Chapter 2 构建指标体系的一般方法

梳理指标体系的关键是逻辑, 需要根据某种逻辑在一个场景之下, 用多个指标描述一个事物, 随意罗列的指标经常是混乱的, 重复的, 缺失的, 如何把指标之间的逻辑展现出来, 是清晰描述事物的关键.

通常而言, 有四种基本的指标体系:

  1. 并列式指标体系
  2. 总分式指标体系
  3. 漏斗式指标体系
  4. 流程式指标体系

2.1 并列式(通常用于描述事物)

并列式是指用一系列的指标描述一个对象, 常用来做评估一个对象的好坏, 或者对一个拥有多属性对象进行概括介绍. 这种指标体系的关键是描述角度尽可能多元化, 区分主次.

如何评价一个学校:

  1. 硬件如何
  2. 软件如何
  3. 教师如何
  4. 学生如何

这样从多个方面来介绍学校就属于并列式的指标体系.

2.1.1 并列式指标体系的三种应用

  1. 描述事物的特征 : 从各个角度描述一个对象, 例如从各个角度描述一个车, 长,宽,高,扭矩,最大功率, 最高车速等等
  2. 评价事物的好坏 : 基于某种目的评价一个事物, 例如从各个角度评价一辆车的好坏, 品牌, 舒适度 , 故障率, 价格等因素
  3. 结果影响因素的判断 , 从各个角度解释某种结果. 例如某辆车销量不是很好, 可以从口碑, 性价比, 目标人群匹配度等角度去考虑

2.1.2 如何梳理并列式的指标体系

  1. 明确问题场景
    • 多角度评价事物特征
    • 多角度评价事物好坏
    • 多角度考虑影响结果的因素
  2. 罗列影响因素(多从正面)
  3. 量化因素
    • 首先问下, 数据在哪, 有时候数据不是那么容易收集的
  4. 清晰关键指标
    • 关键指标是哪些
  5. 输出综合性结果(可选)

2.1.3 并列式指标体系的使用场景

如果将一件事情分为:

  1. 计划
  2. 执行
  3. 阶段复盘
  4. 总结

并列式指标体系比较适合开始和结尾,这是因为:

  1. 并列式指标体系多用于评估一个事物, 具备比较强的考核能力, 开始的时候, 全面了解某个对象的情况. 总结阶段, 事后评价结果的好坏.
  2. 并列式指标体系不具备诊断问题的内容, 不适合分析具体问题, 解释某种现象.

2.1.4 常见并列式的指标体系

2.1.4.1 波士顿矩阵

波士顿矩阵是一种用于分析产品或业务组合的工具，通常用于确定哪些产品或业务在市场上具有潜在增长和市场份额。它通常将产品或业务分成四个象限：

  • 明星（Star）：在高增长市场中具有高市场份额的产品或业务。这些产品通常需要大量的投资来支持其增长，但也有潜力成为未来的现金奶牛。
  • 问题（Question Mark）：在高增长市场中市场份额较低的产品或业务。它们可能需要额外的投资来实现增长，或者可能会被抛弃。
  • 现金奶牛（Cash Cow）：在低增长市场中具有高市场份额的产品或业务。这些产品通常不需要大量的投资来维持其市场地位，因此它们为公司提供稳定的现金流。
  • 犬（Dog）：在低增长市场中市场份额较低的产品或业务。这些产品往往不值得进一步投资，可能会被逐出市场。

事实上, 只要能够找到两个不相关的指标, 都可以使用波士顿矩阵来分析.

2.1.4.2 RFM 模型

RFM 模型是一种市场细分和客户分类的方法，通过考虑三个关键因素对客户进行评估：

  • 最近交易日期（Recency）：这指的是客户最近一次购买产品或服务的日期。一般来说，最近购买的客户更有可能对进一步的促销或购买感兴趣。

  • 购买频率（Frequency）：这是指客户在特定时间段内购买产品或服务的次数。购买频率高的客户通常对品牌更忠诚，并且可能更愿意参与促销活动或购买更多产品。

  • 购买金额（Monetary）：这是指客户在特定时间段内花费的总金额。购买金额较高的客户通常对品牌更忠诚，也更有可能成为高价值客户。

通过分析客户的最近交易日期、购买频率和购买金额，可以将客户分成不同的组，如下所示：

  • 重要价值客户（High Value Customers）：他们最近购买了产品或服务，购买频率高，并且花费大量资金。这些客户通常是企业的主要收入来源。

  • 重要但不经常购买的客户（Important But Infrequent Buyers）：他们最近购买了产品或服务，但购买频率较低，花费金额可能较高。这类客户可能对品牌较忠诚，但购买不太频繁。

  • 经常购买但不花费太多的客户（Frequent but Low Spend Customers）：他们购买频率高，但每次购买的金额较低。这些客户可能对促销或折扣更感兴趣，但他们可能不是高价值客户。

  • 不活跃客户（Inactive Customers）：他们很长时间没有购买产品或服务了，可能需要重新激活。

事实上, 如果有三个不相关的指标, 通常可以参考RFM模型来分析.

