一、搭建指标体系应该从何开始
着手搭建指标体系前，先思考一下为什么要搭建指标体系。
德国哲学家马克斯·韦伯在谈到人的理性思考时曾提出两个概念：工具理性和价值理性。
工具理性是指，针对确定的目标，找到最有效的做事手段；
价值理性是指，针对要达到的这个目标做价值判断，是要先衡量目标的价值。
工具理性和价值理性只是角度不同，并无深浅或好坏之分，针对搭建指标体系这件事，作为数据分析师，我希望结果能够为我以后的分析工作赋能，所以先价值理性、后工具理性的思考方式对我的帮助更大。
二、 从价值理性角度，指标体系应该回答哪些问题
搭建指标体系的目的是监测日常经营变化及发现问题，这一过程类似于我们的体检报告，每一项检查都能反应某一个重要方面的情况，每一个指标都能够说明一个人在这项检查上是否处于常规的健康水平、是否需要进一步的检查或医治，整个体检报告反应的是一个人的综合健康状况。
所以，搭建指标体系应该站在诊断业务整体经营情况的角度，回答以下问题：
1. 日常经营中发生了哪些变化及影响因素是什么
指标体系跟体检报告略有不同的是，体检报告是从下往上看，即检查每一项然后综合出一个结果，而指标体系是从上往下看，先看最核心的指标发生了什么变化，再看其每一项影响指标对整体变化起了多大作用。
2. 指标的常规水平及阈值是多少，指标相互之间的影响程度如何
看指标除了要看变化方向还要看变化程度，变化程度的阈值有点像K线的支撑位和阻力位，突破的时候要特别关注。指标并非是孤立的，指标之间的影响程度通常也是有范围的，对指标的了解程度越深在做分析时把控力就越强。
3. 有哪些地方是需要进一步深入分析探讨的
日常监测中有些问题点是需要进行专项分析的，比如指标趋势的变化、用户敏感性的变化、历史的症结问题越发严重等等。还有一些是需要从用户使用的角度考虑的，比如我们通常将指标的周期按每日、每周、每月来看，但是这真的是能够反映出问题的周期吗？
三、 从工具理性角度，如何快速搭建指标体系
1. 收集业务需求
在此阶段，除了收集业务方希望看到的指标和维度外，分析师还需要弄清楚以下几个问题：
- 业务方的考核指标
- 日常能够通过哪些方式影响指标变化
- 在各维度中，有哪些值得关注的特征
2. 梳理指标及维度
收集的需求就像一块块散乱的拼图，要先建立一个整体的经营分析逻辑框架，为每一块拼图指明位置，再通过梳理整体逻辑补充被遗漏的指标和维度。
建立经营分析逻辑框架可以用「业务逻辑法」和「指标拆解法」。
不同行业在不同发展阶段的核心目标都不同，举个电商的例子，如果一家电商以销售额提升为核心目标，那么该如何应用业务逻辑法和指标拆解法建立经营分析的逻辑框架呢？
1）业务逻辑法
销售额提升是这家电商的核心目标，根据增长黑客理论，销售额就是这家电商的北极星指标，可以直接套用增长黑客理论中的AARRR模型进行梳理。
通过以下四步将每一个环节梳理清楚：
- 行为界定：根据所在公司的业务情况，对模型的每个关键步骤进行定义
- 业务动作：在收集业务需求时，了解业务日常会做哪些动作以及背后的原因，将业务动作与模型进行关联能够保证梳理的内容贴合业务实际
- 回答问题：指标体系是一个问题回答体系，通常涉及描述类和原因解释类两种
- 指标及维度：根据上述内容，将关键指标和维度列在此处
以下为套用AARRR模型进行的指标梳理，仅列举了部分指标，以便对方法应用进行说明，实际情况会更复杂。
2）指标拆解法
指标拆解法借鉴财务分析中的杜邦分析法，把核心指标通过乘法或加法拆解为各项因子，直到无法再拆分为止。
至此，只要将以上两个方法的结果融合在一起，就构建好了一个较为完整的指标体系。
指标体系除了包括指标和维度外，还应包括「指标定义」及「指标数据来源」，保证各方对指标的理解和数据口径的一致性。
四、 如何使用指标体系
1. 对没有数据的指标和维度进行埋点
指标体系中的某些指标和维度，可能在以前从未获取过数据，那么就需要联合研发及产品团队通过埋点进行数据的获取。
埋点的过程不在本文中赘述，但以下几个方面要做好记录和达成共识：
- 指标名称：埋点指标值通常会在数据产品中查看，指标名称即查看时使用的名称
- 指标含义：对指标的解释
- 触发动作：用户在触发了哪些动作时会记录数据
- 埋点标识：在埋点时前端代码中的标识，以备后期调整和沟通时使用
2. 根据指标体系搭建经营监测报表
监测报表通常采用先总体后细分、先描述后解释的逻辑进行设计，设计完成后和相关业务方确认，然后即可开发数据产品、上线报表了。
五、指标体系的迭代
市场变化越来越快大概已经是人们的共识，指标体系也不是一件做完就一劳永逸的事。除了随着业务变化的迭代外，分析师还应该从指标的精确性和有效性角度进行分析迭代。
指标有原子指标和派生指标之分。
原子指标是直接度量获得的指标，比如订单量；
派生指标是在原子指标基础上进行计算或者加上时间、地域等修饰词派生出来的指标，比如近7天北京订单量。
增长黑客理论中有一个概念叫「魔法数字」，它是指用户重复某个行为到一个数字后出现了明显的粘性增长，比如Facebook的魔法数字是「一周之内添加7个好友」，一旦用户达成这个数字，其忠诚度会显著上升。
「魔法数字」是在找一个界限值，也是在找一个可以通过干预让用户达到的KPI。
仍以电商为例，用户的整个生命周期是一个层层递进的过程，从首次访问到注册，再到首次下单，再到每一次的访问和下单，最终可能会在多平台比较中下单越来越少、访问越来越少，最后成为流失用户。
在这个过程中，有一些动作是我们希望用户去做的，比如注册、下单，而有些环节是我们试图阻止的，比如防止用户的流失。
用户生命周期的每一个关键点都是我们的目标，而达成这些目标同样可以通过寻找用户KPI的形式。
比如下图中，用户从首次访问到注册，当日转化为注册用户的有40%，次日转化的有25%，往后逐日降低，在第3天到第4天形成了一个拐点，第0天至第3天的总转化率为85%，即新访客近3日注册转化率为85%。
「新访客近3日注册转化率」就可以作为一个注册转化率的补充指标添加到指标体系，因为它既是一个收敛的可用于监测的注册转化水平，也表示如果想提升用户的注册转化率就要在这个时间段内采取措施。
再进一步看，想要提升「新访客近3日注册转化率」可以做哪些动作呢？
这就需要分析用户在首次访问后3天有哪些关键行为在「注册」和「未注册」之间有显著差异，以及这些行为在数量上是否出现了一个明显的「界限值」。
比如用户在看了5次活动页后，明显会进行注册，那么在运营上可以让新访客不停地看到没有看过的新活动，同时，将「浏览5次及以上活动页的新访客占比」增加到指标体系中进行监测，以反应我们的干预是否有效。
最后，总结一下指标体系搭建的流程：
- 从价值理性角度，分析指标体系应该回答的问题
- 从工具理性角度，通过收集业务需求和套用模型快速搭建指标体系
- 完善数据获取，将指标体系转化为报表产品
- 通过分析迭代指标，提高指标的精确性和有效性
