业务分析方法的三个主要构成部分——业务指标分析、业务模型分析及业务分析方法论。

一、业务指标分析

业务指标分析方法是业务分析方法的核心内容。指标是某种观测或行为的数值量化方法，而具体量化计算后得到的数值结果则被称为指标值。

指标值的作用是帮助阅读者观测企业经营结果好坏情况的窗口。阅读者通过指标值，可及时发现企业经营过程中的问题，并及时想办法解决问题，未来才能得到更为理想的经营结果。为了得到有参考价值的指标值，需要我们使用业务或者财务的海量原始数据，将其按照业务或者财务的规则要求，放在恰当的维度项下进行汇总计算。

指标 = 度量 + 汇总计算规则

指标值 = 维度项 + 度量 + 汇总计算规则

根据量化对象是业务行为结果还是财务行为结果，可以将指标分为业务指标及财务指标两大类。财务指标是按照财务规则来对财务情况进行量化的指标。业务指标需要按照业务行为结果的量化要求进行灵活定义使用。

通用指标计算方法，主要包括求和类指标计算方法、计数类指标计算方法及比较类指标计算方法

1、通用指标计算方法

求和类指标计算方法

常规求和计算方法用来计算维度项下包含的所有度量值的合计值。

累计求和计算方法是用于计算到当前维度项为止的所有度量值的累计合计值的计算方法。

计数类指标计算方法

常规计数方法统计维度项下度量值的总个数

非重复计数方法的计算逻辑是统计维度项下不重复的度量值的总个数

比较类指标计算方法

通用性强的比较类指标计算方法主要包括均比计算方法、标准比计算方法、基准比计算方法、目标比计算方法、同环比计算方法5种方法

均比计算方法

(1)计算逻辑：各个不同维度项下的汇总值与所有维度项的总平均值进行对比。

(2)平均值：在一般情况下为总体汇总值的算术平均值。

(3)使用目的：描述各个维度项的表现水平与整体平均水平的差异程度。通过均比指标值可帮助阅读者识别表现突出或不足的维度项个体。

(4)均比指标值。

① 均比差异值：汇总值 - 总平均值。
② 均比差异百分比：（汇总值 - 总平均值）/总平均值×100%。

(5)使用均比指标值时的注意事项。

① 均比计算中使用的总平均值一般多以算术平均值为主，算术平均值计算简单且能够较好地描述分析维度整体的综合表现情况，但它容易受到极端值影响， 所以若分析中使用的样本对象的数值彼此间存在较大差异，则不适合使用均比计算方法。

② 当分析对象的行为结果受多种外部因素影响，均比值无法代表分析对象主体能力水平的高低时，不适合使用均比计算方法。

基准比计算方法

划定基准值通常可以帮助阅读者了解汇总值的类别归属，不同的类别可以对应不同的业务意义，就可以统一不同阅读者的理解差异，方便阅读者直观读懂汇总值背后维度项的实际表现水平的好坏情况。

(1)计算逻辑：各个不同维度项下的汇总值与某个基准值之间进行对比。

(2)基准值：一个被绝大多数群体普遍认可的数字，如衡量考试成绩的60分及格线就是最有代表性的基准值之一。

(3)使用目的：描述各个维度项的表现水平与基准水平间的差异程度。通过基准比指标值可以帮助阅读者直观了解各维度项表现水平的类别归属情况，进而帮助阅读者了解各维度项表现水平的好坏程度。

