案例分析：图文内容社区的数据指标体构建

数据指标体系构建是数据分析师的日常工作之一，常见的指标体系方法论包括根据业务发展进程选取由合成略旦易于拆解的指标作为北极星指标。但在实际业务场景中如何运用方法论构建数据指标体系，以监控业务发展呢？

互联网产品按照用户需求进行分类，可以分为工具类、内容类、社交类、交易类以及游戏类。当然，每一个互联网产品并不一定属于单一的某一类别，其类别可能是交叉的。

那各种不同类型的互联网产品都有什么特点?它们对应的北极星指标又分别是什么呢?各类型互联网产品的特点以及北极星指标总结如表1所示。

表1 各类型互联网产品的特点以及北极星指标

图片

内容类产品主要是指创作者持续为粉丝提供有价值的文章、音频、视频等内容的平台，例如，知乎、微信公众号、持音等，其北极星指标是浏览量、;浏览时长、点赞量、转发量等。

社交类产品主要是为用户提供建立社交关系的平台,例如微信、微博等，其北极星指标是活跃用户数、好友数、互动次数等。

图文内容社区既包括了内容类产品的特点，又包括了社区类产品的特点。下面，我们将以图文社区为例，实践数据指标体系的构建。

01 案例：以图文内容社区为例实践数据指标体构建

某产品是一个专注于做图文内容社区的平台，该平台为用户提供一个知识交流的空间，10年间已经积累了海量用户，在垂直类产品独占鳌头，目前处于成长期和成熟期的拐点阶段，优质的活跃用户以及商业变现是该阶段的关键目标。

其主要业务场景如图1所示。

图片

图1 内容社区业务场景

当用户遇到或者想要讨论某个问题就可以在内容社区进行提问；平台审核问题之后就会将其推送给相关领域的创作者，回答者回答问题以建立自己的行业影响力。

提问者和回答者作为内容生产者产出内容，而大部分用户是以内容消费者的身份存在，在内容社区浏览内容以“杀时间”。

提问者、回答者以及其他浏览者在相关问题下产生良性交流、互动讨论从而形成一个良好的内容社区氛围。

根据上面的分析，我们可以看出内容社区类的产品是内容类产品和社交类产品的有机结合体，既包含了内容类产品通过内容为用户提供价值的特点，又包括了社交类产品通过内容、互动以沉淀陌生人关系链的特点。

02 4个步骤实现数据指标体系构建

我们将通过业务目标梳理北极星指标；对达成北极星指标的用户行为路径进行拆解，梳理过程指标；然后进行指标的下钻分级，构建多层级的数据指标体系；最后，添加分析维度，构建完整的数据指标体系。

1. 明确业务目标，梳理北极星指标

如图2所示，我们汇总了该产品的业务目标与用户价值的商业闭环。

图片

图2 业务目标与用户价值的商业闭环

该产品为了实现社区活跃和和营收增长，需要有足够多的优质活跃用户发布问题和回答问题，以产生更多的内容互动，从而实现广告、带货等多种方式的用户转化，进而实现收入增长，最终投入更多的运营活动，继续提升内容社区的活力。

那如何去定义优质活跃用户呢，有哪些指标可以表征优质活跃用户，且可以作为北极星指标呢?

我们找出了5个备选指标：阅读用户数、阅读时长、内容阅读数、内容创作数、用户互动数。

我们通过评价北极星指标的4个评价标准依次评价筛选出的5个候选指标，其结果如表2所示。

表2 评价5个候选指标是否满足北极星指标的评价标准

图片

这里的阅读时长、内容创作数以及用户互动数3个指标都满足北极星指标的评价标准，到底选择哪个作为北极星指标呢?

其实很多情况下，多个北极星指标共同指引业务发展也是较为常见的。如果只需要一个北极星指标，用户互动必然是最优选择；但如果需要多个北极星指标共同指导业务发展，用户互动数量可以作为主要的北极星指标，其他两个则可以作为次要的北极星指标。

2. 梳理业务流程，明确过程指标

确定了该内容社区的北极星指标为用户互动数之后，我们对业务流程进行梳理。如图3所示。

图片

图3 业务流程梳理

无论对于内容生产者还是对于内容消费者来说，互动转化的机制都是基本一致的，但是数据分析师在内容生产层面和内容消费层面关注的重点是不太一样的。

内容生产者会更加关注他们的创作力、影响力、发文质量以及行为健康度，因为优质上且持续的创作是带来用户互动的基础。

而内容消费者则会更在意其互动数，也称作行为参与度，要达成用户互动,内容消费者需要阅读完相关的文章上且对文章有一定的情感偏好。

除此之外，内容消费者的浏览广度和浏览时长也是数据分析师较为关心的，因为用户浏览内容越广、浏览时间越长，用户黏性就越高，用户发生互动的概率也就越大。

基于以上的过程分析，我们将该内容社区的过程指标梳理如图4所示。

图片

图4 图文内容社区的过程指标梳理

3. 指标下钻分级，构建多层级数据指标体系

明确了过程指标之后，需要对过程指标进一步拆解，从而梳理出二级指标、三级指标，以便数据异动时方便排查。图文内容社区的数据指标体系下钻分级的结果如图5所示。

图片

图5 内容社区数据指标下钻分级

4. 添加分析维度，构建完整的数据指标体系

最后，就到了添加分析维度的步骤了。如网图6所示，该内容社区也有和其他产品同样的分析维度。

图片

图6 内容社区分析维度汇总

除了以上各类产品几乎共用的分析维度之外，内容社区还具有一些较为独特的分析维度。

在内容层面上，内容的垂类、主题以及评级都是衡量内容质量以及内容丰富度的相关维度。

内容垂类可以是财经、娱乐、职场、知识、影视等较大的分类。

内容主题则是某一垂类下的细分，以知识垂类为例，可以将其分为数据分析、算法、前端开发、后端开发等不同的主题。

内容评级是衡量内容质量最重要的标准，运营人员和数据分析师可以根据一定的规则，例如，文章长度、内容与主题的关联度、图片质量等多层面的信息，将内容划分为不同的等级，统计各评级内容的占比即可评估图文内容质量。

03 构建数据指标体系的过程总结

经过上述4个步骤的分析，我们为内容社区梅建了一套完整的数据指标体系。

首先，先根据其商业模式，梳理了业务目标，明确了北极星指标是用户互动数，这里需要注意的是产品所处的生命周期和业务目标是具有强相关性的，明确产品所处的生命周期是梳理北极星指标的关键要务。

其次，我们通过梳理达成北极星指标的业务流程，从而提炼出相关的过程指标。

为了使数据指标体系更加完善，我们对过程指标进行下钻分级，构建多层级的数据指标体系，以满足不同用户群林对于指标监控的需求。

最后，我们汇总了分析维度，内容社区的部分分析维度和其他类型产品几乎大同小异，但是除此之外还有一些特有的分析维度，例如内容垂类、内容主题、内容评级等。

本文摘编自《数据指标体系：构建方法与应用实践》，经出版方授权发布，转载请保留文章来源。