。过滤条件是指标的计算指标的条件限制，比方说正常状态、有效状态，全国范围内西湖区工作日的等等。指标的分类我们分为三类，第一个是原子指标，某一业务行为事件的度量。呃，统计数据的来源，比方说交易笔数、交易金额、交易用户数、账户余额等等。第二类是派生指标，基于原子，原子指标进行维度以及统计周期的派生，派生指标等于统计周期加派生维度加过滤条件加原子指标，比方说最近七天账户消费金额，去年账户余额总和，嗯，昨天产品销售总额等等。第三个是复合指标，是多个指标的加减乘除运算，比方说平均交易额，资产负债率等等。

进行，呃，经过我们前三部的一个设计，那我们就可以得到一些指标元数据，指标元数据是基于指标需求，指标建模，指标分类，确定指标的具体内容，可以作为指标开发的一个指导，它分为指标名称就是指标的中文名称，指标的编码通常是指标的英文名称，也是存在表的一个字段。呃，指标的目录是指指标所属的目录的一个分类，指标分类它到底是属于原子派生还是复合指标的哪种？呃，业务口径是指指标的业务口径，如最近30天付费用户数指最近30天发生过一笔及以上购买交易的用户数量之和。指标口径是指由哪个指标哪些维度加工而来，指标负责人是该指标的负责人，通常也是该指标的维护人与告警接收人。更新频率是就是日更新、月更新、周更新等等。描述信息是指对指标的一些额外的一些描述信息。

指标评审设计完成之后，我们需要对指标进行评审。评审就是由数据分析师以及数据仓架构师发起，面向数据开发业务人员进行。评审需要说明每个指标的定义、业务口径、技术口径、更新周期等，以及说明每各个数据指标的类型以及派生指标由数仓的哪些数，数据模型加工及派生的维度是什么，统计周期是什么，复合指标的派生维度。你和哪些指标加工而成等等。现在我们来讲一下指标开发，呃那举个例子，他们分为逻辑结构跟那个实际的一个业务情况，那逻辑结构的话，它可以分为业务板块，数据域呃业务过程维度，还针对业务过程的话，它可以划分为呃修饰类型，呃修饰词还有原子指标以及度量等等，那其实针对业务板块的话，它可以划分为时间周期，呃时间周期加修饰词加原子指标，那它就可以生成一个派生指标啊。

然后他在。那个，那我们针对具体的实例的话，比方说我们举个例子，比方说淘宝的一些电商业务，那针对这个电商业务他的板块，业务板块就是电商业务，那他那个数据域，他那可能这个电商业务可能就是我们选取了一个交易域来进行来支撑我们例子，那交易对交易域来说，他最重要的一个业务过程，那它其实就是一个支付的行为，那他支付行为关联的一个维度呢，其实就是他肯定是为了什么而支付，而是比方说他肯定是有一个订单，他才需要有一个支付的行为，那他的维度呢，就是订单，那他订单的一个属性呢，比方说就是有一些比方说订单ID啦，呃，创建时间啊等等，那就是这个订单的一个属性。

啊，针对支付这个业务过程的话，呃，我们可以想一下这个支付过程都有哪些修饰类型啊，比方说最简单的就是比方说支付方式啊，它可以用花呗支付，呃，也可以用一些支付宝，比方说关联的一些，嗯。信用卡支付等等，那它的支付金额其实也最最主要的，也是最主要的，那它就是一个比较重要的一个原子指标啊，那它的时间周期呢，比方说他最近一天或者最近七天啊，或者最近一个月，那就是他的是一个时间周期，那这样子我们就可以得出我们的一个派生指标，比方说他是最近一天通过花呗呃，支付出来的一个支付的金额。就是我们得到生成我们一个指标的一个方式，呃，其实大家看到最后那个英文啊，那些比较奇怪，嗯，非常好奇它可能是如何生成的，嗯，这个我们接下来会讲到。

呃，指标的一个命名规范，指标的命名规范其实在业界其实也是属于一个比较难的问题，他难是难在哪？就是呃业务的过程是非常复杂的，我们要把业务的过程整合到一个指标的一个比较短的一个命名里面，这是一个难度非常大的一个事情。呃，目前业界比较通用的有两种，第一种就是有一些大厂比较喜欢用的，就是把一些业务过程啊，集合在一个数据，呃，指标合并在那个编号中，让来编号来体现，然后他的那个指标通过说明的方式，呃，我们可以来看一下他是怎么做的，首先他会对这个指标呃进行一些拆解，呃，比方说。我们拿到一个派生指标，最近一天so来源的海外搜索的一个UV的一个数量，那么他的那个时间周期是最近一天修息，修饰词是那个Su，来源跟海外搜索，呃，他的原子指标是搜索UV。

呃，那么按照他的做法的话，他就是将搜索UV，呃定义成一个它这是一个原子指标，然后他把原子指标有个专门的英文名SEUV啊，然后他有个时间周期one day，呃，会有一个一天的时间啊，最后它那个后面是有一个数字编码，032 032，它包含了很多的一个修饰词，比方说是SESEO来源，呃，海外搜索。这些奇奇怪怪的一些信息全部吞锁，呃，全部被吞并在032这个编号中。这种方案其实有利有弊啊，好处的话就是你后续。无论加再多的条件，呃，它对对于他来讲，它只是一个编号而已，嗯，他并不涉及其他，呃，需要对这个整体，这个海外搜索这个英文字字符的一个变更，但是其实对于维护方来说，他看到一个032，他不没有办法去忘这个字段，就知道它是一个什么样的字段，他还要需要去看一下这个。