(4)基准比指标值。

① 基准比差异值：汇总值 - 基准值。
② 基准比差异百分比：（汇总值 - 基准值）/基准值×100%。

(5)使用基准比指标值时的注意事项。

① 作为基准值使用的数字应是被广泛认可或者由权威机构、个人定义的数字。

② 当分析对象的行为结果受多种外部因素影响，基准比无法代表分析对象主体能力水平的高低时，不适合使用基准比计算方法。

标准比计算方法

(1)计算逻辑：各个不同维度项下的汇总值与标准值之间进行对比。

(2)标准值：标准维度项的汇总值。标准维度项是指在维度整体中作为衡量各个不同维度项行为结果好坏程度的标准使用的维度项。

(3)使用目的：标准比计算方法是基准比计算方法的拓展计算方式。其使用目的与基准比计算方法类似，用标准值划分数值区间为标准值上与标准值下两部分，根据各维度项汇总值到标准值的差异程度来判断维度项汇总值行为结果的差异程度。标准比代替基准比使用的好处是可以排除周围环境对观测对象行为结果产生的影响。

(4)标准比指标值。

① 标准比差异值：汇总值 - 标准值。
② 标准比差异百分比：（汇总值 - 标准值）/标准值×100%。

(5)使用标准比指标值时的注意事项。

① 在一般情况下，成为标准维度项应具有发挥稳定的特征，如果标准维度项自身的发挥水平波动大，那么被观测的其他维度项的真实水平将变得难以评估。

② 使用标准比计算方法时，应尽量减少外部条件或环境的差异对标准比指标值产生的影响。要尽量保证标准维度项与其他维度项处在相同条件或环境下。

目标比计算方法

(1)计算逻辑：各个不同维度项下的汇总值与各自的目标值之间进行对比。

(2)目标值：根据维度项所处环境、自身能力水平、企业要达到的目的等多方因素综合考虑后设定给每个维度项的目标数字。

(3)使用目的：根据维度项的实际汇总值与目标值之间的差异情况来了解维度项行为结果的好坏程度。目标比计算方法经常在为维度项进行业务绩效考核时使用。

(4)目标比指标值。

① 目标比差异值：汇总值 - 目标值。
② 目标完成率： 汇总值 /目标值×100%
③ 目标比差异百分比：（汇总值 - 目标值）/目标值×100%。

(5)使用目标比指标值时的注意事项。

① 因为可以为不同维度项设定不同的目标值，所以目标比计算方法可以有效回避外部环境对维度项业务行为结果产生的影响，阅读者可以只通过目标完成情况来判断每个维度项业务行为结果的好坏，而不用担心外部环境是否对此结果产生了干扰。

② 为了让目标值能够充分地减小或消除外部环境对分析主体的影响，就需要我们在设计目标值时充分考虑多方影响因素，让目标值既能体现合理公平的原则，又能发挥激励业务团队士气、督促员工努力的作用。设计目标值时既要做到严谨、细心，又要做到集思广益、全面考量，不同企业、不同业务需求下设计目标值的流程、方法也各不相同。

同环比计算方法

(1)计算逻辑：各个维度项当期的汇总值与各自以往同期的汇总值或上期的汇总值间的对比计算。

(2)同期值：一般指维度项在去年同期的汇总值。

(3)上期值：一般指维度项在上一个时间周期内的汇总值，在没有明确说明时间周期的间隔时，一般以一个月为一个时间周期。

(4)使用目的： 同环比是维度项自己与自己比，当前自己的表现水平与过去自己的表现水平之间进行时间维度下对比的方法，目的是帮助阅读者了解维度项表现水平有没有随着时间的推移而得以提升。

(5)同环比指标值。

同环比差异值：当期汇总值 - 同期（上期）汇总值。
同比增长率：（当期汇总值 - 同期汇总值）/同期汇总值×100%。
环比增长率：（当期汇总值 - 上期汇总值）/上期汇总值×100%。

(6)使用同环比指标值时的注意事项。

① 同环比计算方法一般适用于对长周期业务行为结果的观测，如果业务行为本身时间间隔太短，那么业务结果还无法显现出业务行为的特征，此时做同环比计算得到的结果，其业务意义不明显，参照价值较低。

