导读本文将分享快手电商在数据指标体系建设方面的探索与实践。

主要包括以下几大部分：

1. 指标体系建设必要性

2. 如何建设好的指标体系

3.快手电商指标体系产品实践

4. 指标体系管理

5. 总结

6. Q&A

分享嘉宾｜侯亚斌快手数据产品经理

编辑整理｜王文海

内容校对｜李瑶

出品社区｜DataFun

01

指标体系建设必要性

在快手电商的业务背景下，构建指标体系的必要性在于为经营决策提供数据支持，通过精准分析经营场景下的销售利润、用户行为转化等关键指标，帮助优化产品策略和市场定位，提升整体运营效率。接下来从业务背景开始展开分析。

1. 快手电商业务介绍

快手电商的经营场景主要涉及电商的"人货场"概念，具体为内容场和货架场，通过这些场域与用户建立连接，提供价值。内容场主要由直播和短视频构成，直播贡献大部分交易，通过策划内容、产品引流及营销工具引导，实现用户互动。短视频则重点在于"种草"用户，通过差异化内容和商品植入，可能不直接挂载商品，但通过搜索层面引导用户。在直播和短视频这两个内容载体下，我们通过品牌商家、头部大 V 的联合布局，以及流量策略的调整和营销活动的结合，实现价值最大化。综上，内容场主要承担"货找人"的职责。货架场以商品卡为主要载体，可以和内容场进行连接，实现流量共享。通过店铺搜索、商城页面和"猜你喜欢"满足用户"人找货"的诉求。

一个完整的用户生命周期包括从潜在用户，到内容消费，再到种草、首购、复购的演变，这些环节又可以抽象为人群探索、人群培养和人群转化三大阶段。

基于经营场景和用户之间的关系，主要包括五大运营场景：首先是潜力消费者定位挖掘，这一场景的主要目标是找准用户；第二是内容和商达融合，实现内容推荐；第三是基于人设和 IP 营销互动，达到兴趣拓展；第四是通过商家自卖和达人分销引导成交；最后是通过会员运营和老客召回策略提升用户粘性。

2. 业务遇到什么问题

在数据生产、数据查询和数据使用三个环节中，不同角色可能会遇到各种问题：

数据产品经理在日常面对新业务需求时，会评估现有指标的复用程度，但这样的效率低下，影响了项目速度和资源分配效率。

数据开发工程师在准备实现这些需求时，可能对技术指标的定义和口径不清楚，导致开发过程中的不确定性增加，影响了开发效率。

开发完成后，数据产品经理需要考虑指标应该通过哪种可视化样式来表达。

在数据交付给业务用户后，如电商运营小二在寻找特定指标时，可能会遇到指标名称不一致或定义模糊的问题，这增加了理解和使用数据的难度，影响了决策效率。

各层级的业务人员和管理者在使用数据时，常常对业务数据的表现全貌不清楚，这限制了他们对业务现状的准确把握和未来策略的制定。

3. 指标体系能解决什么问题

我们需要一个好的指标体系来解决上述问题。

在建数过程中，指标体系可以实现指标标准定义，确保不同类型和业务主题的指标可以有序且有效地组织起来，为数据开发、生产和质量保障提供清晰的指导。

在看数环节，指标体系可以帮助用户快速定位问题，实现数据的快速可用性，从而提升工作效率，满足用户对数据的即时分析需求。另外，通过指标文档、白皮书等形式，企业可以实现数据资产的沉淀。同时，作为数据运营的基础，指标体系有利于不断提升指标的丰富度和覆盖度，以满足不断变化的业务需求和数据分析深度要求。

最后在用数环节，利用指标体系进行产品化表达，可以满足更高级的数据应用场景，如数据波动诊断和分析汇报等，从而辅助企业决策，提升决策的精准性和效率。

4. 什么是好的指标体系

指标是衡量业务结果的数据展示，是业务与数据的结合，用于量化业务效果的重要依据；体系是由相互关联部分构成的结构性或逻辑性的整体，能清晰刻画事物全貌，例如电商业务体系包含用户、内容、流量供给等部分。一个有效的指标体系需要将关键业务指标逻辑化、结构化组织，将业务过程转化为数据语言。好的指标体系不仅是指标的集合，还需包含产品化表达和使用指南，为用户提供服务，类似一个产品。