2.1.4.3 CLV模型（Customer Lifetime Value）：

  • C (Customer)：指代客户，关注于个体或客户群体。
  • L (Lifetime)：客户与品牌的关系持续时间，从首次购买到最终流失。
  • V (Value)：客户在其生命周期内为品牌带来的总价值，包括利润、收入或其他价值指标。

2.1.4.4 BANT模型（Budget, Authority, Need, Timeline）：

  • B (Budget)：潜在客户可用于购买的预算。
  • A (Authority)：决策权，指潜在客户是否有权决定购买。
  • N (Need)：潜在客户对产品或服务的需求程度。
  • T (Timeline)：潜在客户计划进行购买的时间框架。

2.1.4.5 AIDA模型（Attention, Interest, Desire, Action）：

  • A (Attention)：吸引潜在客户的注意力。
  • I (Interest)：激发潜在客户的兴趣。
  • D (Desire)：增强潜在客户的购买欲望。
  • A (Action)：促使潜在客户采取行动，如购买或注册

2.1.5 MECE 原则

MECE 原则是一个用于结构化思维和问题解决的方法论, MECE是Mutually Exclusive Collectively Exhaustive的缩写，中文意思是”相互独立而又相互完备”。

  • 相互独立 : 指的是对问题进行拆解时候, 确保每个部分之间没有重叠, 即每个问题的范围清晰,不交叉,无遗漏. 这有助于避免冗余和混淆.
  • 完全穷尽 : 意味着在分解问题的时候, 需要覆盖所有可能的情况和方法, 不遗漏任何一个问题点, 确保对问题的全面分析.

二分法是一个天然复合MECE的方法, 可以先用二分法梳理指标体系, 最后通过删减不需要的枝干, 的额道实用的指标体系. 除了二分法之外, 还有集中方法可以帮助确保拆分能够复合MECE原则:

  • 逻辑树法：使用逻辑树来系统地分解问题或目标。每个分支代表一个子问题或子目标，确保每个层级的分支互不重叠且完全穷尽。

  • 矩阵法：使用矩阵或表格来组织信息，其中行和列代表不同的维度或类别。确保行和列之间没有重叠，并且覆盖了所有可能的情况。

  • 分类法：将问题或信息按照特定的标准进行分类，如按照时间顺序、地理位置、功能特性等。每个类别应该是独立的，且所有类别加起来应该完整覆盖整个问题域。

  • 因果分析法：使用因果关系图或鱼骨图来分析问题的原因和影响。确保识别所有相关的原因，并检查它们之间是否存在重叠。

  • 功能分解法：特别适用于产品或系统分析，将产品或系统分解为功能组件或模块，确保每个组件或模块具有独立的功能，且整体上完整描述了产品或系统的功能。

2.2 总分式(理清细节)

总分式指标是讲一个对象进行拆解, 看清楚其内部结构, 常用来从整体到细节一步步深入进行描述. 总分式多用于细节描述, 从整体到局部, 从大到小, 细致观察.

例如评价学校的老师:

首先可以将老师划分成为不同的年纪
▼
其次,可以将老师划分成为不同的学科
▼
最后,可以将老师区分成为班主任和非班主任

这样一层层, 从整体到局部的逻辑体系就是总分式的. 总分式和并列式的指标体系, 其内在逻辑是完全不一样的.

  • 总分式是多层次
  • 并列式是多角度

2.2.1 梳理总分式指标的步骤

  1. 明确主指标, 然后向下逐层进行拆解
  2. 拆分指标, 通常有两种拆分逻辑:
    • 加法逻辑
      • 例如店铺的收入:收入 = 线上收入+ 门店收入 + ……
    • 乘法逻辑
      • 例如产品A的销售额 = 单价 * 数量 3.拆解的终点, 以子指标落实到某个部门负责的KPI为最佳
  3. 总结指标体系

总分式指标体系比较容易分析, 能快速识别业务问题.