② 在进行同环比分析时，应注意分析对象所处的大业务环境在对比期间有没有显著变化，若周围环境有显著变化，则同环比结果会受到环境变化的干扰而失去业务意义。

③ 在进行同环比分析时，还要注意分析对象有没有显著的短周期变化特征，如果有短周期变化特征，那么为了消除短周期变化的影响，应尽量使用同比；如果没有短周期变化特征，那么在描述近期内业务行为水平变化特征时应使用环比，在描述较大时间间隔下的行为水平变化特征时应使用同比。

2、场景指标

客户分析类指标

客户生命周期指标

客户生命周期可以分为新增、留存及流失3个阶段

新增客户类指标：

(1)新增注册会员数：单位时间内商家新增加的注册会员的数量合计值。
(2)新增访客数：访客数(UV)是指单位时间内访问线上店铺页面不重复的用户数，新增访客数是指新注册的访客数量，访客数与新增访客数主要用于线上电商业务。
(3)新增到店数：单位时间内新增加的到店客户数，主要用于线下店铺。
(4)新增下载用户数：单位时间内新增加的下载App或计算机软件应用程序的客户数，主要用于游戏、应用软件等行业。

用来判断付费转化可能性大小的新增客户质量类指标主要包括以下内容。

(1)新增活跃用户数：所有新增用户中在单位时间内行为表现活跃的用户数量。定义是否活跃的标准因企业而异，主要用来判断用户行为活跃与否的依据包括单位时间内有过购物行为、单位时间内多次访问店铺、单位时间内浏览多个不同产品页面等行为。该指标常用于电商行业。
(2)新增活跃用户数占比：新增活跃用户数 /新增用户数×100%。
(3)新增注册用户数与新增注册用户数占比：新增注册用户数是指新增用户中在单位时间内完成注册的用户的数量。新增注册用户数占比是指新增注册用户数与新增用户数的百分比，该指标常用于游戏、应用软件、电商行业。
(4)新增付费用户数与新增付费用户数占比：新增付费用户数是指新增用户中在单位时间内有过付费行为的用户的数量。新增付费用户数占比是指新增付费用户数与新增用户数的百分比，新增付费用户数占比又称为新增付费用户转化率，该指标常用于游戏、应用软件、电商行业。
(5)新增其他属性的客户数与新增其他属性客户数占比：除以上各属性外的其他可定义高质量新增客户属性的客户数与该属性客户数占比，如新增VIP注册客户数与新增VIP注册客户数占比、新增金牌客户数与新增金牌客户数占比等。

留存客户类指标主要包括以下内容。

(1)单位时间留存人数：单位时间内仍处在留存状态的客户人数，如，3日留存人数、30日留存人数、年留存人数等。
(2)单位时间留存率：留存人数 /客户总人数×100%，其中留存人数与客户总人数根据使用场景的不同会被处于某类属性状态的客户人数代替。例如，新增客户留存率 = 新增客户留存人数/新增客户总人数×100%、忠实客户留存率 = 忠实客户留存人数 /忠实客户总人数×100%等。
(3)活跃用户数：处在留存状态的用户人群中存在一部分与商家互动行为更为频繁的用户群体，这部分用户群体被称为活跃用户。活跃用户数是指单位时间内活跃用户的总数量，这部分用户群体体量越大，说明商家与用户间的互动越频繁，用户为商家持续创造价值的可能性越大，商家拥有的用户群体质量越好。一般统计活跃用户的单位时间分为每天、每周、每月，以天为单位的活跃用户数俗称为日活数(DAU)，以周为单位的活跃用户数俗称为周活数(WAU)，以月为单位的活跃用户数俗称为月活数(MAU)。活跃用户数常用于电商、游戏、App应用等行业。
(4)沉默用户数：处在留存状态的用户人群中与商家互动行为较为稀疏或者已经处于流失边缘的用户被称为沉默用户，沉默用户数是指单位时间内沉默用户的总数量，此类用户人数越多，用户为商家持续创造价值的可能性越小，商家拥有的用户群体质量越差。沉默用户数常用于电商、游戏、App应用等行业。
(5)其他属性留存客户数：VIP客户数、高价值会员数、复购用户数、到店会员数等。