建设指标体系需从构建每个指标开始，同时考虑到其横向在不同业务专题中的复用性，以及纵向在数据建设与用户分析引导中的作用。

02

如何建设好的指标体系

1. 如何建设好的指标

建设指标体系的前提是要建设好每一个指标，指标的建设主要从指标定义、指标建设和有效管理等方面入手。

指标定义阶段：该阶段是指标体系构建的基石，包括明确指标名称和指标口径。其中，指标名称应清晰表达“业务过程”、“实体”和“度量”三个基本要素，如“支付订单金额”。对于衍生指标，需综合考量时间周期、业务实体维度、空间维度、方式维度等，以形成全面描述。同时，指标口径定义需涵盖业务定义、判定条件、统计方式和范围限定，确保指标含义明确，如 GMV 指标的具体界定。

建设阶段：指标建设需从多个维度考量，包括指标分类（原子指标、派生指标、复合指标）、指标分级（战略、策略、执行层面）以及指标分域（一级至二级数据域，业务过程归属）。这些视角有助于系统性地组织指标，同时也便于与业务矩阵映射，提高指标的适用性和有效性。

指标管理：分前、中、后三部分来看。首先，前期需要制定指标建设规范，比如维护指标词根库，确保新增指标符合既定规范；在指标生产过程中，需要建立模型评审机制，确保指标建设符合标准，如词根库的匹配和生产规范的遵循；在指标生产后期，需要周期监控 review，监控不规范指标的新增情况，并持续改进指标管理体系。通过这些措施，可以及时发现并纠正问题，保持指标体系的健康和高效运行。

2. 指标体系建设方法

行业中运用了多种经过验证的方法论，如 OSM 模型、UGM 用户生命周期分析模型和 ARR 用户无增长分析模型，以助于更有效的思考和达成业务目标。在电商领域，人货场的场景化分析模型尤为常见，它帮助我们理解业务运作的核心要素。

快手电商采用 OSM 方法，通过目标（O）、策略（S）和度量（M）三个层面来拆解指标，确保业务目标的清晰和可执行。核心指标位于指标金字塔的顶层，直接关联公司或业务的整体 OKR，如 JMV，代表了业务的最高追求。中间是业务指标，聚焦于部门 OKR，如直播团队的直播 GMV，是实现核心指标的支撑点。最下面是过程指标，是团队或个人的 OKR，如点击转化率。

3. 指标体系建设思路

确定好指标结构后，接下来需要结合具体业务，确定业务目标和策略。

以直播业务为例，其主要目标是提升直播渠道的 GMV，为大盘贡献增长动力。不同阶段采取不同的策略来最终实现目标。

内容供给阶段，通过激励手段引导商家和达人增加直播频率，这一阶段的小目标是提高开播勤奋度，抓手为促开播、促生产。

内容消费阶段，要将内容更好地、更精准地曝光给用户，以增加用户的消费时长，这一阶段的主要目标是曝光和进间，主要策略为优化内容价值以提高用户满意度。

交易牵引阶段，主要目标为商品触达，要在直播中有效展示商品，主要通过设置营销工具和上架爆品来实现更有效的商品曝光。

订单成交阶段，在商品曝光给用户后，需要引导用户下单，这一阶段的目标是提升人货匹配度，可以通过对用户的精细化洞察，以及行为路径分析，优化匹配机制，最终促成用户下单。

最后一个环节是关注复购，目标是建立信任关系，对应的抓手包括策略层面的 UA 触达、运营层面的粉丝券营销等。

目标和抓手确立之后，接下来的工作就是明确度量。主要工作是展示不同业务策略或过程的指标，可以从多个层面进行拆解，包括效率、时间、质量与数量、转化率以及活跃互动。

在供给策略方面，我们通过促开播和促生产提升主播勤奋度，在这一策略下会重点关注开播人数、场次、主播开播时长以及短视频发布的变化趋势。从商品视角，需要关注上架商品的数量和 SKU 的丰富度。

