梳理数据指标体系,这才是最全指南!

大数据 数据分析
在梳理过程指标的时候,有可能有些步骤缺少数字化工具,没法采集到数据,这时候就只能先空着,等有工具采集数据再说,过程指标有可能得逐步丰富。

提到数据指标体系,很多人会脱口而出AARRR或者GMV=UV*转化率*客单价。可实际工作场景很复杂,如果是非销售流程,这两套就不管用了,那更常用的指标体系梳理方法是什么呢?今天结合一个具体例子分享一下。

案例场景:

某耐用设备企业,售后部门负责回答客户咨询/新品安装/保修3年/3年内主动保养产品/过保修期收费维修等多种服务,还会在服务过程中开展二次销售。售后部门报表原先长这样(如下图):

图片图片

大家一致认为,这个表数据看似很多,但是太乱了,看不出来个所以然,需要重新梳理指标体系。可是交给数据部门以后,分析师小明同学看得头都大了:

这一堆东西到底是啥跟啥呀!想拆解收入=客户数*客单价,可售后很多服务是不收费的,想拆解AARRR,可客户没有所谓活跃留存,都是一单一单处理需求。到底这个指标该咋梳理??!!

梳理业务流程

之所以这位同学会感觉混乱,是因为他被“售后”俩字蒙蔽了眼睛。虽然表面上都归售后部门管,但负责人不同、处理流程不同、收入/费用产生方式不同,因此实际上有好几种分支业务。梳理指标体系第一步,就是理清业务流程,区分清楚不同目标的业务。

第一,解答客户咨询是总部直接管的,上门安装、维修、保养等都是各地网点支持的;解答客户咨询不产生收入,只支付客服人员工资即可。而上门所有工作,除了人工,还有可能产生配件/物料成本,甚至有可能有收入,因此要分开。

第二,安装新设备和主动保养,是售后主动发起的动作。安装是一定要做的,主动保养客户则不一定接受(甚至可能联系不上),所以应该区分两个流程。

第三,客户发起的保养、修理需求,需要单独分类。

第四,在咨询、保养、保修、维修中,都有可能产生二次销售机会,但是又不是100%会有,因此应单独统计在各流程中产生的二次销售线索,之后再看二次销售线索跟进完成情况。

因此梳理业务流程后,主要业务流程如下,基于这个更细化和清晰的流程,可以开始确定指标。

图片图片

明确结果指标

梳理清楚流程后,下一步是确定结果指标。结果指标一般有三类:

1、衡量流程的收入、成本指标

2、衡量流程完成数量(一般看最后一步是啥)

3、衡量流程完成质量(根据流程性质来定)

在第一步梳理中,我们已经清晰了收入、成本指标。这一步重点确认流程的数量与质量。

在本例中,有四类流程,其中:

1、二次销售结果指标最好定。它就是一个销售流程,可以直接把结果指标定为:销售成交商品数,销售线索的转化效率。

2、客户咨询仅仅是回答问题,能完成任务即可。因此可以看接听咨询数量,如果想进一步考核服务质量,可以看客户满意度评分或15秒/30秒接听率。

3、主动作业+保修,均不产生收入,都是基础服务,因此可以看完成工单数量,如果想进一步考核服务质量,可以看客户满意度评分或平均完成时间(越短越好)。

4、维修类会产生收入,但可能有些用户不接受,选择自行修理/找别人修理,因此可以做个二段式考察,第一段考察客户来电后是否及时答复,另一段记录是否能促成用户付费。

图片图片

当然,这些指标并不是教科书要求,理论上只要有指标反映数量和质量即可,具体的定义可以根据实际情况做增减。比如只考核平均服务时间,可能导致某些用户等待太久,引发投诉。那么就可以增加一个指标:等待超过24小时工单数。这样及时发现及控制问题。

结果指标一般是业务的KPI指标,因此需要与业务确认清楚,明确了以后再推进下一步。

设计分类维度

定好了结果指标,可以开始设计分类维度。一个懒省事的设计办法,就是直接按组织架构设计维度,这就有了开头报表中“话务一组、话务二组,A城市服务1组,服务2组”这种维度。