流失客户类指标包括以下内容。

(1)单位时间流失人数：单位时间内变为流失状态的客户人数。例如，3日流失人数、30日流失人数、年流失人数等。
(2)单位时间流失率：流失人数 /客户总人数×100%，其中流失人数与客户总人数根据使用场景的不同会被处于某类属性状态的客户人数代替。例如，新增客户流失率 = 新增客户流失人数/新增客户总人数×100%、忠实客户流失率 = 忠实客户流失人数 /忠实客户总人数×100%等。
(3)单位时间流失召回人数：单位时间内重新触发特定行为，由流失状态重返留存状态的客户人数。
(4)单位时间流失召回率：流失召回人数 /流失总人数×100%，其中流失召回人数与流失总人数根据使用场景的不同会被处于某类属性状态的流失人数代替。

在单位时间内，用折线图描述获客整体的留存、流失状态变化的曲线称为留存率曲线，客户的留存率曲线一般呈现一开始陡峭下滑，后面趋于稳定的走势。通过对比同一企业不同获客行为的留存率曲线变化差异，可以评估短期内留存率降低幅度小且长期维持较高留存率水平的获客行为能够带来较好质量的客户人群，是较为有效的获客行为。

某电商获客后最近31日的用户留存率曲线图

客户行为类指标

客户行为类指标主要用来描述单位时间内客户群体发生特定行为的次数及频繁程度。通过对客户行为类指标的观测分析，阅读者可以掌握客户行为触点（触发某项客户行为发生的业务节点，如触发客户到店行为发生的派发街头传单广告）的有效性，对有效性较差的客户行为触点进行优化，让客户的特定行为发生得更为频繁、业务行为更高效、业务流程更合理，从而为企业创造更多收益。

(1)浏览量(PV)：单位时间内用户对店铺页面总的浏览数量，即浏览行为发生的总次数，该指标越大，说明用户对平台的黏性越强，关注度越高。
(2)访问数：从用户到达店铺或平台页面开始到用户离开店铺或平台页面的全过程称为一次访问，访问数是单位时间内发生访问行为的总次数，该指标越大，说明用户对店铺越有兴趣，黏性越强。
(3)平均访问深度：浏览量 /访问数，即一次访问行为中浏览的平均页面数，该指标越大，说明用户越喜欢店铺内容，越容易被店铺商品吸引，访问店铺后观看多页信息内容后才肯离开。
(4)跳失次数：用户点开平台页面，没有任何点击直接关闭平台页面的行为称为跳失，跳失次数是单位时间内发生跳失行为的总次数，该指标越大，说明店铺内容越不吸引用户，用户与店铺间没有丝毫黏性。
(5)跳失率：跳失次数 /访问数，即总访问次数中跳失行为出现的次数，该指标越大，说明总访问中无效的访问占比越多，访问店铺的用户中存在大量与店铺毫无黏性的低质量用户。
(6)其他各种针对客户行为触点进行统计的指标：跳转次数、停留时长、访问间隔、搜索量、评论量、分享量、点击量、收藏量、付费转化率、退货率、退货量等。

客户价值类指标

客户价值类指标可分为客户收入类指标及客户成本类指标两大类。

客户收入类指标主要包括以下内容。

(1)客单价：客户单笔消费时贡献的价值，一般客单价高的客户群体会拥有较高的消费实力水平。
(2)用户生命周期价值(Life Time Value，LTV)：用户在整个生命周期内创造的总价值。
(3)用户平均收入(Average Revenue Per User，ARPU)：单位时间内每名用户带给企业的平均收入，用户平均收入 = 总收入/总用户数。