流量分发，是为了将更有价值的内容曝光给用户，使曝光后收益最大化。会关注内容参竞量、竞胜量、召回量，以及实际曝光次数等。

在内容消费方面，我们会监控正面指标，如直播观看次数、用户互动（点赞、评论、打赏）；还会关注负面指标，如举报次数、不感兴趣的人数规模等，以提升用户体验。

在交易规模和转化效率方面，也采用类似的拆解逻辑，最终建立起整个指标体系。

03

快手电商指标体系产品实践

接下来通过快手电商的两个核心业务场景来具体介绍如何应用指标体系，以及通过怎样的产品形式为用户提供服务。

1. 电商经营分析指标体系产品化实践

在快手的数据分析体系中，经营分析是最顶层的分析，主要解决两个宏观问题，一是公司整体经营状况是否达成预期，二是业务策略是否奏效。因此在经营分析框架中最核心要解决的是三个层面的问题：第一个是宏观视角下公司管理者需要快速了解公司整体 OKR 达成情况；第二是中观层面，业务产、运、研需要追踪自己的业务目标；第三是微观层面，一线运营小二需要知道自己运营的商家或大人的目标达成情况。

经营分析作为最重要的一个管理手段，对指标体系及其应用呈现都有着较高的要求。

（1）电商经营分析指标体系建设背景

在成熟的指标体系建立之前，主要面临的痛点包括：指标口径不统一、体系不稳定、应用单一，以及异动分析效率低。这些问题导致数据分析难度增加，决策支持能力受限。基于这些痛点，我们设立了针对性的目标。

指标统一管理：为解决指标口径不一致的问题，需要完善维度和指标管理规范，确保各报表间数据口径统一，提升理解和使用效率。

指标体系沉淀：建立并巩固一个包含核心 KPI 和多业务主题的稳定指标体系，通过核心指标与各主题间的联系和体系构建，解决视角不固定和报表分散的问题，提升管理效率。

指标体系产品一体化：构建一体化的经营分析产品，针对不同业务场景提供差异化服务。

指标体系分析全面提效：实现核心 KPI 可监控、波动可监测预警、异动可定位的全过程，让数据易用易解读，从而实现高效决策。

（2）电商经营分析指标体系及分析思路

指标体系分三个层面，即业务主题、北极星指标和指标拆解。第一个主题是业绩，这是最为核心的目标，关注的北极星指标是 GMV 和收入，进一步结合业务可拆解到退款、结算和佣金等过程。业绩目标下又拆分为流量、供给、用户、机构和服务体验等主题。

流量部分，通过 OPM 和 GPM 指标监控内容曝光到订单转化的效率。可拆解为直接影响和间接影响，直接影响是从流量规模和流量效率两方面来看，进一步可以看不同活跃度的用户或不同流量分发页面的表现；间接影响主要是从内容供给来看，比如开播和短视频素材的量，还可以进一步下钻到具体的行业。

下一个主题是供给，这里主要是从商家达人或货品的角度出发，北极星指标也是 GMV，拆分成店和品两部分。店的部分关注主播规模和店效，品的部分则关注商品规模和品销。

类似的，其它主题也以同样的方式，依据业务背景和目标进行拆解，最终建立起整个经营分析指标体系。

在经营分析场景，仅有指标体系是远远不够的，还需要与指标体系相辅相成的分析思路，来盘活指标体系。分析思路包括目标追踪、过程拆解和下钻分析三个粒度。目标追踪，需要关注总目标的达成，即目标拆解后的达成进度，并以可视化呈现；过程拆解，是对业务主题和业务过程进行拆解；下钻分析，包括维度下钻、明细下钻。