这样的设计,在考核绩效的时候是很清晰的,但是在做分析的时候却没啥用。因为小组名字并不是影响业务的关键。想让指标体系具有一定的分析能力,就得设计一些能解释问题的维度。

比如咨询产品使用情况,可能在新产品推出、老产品升级的时候最多,因此需要增加一个产品维度。产品维度和咨询量指标结合,就能看出新品关注度与常见问题。

图片图片

比如安装任务,和产品销量有很大关系,并且安装需要分地区执行,因此需要增加城市维度,并且配合当地新品销量数量指标使用(不需要销售金额,安装以设备台数算工作量)。

比如旧品保修,和当地旧品保有量+达到一定年份的旧品数量有关。因此需要设计一个旧品使用年限维度,结合旧品数量,来观察保修/维修需求变化。

图片图片

这样设计分类维度,不仅给出了具体维度,而且给出了分类维度结合哪些指标,可以读出业务含义。这么做能极大提高分析效率。

文章开头“流水账”式报表,就没有做清晰的区分,一股脑把所有维度和所有指标交叉结果丢出来,除了提供大量冗余数据搞得人头昏脑胀以外,没啥作用。设计维度要考虑和哪些指标交叉使用,是个重要的设计原则。

增加过程指标

清晰了结果指标与分类维度后,可以适当增加过程指标。之所以最后梳理过程指标,是为了帮助看报表和做报表的人清晰重点,避免一上来就铺了一地各种指标,陷在数据细节里无法自拔。并且过程指标不见得都有数据记录,因此要先做结果指标,再看过程细节。

梳理过程指标的时候,可以沿着业务流程,把每一个结果指标产生过程展示出来,比如:

主动保养,分为:联系客户→确认时间→上门服务→服务完成四步

二次销售,分为:线索跟进→确认需求→收费→配套安装四步

保修,分为:接受需求→确认资格→上门检查→配件调拨→完成服务五步

诸如此类,沿着流程逐一梳理,就能得到过程指标。

注意!在销售/获客场景中,每多一步都会流失一些用户,因此转化过程形似漏斗。但是在售后场景则不同,保养、保修等过程,客户提了需求一般都会完成,过程流失不是考察重点,此时考察的重点是过程消耗的时间,尽可能减少时间消耗,减少客户等待才是重点。在梳理指标体系的时候,需要清晰标注前后过程指标的关系,便于他人理解和使用。

图片图片

在梳理过程指标的时候,有可能有些步骤缺少数字化工具,没法采集到数据,这时候就只能先空着,等有工具采集数据再说,过程指标有可能得逐步丰富。

小结

梳理指标体系,包括四步:

1、梳理业务流程

2、明确结果指标

3、设计分类维度

4、增加过程指标

梳理指标体系的过程,本质是站在数据角度理解业务,用数据描述业务的过程,因此要紧密练习业务实际,才可以做出适合工作的指标体系。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2023-10-30 08:14:14

数据指标体系

2020-08-31 16:19:26

IT治理建立绩效体系

2022-09-20 09:42:54

数据指标

2022-06-20 09:08:00

数据体系搭建

2023-04-28 07:34:39

数据指标数据治理

2023-02-16 18:20:01

电商搜索数据

2024-10-29 08:09:18

2023-10-22 12:00:37

数据运营

2021-04-23 14:16:13

数据分析师数据指标运营工作

2024-07-11 11:52:24

数据指标体系

2024-07-04 12:10:50

2024-10-08 09:01:45

2023-03-28 08:28:34

2023-04-27 07:39:39

科技运营指标信息

2012-11-30 15:08:16

指挥城市IT解决方案H3C

2011-09-22 14:20:38

中国软件评测中心

2023-08-14 11:35:16

流程式转化率数据指标

2019-07-24 09:31:28

2024-04-24 08:15:40

数据模型大模型AI

2024-04-02 07:56:41

点赞
收藏

51CTO技术栈公众号