客户成本类指标主要包括以下内容。

(1)用户获取成本(Customer Acquisition Cost，CAC)：企业为获取客户支付的成本。费用的支付核算方式主要有以下3类。
   ① CPM(Cost Per Mille)：按照广告每千次曝光收费。广告平台的广告每向用户展示1000次，收取1个CPM费用，该费用根据不同的平台定价不同。
   ②CPS(Cost Per Sales)：按照实际销售收费。广告平台的用户点击了广告，并发生了购买行为，广告平台将根据购买数量或购买金额收取1个CPS费用。
   ③CPC(Cost Per Click)：按照点击次数收费。广告平台的用户点击、查看广告后支付1个CPC费用。
(2)客户运营成本：为了延长用户生命周期、提高客户贡献价值而采取的运营行为所产生的成本。

产品分析类指标

产品分析类指标主要用于量化产品在进、销、存3个业务阶段的数量、金额及周转情况。

产品进货类指标主要用于量化企业在产品采购进货环节中的行为结果。其主要包括以下内容。

(1)进货额：产品进货金额的合计值。
(2)进货量：产品进货数量的合计值。
(3)订单平均进货量：单笔订单的平均进货数量。
(4)订单平均进货额：单笔订单的平均进货金额。
(5)缺货量：未能按照预期采购到的产品数量的合计值。
(6)缺货率：缺货量 /预期采购数量×100%。若某个供应商经常出现供货缺货的情况，则企业需要及时更换其他供应商，以确保产品供应充足。
(7)到货平均时长：从给供应商下订单到从供应商处收到货品的平均时长。
(8)准时交货率：单位时间内，准时交货次数 /接单总次数×100%。若某个供应商经常出现未能及时供货到货的情况，则企业需要及时更换其他供应商，以确保产品供应充足。
(9)其他进货相关指标：到货损毁率、订单满足率、订单执行率、待发货数、已发货数、已签收数等。

产品库存类指标主要包括以下内容。

(1)库存数量与库存金额：当我们讨论库存数量或库存金额的具体数值时，一般指的是某一时点的库存数量或库存金额，又或者是某一时段的平均库存数量或平均库存金额。描述库存数量或库存金额的平均值时，一般有以下两种不同的计算方法。① 计算方法一：单位时间内库存总数量或库存总金额 /单位时间天数，代表单位时间内的库存平均水平。② 计算方法二：单位时间内，（期初库存数量或金额 + 期末库存数量或金额）/2，代表整段单位时间内的库存平均水平。当计算业务库存类指标值时多使用计算方法一，如库销比。当计算财务库存类指标值时多使用计算方法二，如存货周转率、存货周转天数等。
(2)存货周转率（库存周转率）：存货周转率是一个财务指标，用来描述单位时间内，存货运营效率的好坏的程度。存货周转率 = 主营业务收入或成本 /存货平均余额存货平均余额 =（期初存货金额 + 期末存货金额）/2
(3)存货周转天数（库存周转天数）：存货周转天数也是一个财务指标，存货周转天数 = 单位时间天数 /存货周转次数，公式中的单位时间天数一般以365天为一个周期。存货周转天数是指企业从取得存货开始至消耗、销售存货为止所经历的天数
(4)库销比（存销比）：单位时间内，平均库存金额或期末库存金额 /总销售金额。库销比越高，说明库存量越大，有可能出现销售不畅或者过度进货的情况，此时应适度减少进货量，加大清仓力度；库销比越低，说明销售情况越好、出库量越大，此时要注意加大进货力度，保证库存量维持在安全水平。
(5)其他库存类指标：库存天数(Days Of Store，DOS)、安全库存量、库存商品数量等。

产品销售类指标主要用于描述产品的市场投放、曝光、被客户关注等情况。

售前阶段

(1)产品曝光人数：单位时间内，在不同产品投放渠道被用户搜索或者看到的总人数。
(2)产品曝光次数：单位时间内，在不同产品投放渠道被用户搜索或者看到的总次数。产品曝光人数与产品曝光次数主要用于量化产品在线上渠道进行广告投放的效果。相同投放成本下，产品曝光人数与产品曝光次数越多的广告投放渠道越好。
(3)产品搜索次数：单位时间内，产品被搜索的总次数。产品搜索次数越多，说明产品知名度越高，受关注程度越大。该指标主要用于线上行业。
(4)产品点击次数：单位时间内，产品链接被用户点击的总次数。产品点击次数越多的产品被关注度越高，越能吸引用户购买。该指标主要用于线上行业。
(5)其他售前阶段产品销售类指标：产品点击率、产品点击人数、产品收藏次数、产品收藏率等。