（3）电商经营分析数据产品示例

上图中展示了一些经营分析数据产品的 demo。

2. 电商活动大促指标体系产品化实践

接下来介绍电商活动大促场景下指标体系的建设。

（1）电商活动大促业务拆解

大促平台目标为提升 GMV，可拆解为预售/预热期、正式爆发期和日促/返场期三个阶段，对应各阶段又可以从场次供给、商品供给和营销玩法三个维度进行运营。

场次供给，关注核心是商家和达人的爆发场次，提供流量扶持、平台补贴等激励，以促进更多爆发。基本盘维护主要关注维稳场次，通过底盘流量扶持和黑马激励、跃迁激励等措施促进中腰部商家和达人完成大促的场次供给。

商品供给，会关注主力品、秒杀品，并在水果生鲜、美妆服饰等民生时令方面确保基本盘的商品供给。

营销玩法，将场次供给和商品供给通过更具吸引力的玩法呈现给用户。包括全域玩法，如跨店满减、分期免息等；货架玩法，如分享裂变、单单返等；内容场玩法，如天降红包、看直播领金币等。

通过这些手段，助力商家加速营收和跃迁，同时提升用户购买意愿，增强用户对平台的好感度和忠诚度，实现用户与平台的双赢。

（2）电商活动大促指标体系确立

通过过程拆解，就可以建立起大促指标体系。大促目标设定为增量 GMV，对应的大促策略包括但不限于盘播、盘货、流量、买家等，以实现销售增长。

盘货策略在大促中尤为重要，不同于日常运营，需上架爆品和秒杀品以提升销售额和吸引顾客，确保大促期间的高曝光和高转化。因此需重点关注爆品数量、爆品类目数、品牌商品数以及爆品 SKU 等，以优化库存结构，满足不同消费者需求。

（3）电商活动大促数据产品示例

基于上述指标体系，我们能进行深入的分析和应用层面的产品化展示，明确目标达成情况。通过大屏的实时呈现，我们可以及时关注目标达成和业务过程，并调整策略，确保目标的有效追踪和实现。

04

指标体系管理

管理指标体系要求持续更新与优化，确保指标的时效性、相关性，同时建立一套标准化、流程化的指标监控与分析机制，促进数据驱动文化在快手电商内部的深化，提升数据治理水平和决策质量。

1. 指标体系生命周期

需求承接阶段：明确业务需求，进行需求分析，确保指标体系的构建直接响应业务目标和挑战。

指标定义阶段：确认指标、维度及其相互关系，为后续的数据生产和运营奠定坚实的基础。

数据生产阶段：依据确认的指标维度体系，进行模型评审和数据开发，确保数据质量与准确性。

数据运营阶段：推广数据内容和能力，通过数据运营提升数据的使用价值，促进数据的普及和共享。

数据消费阶段：基于数据内容进行分析洞察，支持业务决策，发挥数据在业务实践中的决策辅助作用。

迭代/下线：随着业务的变化，对指标体系进行相应的迭代。并对使用情况进行监控，根据使用热度做治理或下线。

2. 指标体系生命周期管理

需求承接阶段，直接目标是要理解业务背景并明确数据需求，通过制定数据需求分析规范、需求指标确认规范等，以确保实现高质量需求拆解的最终目标。

指标定义阶段的直接目标是将需求语言转化为数据语言，为数据生产提供依据，通过建立维度规范、指标规范以及维度指标之间的关系将指标落实，最终目标为实现系统性的指标管理。

数据生产阶段包括数据交付和数据质量保障，通过数据探查、模型评审、数据交付等步骤确保数据符合预期，使用指标管理平台进行规范管理，最终通过指标管理指导数据生产。

数据运营的直接目标为推广数据内容、建立数据心智，通过培训分享、反馈收集和迭代优化，实现指标体系价值传递。

数据消费阶段，通过一些专题数据产品、大模型数据服务来展示指标体系应用的全面性。

最后，在迭代/下线阶段，通过周期性的业务 review 和规划，制定指标治理和下线流程，最终实现指标体系的迭代。

在整个指标体系生命周期中，从指标定义到数据生产的过程至关重要，需要根据词库规范定义，并根据定义进行开发，才能保证数据的一致性。

05

总结

• 在面对业务指标一致性问题时，首先需要在需求拆解和指标定义阶段树立主动的规范意识和一致性目标，形成如指标命名规范等公共规范，以确保指标的标准化和清晰度。

• 指标定义和维护过程中，需基于已有指标进行管理，明确指标的归属和词库，通过规范化的新增流程来避免新旧指标口径不一致，同时利用审批流程和血缘关系监控来及时发现并解决同名不同义的问题。