那个字段的一个示意，他就要找一下这个计算逻辑到底是什么。这是第一种的一个命名规范，那我们来看一下第二种命名规范，而第二种命名规范的话。呃，它是将呃业务会划分为一些，比方说基础词的一个词根库，呃业务词的一个词根库，还有日期，日期修饰词的一个词根库，呃句合词的一个词根库，呃比方说基础词根库的话，比方说就是呃数量类的，金融类的，还有比例占比类的，呃比方说数量类的，他可能英文全身是count，那它的那个缩写啊，就是可能是一个CT。然后MYSQL一个类型跟have类型，就是big int，然后它长度是十位，呃，这些那个基础的信息全都会存放在基础词跟库里面，而。

比方说然后我们把这些基基础词根库都是通过统一的平台进行管理，后续的话，我们对这些词的命名的话，全部在这个平台上进行，大家都通过统一的平台进行操作来规范大家对这个词根的，呃。单词的一个命名。来我们来看一下业务修饰词，业务修饰词的话就是独立访客，还有一些比方说呃，用户，用户启动，用户注册这些信息。这样子的话，我们可以得到技术词根库，业务修饰词库，还有日期修饰词库，聚合修饰词库，这些词库全都存在，存放在我们的平台，那这样的话我们看来看一下如最后如何使用。其实使用的话就是，其实就是把这些词跟库组合起来，按照我们之前一个组合就固定的一个组合的方式，呃，比方说前面两个可能前放在最前面的可能是一些聚合修饰词库，比方说七天平均。

然后放在中间的是一些交易业务修饰词交易，然后最后放在那个接着的是一些比方说基础的一些词跟库，所以比方说金额，呃，最后我们可以得到一些派生的一个词根库，比方说。七天平均交易的一些金额，最后我们可以看到这个英文就是trade the amount7。就是。呃，第二第二种命名规范，这种命名规范的好处就是我们可以通过统一的规则制造出一些比方你看到就能知明白什么含义的一个词，跟就是英文单词，但是他也有一个缺点，就是一旦遇到复杂业务，或者你这个业务进行了比较大的一些变更的话，他是没有办法做到很好的兼容，所以跟上一种方案相比的话。各有利弊，具体如何选择呢？就主要是看大家的业务，具体的一些业务的一些情况。

呃，说完我们的那个命名规范，我们最终最后来看一下，呃，我们整体一个指标的一个使用，呃这个呃讲指标使用之前，我们来先来介绍一下这个平台，呃市面上其实展示指标的平台有很多，呃这个平台呢，是我们自己公司开发的专门用于呃展示指标的一个可视化的平台。嗯，其实大家可以看到，就是这个平台展示的指标其实看起来并不像是研发制作出来的，但他的的确确是研发制作出来的，呃，具真实原因就是我们的平台，呃，有很多的一些模板。呃，我们。比方说研发或分析人员只要直接套用模板，就能制作出比较精美的一个指标看板出来，呃，我们的平台呢，是一个。

呃，低门槛的，拖拽式的，呃，其实只要你会，只要会写circle就可以直接使用的一个。呃指标呃，就就是展示展示平台。这并不需要你有比较好的一个，呃，那个设计的一个基础，其实大大降低了我们使用的一个门槛。呃，结合我们这个平台，我们来看一下，呃，我这边搜集到了一些例子，呃，比方说有一个什么销售，销售线索分析，呃有销售，我们从销售维度来看，就是可以看到两边呢，就是一些指标卡，呃主要展示一些具体的数值，呃比方说呃本周新增的一些线索数，还有一些预估的一些交易的一些金额，还有一些承担的数量。我们。就是还有就是客户真实的数量，真实的线索数，还有季度内未对接的一些线索数量。

呃，中间这个图片其实是一个地域图，来展示不同的地方。不同线那个线索的一个数量来判断，就是我们那个整体一些销售的一些地域发展，比方说他可能在呃四川或者是河南这些地方就发展的比重庆发展的比较好，就是我们到时候可以看一下为什么这些地方发展的比较好，呃，我们可以针对性的。呃，总结归纳出一些规律来为我们推广到其他地方，呃。提供可靠的依据啊，其他的就是比方说线索数，季度内未对接的一些线索数，呃，就表明那个整体的一些运行的。情况。啊，我们知道了这些情况，我们就可以针对性的对这些呃，不同的情况进行分析处理，然后针对性的出一些策略。这里是一个饼图，呃，展示的是以合作的一些，比方说老用户啊，还有一些新呃，新客户啊，还有一些老客户一些新线索，不同的一些比例啊展示了。

整体的一个运营的一个情况，比方说。呃，新客户的线索比较多，说明。我们那个客户比例会比较高，就说明我们那个销售去比较努力，比较努力开发一个新的客户，嗯，那如果我们老客户的那个新线索比较少，就说明我们客户维系维护关系的话，就是比较少，需要我们在这个地方加强一下。我们的努力以及相应的一些策略。呃，第三个图就是不同阶段的一个漏斗的一个分析，其实通过图片。可以看到，呃，我们总共划分为九个阶段，分别为维护中呃，续签环节、已上线、灰度中、接入中、协议仪式确认、意向评估中、找到关键人、初步沟通等等。其实通过这一个。

不同的一个，呃。阶段的一个汇总，我们可以看到每个阶段这数据的衰减到底是多少，比方说我们那个初步沟通有124个人，那到关键人的话就只剩91个人了，那我们可以看一下为什么在这个阶段会少了差不多30个人。然后到关键人，找到关键人，到评估中又少了40个人，我们可以具体针对一下，通过不同提高不同阶段的一个。转化率，那我们就可以整体提高，我们最终嗯以上到上线或者签单的一个整体的一个数量。好，今天就我们就到这里。