售中阶段

(1)产品销量、销售额：单位时间内产品的销售数量与销售金额。
(2)售罄率：单位时间内，销售件数 /进货件数×100%。
(3)产品毛利额：单位时间内，销售产品获得的总毛利额。
(4)产品毛利率：毛利额 /销售额×100%，毛利率越高的产品为企业贡献的利润越大，是企业用来获利的重要产品。
(5)产品浏览付费转化率：产品付费次数 /产品浏览次数×100%，该指标主要用来量化产品吸引付费的能力。
(6)产品询价购买率：产品销售次数 /产品被询价次数×100%，该指标主要用于线下有销售人员经营的店铺，该指标值越高，说明产品越受欢迎，越容易被推销。
(7)其他售中阶段产品销售类指标：产品点击付费转化率、产品询价次数、库销比（该指标也属于产品库存类指标）、产品支持率、交叉比率（该指标为财务指标）、产品复购率等。

售后阶段

(1)发货数量：单位时间内，产品的发货总数量。
(2)退货数量：单位时间内，因产品质量不过关、客户对产品不满意或者在运送环节出现产品损毁等情况被客户退回的总数量。
(3)其他售后阶段产品销售类指标：损毁率、退货率、产品投诉件数、产品召回件数等。

业务行为分析类指标

业务行为分析类指标主要用来量化在企业不同业务部门中开展的不同业务行为结果的好坏情况。

营销行为类指标

(1)客户拜访次数：单位时间内，销售人员有效拜访客户的总次数，该指标主要用于对公销售业务中，对销售人员执行力及销售积极性进行量化。
(2)接通率：单位时间内，有效接通次数 /打电话总次数×100%，该指标主要用于对电话销售人员的客户接通情况进行量化，该指标值越高，说明电话销售人员的话术水平越高，与客户间的通话质量越好。
(3)回访次数：单位时间内，回访客户的总次数，该指标主要对销售人员的回访行为进行量化，回访次数多，对提高客户整体满意度及客户整体复购率等都有所帮助。
(4)引导客户注册人数：单位时间内，由店员引导客户注册为店铺会员的总人数，该指标主要用于量化线下餐饮、零售等行业中的店铺店员的销售意识及引导水平的高低程度。
(5)其他营销行为类指标：申请通过人数、审核人数、审核通过率、广告投放数、广告投放金额、成交单数、成交金额、成交率等。

效果分析类指标

用于量化资产使用效率的效果分析类指标包括以下内容。

(1)除存货资产外的各类资产周转率：资产周转率是一个财务指标，用来描述单位时间内，资产运营效率的高低程度。资产周转率 = 主营业务收入或成本 /资产平均余额资产周转率越高，说明资产盈利效率越高。在企业拥有的各类资产中，周转率高的资产属于企业的优质资产，拥有越多优质资产，企业盈利能力越强，市场竞争力越大。因为存货周转率已经划归到产品分析类指标的产品库存类指标中，所以此处不应包含存货类资产。
(2)投入产出比：单位时间内，收入总额 /投入总成本×100%，该指标主要用于对资产的投资效果进行量化。投入产出比越高，说明投资产生的收益越大，被投资的资产的盈利效率越高。当投入产出比大于1时，企业才能创造利润。
(3)坪效：销售额 /营业面积，该指标主要用于对线下店铺使用面积创造营业收入的高低水平进行量化。坪效值越大，说明每单位营业面积能够带来的销售收入越高，店铺空间越被有效利用，店铺自身的盈利能力越强。
(4)其他资产使用效率的效果分析类指标：店销、屏销、翻台率、上座率、资产利润率等。