• 在数据的生产环节，遵循严格的生产规范，对新增指标进行审批，并利用数据血缘关系进行监控，及时发现并处理指标不一致性问题，提升数据的一致性和准确性。

• 对于数据运营层面，定期进行指标的 review 和宣贯，确保业务人员对高重合度指标有明确的认识，避免同名不同义的误解，同时在数据应用层面提供报表和内容产品上的外显标注，以预防此类问题。

• 针对不同业务发展阶段，指标体系的管理重点也有所不同，起步期侧重于基础设施建设，爆发期关注效率提升，稳定期则更多地利用指标体系驱动业务发展和价值最大化，体现了对业务不同阶段的针对性管理和优化策略。

06

Q&A

Q1：一般怎么解决指标一致性的问题?

A1：指标一致性问题在日常工作中常见，尤其在业务快速发展或扩张阶段更为突出。解决此问题需从多个环节入手：

需求拆解与指标定义：需有主动规范意识和一致性目标意识，形成指标命名等公共规范，明确指标包含要素及拆解、组合方法。

指标维护与管理：基于日常对已有指标的维护和管理，如指标归属、细粒度词库等，完成新增指标的规范化，确保新增指标与已有指标口径一致或在命名上有所体现。

底层生产环节：遵循生产规范，如新增指标或词库审批流程；依托底层数据表血缘关系等，通过日常监控或判断及时发现疑似同名不同意的指标问题。

数据运营层面：对重合度高或疑似同类的指标进行周期性 review 和宣贯，消除业务同学使用疑虑。

数据应用层面：在报表或内容产品上提供外显或标注能力，解决指标意识性问题。

Q2：业务的发展不同的阶段指标体系应该怎么样来管？

A2：业务的发展阶段可抽象为起步期、爆发期和稳定期。在起步期或初创期，业务刚起步，数据层面可能面临“没数可看”的状态，此时指标管理的重心在于基建层面，如建设规范、生产规范等。进入爆发期，业务快速扩量，数据需求压力增大，指标体系管理需解决效率问题，提高取数、找数效率，数据团队需将指标管理线上化，保障数据一致性和准确性。在稳定期，业务可能增长放缓或进入稳定状态，此时需通过数据或指标体系为业务提供更大价值，驱动业务，如基于指标体系底座，通过多样化分析思路、场景和产品能力，为业务提供定制化场景或数据方案。

Q3：指标拆解业务限定，包括说维度一般是怎么去组织？是存放在数仓哪一层跨域组织数据之前吗？指标拆解业务陷阱维度一般怎么组织？

A3：在指标和维度建设中，首先需定义或拆解指标，并通过指标字典或维度字典进行管理。可利用公司或业务的指标管理平台，或业务阵型进行更好的组织。同时，在生产环节，也需在数仓中承接和开发这些指标和维度。因此，在不同阶段，都需要进行相应的组织和建设工作。

Q4：指标生命周期管理在指标下限阶段会使用哪些维度来评估或者判断下线?

A4：数据产品的持续生产需注重数据的维护与管理。针对指标生命周期的管理，业务后期需更多关注成本，可能需进行数据治理。治理前需明确目的，如数据内容、报表或产品使用热度变化，或已不适应业务发展。之后需采取行动，如分析存量数据表或数据集的查询热度、用户渗透或留存稳定性。可通过规则筛选出使用热度低的数据，再确认下调对日常分析或业务决策的影响，最终进行下线评估。整个过程需确保数据治理的科学性和合理性。

以上就是本次分享的内容，谢谢大家。

分享嘉宾

INTRODUCTION

侯亚斌

快手

数据产品经理