2.2.2 总分式指标体系使用场景

  1. 计划阶段 : 拆解整体目标, 将大目标拆解成为小目标
  2. 执行阶段 : 监控目标完成情况, 发现各小目标不足
  3. 复盘阶段 : 发现问题, 寻找问题是从哪个字部分来的

2.2.3 常见总分指标体系

2.2.3.1 杜邦分析模型

杜邦分析模型（DuPont Analysis）是一个财务比率分析方法，它通过将公司的资产回报率（Return on Assets, ROA）和资本杠杆（Financial Leverage）相乘得到股东权益回报率（Return on Equity, ROE）。这个模型首先由美国化学公司杜邦公司（DuPont Corporation）在1920年代早期开发，用于深入了解公司盈利能力的来源。 杜邦分析模型主要包括以下三个部分：

  • 销售利润率（Profit Margin）：表示公司的盈利能力，即每单位销售收入中有多少成为净利润。杜邦模型通过计算净利润与销售收入的比率（Net Profit/Sales），来评估利润率。

  • 总资产周转率（Total Asset Turnover）：显示公司使用其总资产产生销售收入的效率。通过计算销售收入与总资产的比率（Sales/Total Assets），来评估资产的使用效率。

  • 财务杠杆/权益乘数（Equity Multiplier）：反映了公司的资本结构，是公司总资产与净资产（股东权益）之比（Total Assets/Equity）。财务杠杆衡量了公司在其资本结构中债务资金与股东资金的相对比例。

将这三部分结合起来，可以得到传统的杜邦恒等式：

  • ROE = (Net Profit / Sales) × (Sales / Total Assets) × (Total Assets / Equity)

  • ROE = (Net Profit / Equity)

这个关系表明，股东权益回报率（ROE）可以被分解为三个财务指标的乘积：利润率、总资产周转率和财务杠杆。这样分解后，管理层就可以更细致地分析并掌握影响公司整体盈利能力的关键因素。 杜邦分析模型不仅仅用于对公开上市公司的分析，也可以作为内部财务分析工具，帮助企业发现盈利能力的潜在问题，并采取相应的策略来改善。然而，也要注意到，模型中的每个指标都有其局限性，比如它们并不考虑业务的风险因素，而且在不同行业内的适用性也可能会有差异。因此，在实际应用中，杜邦分析应与其他财务分析方法结合使用。

2.2.3.2 零售分析指标体系

将总消费进行拆解,一步步细化,得到最终指标体系.

2.3 漏斗式指标体系(描述转化)

漏斗式时候从开始到结束, 一步步揭示事物转化的过程, 一般而言,步骤越多, 中间流失越多, 数据形态如同漏斗. 例如互联网中非常常见的AARRR 模型.

关于这些指标体系的更多内容, 在后文中会继续提到.

2.3.1 梳理漏斗指标体系的步骤

  1. 明确业务场景,
  2. 明确结果指标, 梳理业务路径. 有多少路径,列出多少路径
  3. 每一条路径, 有多少节点, 记录多少节点
  4. 每个节点, 以有人跟进其工作, 将其指标作为KPI 为宜
  5. 总结指标体系

漏斗指标体系是自带分析能力的, 能够快速有针对性的改进业务, 但是很多时候数据比较难收集.

2.4 流程式的指标体系(描述过程)

** 事实上, 世界上发生的事情都是流程性的, 时间这个天然的因素导致任何事情都会有一个起点和重点** 流程式指标体系是站在结果, 用指标描述记过产生的过程.

流程（Process）是指为了达到特定目标，将一系列有序的活动或步骤系统地组织起来的过程。在不同的领域，流程的含义和重点可能有所不同：

  1. 业务流程：在商业管理中，流程通常指的是业务活动中的一系列任务或活动，它们被设计来产生特定的产品或服务。业务流程可以包括制造流程、销售流程、供应链管理流程等。
  2. 工程流程：在工程领域，流程可能指的是将原材料转化为成品的一系列操作，如化工流程、制造流程等。
  3. 软件开发流程：在软件工程中，流程指的是软件开发的一系列阶段或活动，如需求分析、设计、编码、测试和维护等。

在在流程中, 指标可以是不同流程节点(活动)之间的时间, 整个流程有一个总时间, 可以拆分成为每个流程段之间的时间. 可以是每个额流程中的成本, 消耗或者任意与流程相关的因素. 流程的目的通常是为了提高效率、保证质量、降低成本或提高客户满意度。而流程式的指标体系则是为了帮助实现这些目的.

2.4.1 梳理流程式指标体系步骤

  1. 明确业务场景
  2. 梳理流程的起点,重点, 其中各个环节 以及关心的过程因素(资源消耗, 损耗,消费,收入等等)
  3. 整理整个环节的指标

备注: 相关学科 : process mining 流程挖掘. 我写的流程挖掘电子书: https://liamamilin.github.io/ProcessMiningRBook/