用于量化员工绩效水平的效果分析类指标包括以下内容。

(1)业务员工绩效评分：该指标主要用于对非销售岗位的业务员工进行绩效评分。不同岗位的员工评分标准、评分方式各不相同，主要评分依据多以该岗位工作任务要求为准。
(2)销售目标完成率：销售总金额 /销售目标总额×100%，该指标主要用于对销售岗位员工进行绩效考核。
(3)连带率：单位时间内，产品销售数量 /成交单数，该指标用于量化店铺店员连带产品销售能力水平的高低程度。
(4)客户满意度：单位时间内或单次服务结束后，客户给予的满意度评分的平均值，该指标主要用于量化企业为客户提供的服务行为水平的高低程度。
(5)其他员工绩效的效果分析类指标：出勤率、迟到早退次数、失误率、被投诉次数等。

3、指标体系

概述：

指标体系是相互之间有逻辑联系的指标构成的整体。与用单个指标来量化某一个业务行为的好坏情况相比，完整的指标体系可以用来描述业务框架的整体构成情况、业务流程的完整脉络线索及业务结果的具体产生原因。

指标体系的作用主要体现在以下3个方面。

(1)为分析人员提供全局视角审视业务整体的好坏情况。
(2)为分析人员快速定位业务问题、确立分析主体提供参考依据。
(3)为决策层优化业务流程、制定业务发展方向提供参考依据。

指标体系从搭建到分析应用的全过程可以分为以下4个步骤。

步骤1 搭建指标体系：从已有指标中为指标体系选取指标，若已有指标不够用，则需要根据分析需求为指标体系设计新指标。
步骤2 收集指标数据：完善数据环境，收集所有分析所需的维度及度量数据。
步骤3 计算指标值：为指标设计正确的计算逻辑，并得到正确的指标值。
步骤4 分析指标值：将步骤3中得到的指标值应用在多维数据环境下进行分析，发现业务问题，找到解决方案。

搭建指标体系

(1)明确指标体系服务对象是谁。在搭建指标体系前要与指标体系使用者进行多次深入的访谈，了解使用者的业务需求、业务框架、业务流程、业务行为、业务痛点等情况，根据访谈结果进行指标的选取及设计。

(2)明确指标体系的使用目的。指标体系主要有3类不同的使用目的，第1类是通过指标体系完整描述某个业务框架下各个不同业务节点的具体情况，第2类是通过指标体系完整描述某个业务流程各个不同业务阶段的具体情况，第3类是通过指标体系详细描述产生某个业务结果的多方面影响因素的具体情况。

(3)明确指标体系所处的维度环境。与指标不能脱离维度而单独存在一样，指标体系也不能独立于维度环境之外而单独使用。所以在设计指标体系之前，我们先要明确指标体系依附的维度场景有哪些。

在搭建指标体系过程中使用的核心思维方法是树状分类法。按照此种思维方法梳理、搭建的指标体系，称为树状指标体系

银行对公客户收入情况的维度及指标对应图

将树状分类法应用到梳理、搭建指标体系过程中时，主要可以根据以下3种逻辑关系进行指标体系的树状层级拆解。

第1种逻辑关系是根据指标所依附维度中不同维度项间的层级关系进行指标拆解。

第2种逻辑关系是根据各指标间逻辑意义上的层级关系搭建树状指标体系。

第3种逻辑关系是根据指标所量化的业务行为间的层级关系搭建树状指标体系。

依据指标依附维度项层级关系搭建树状指标体系

依据指标间逻辑意义上的层级关系搭建的指标体系

依据业务行为间的层级关系搭建的树状指标体系

二、业务模型分析

业务模型中的模型是指客观现实经过抽象、概括、总结等方法处理后形成的信息的集合。模型用来描述客观现实的框架、梗概、本质及逻辑关系。

1、分类模型

分类模型是将不同业务对象分别映射到坐标系的不同区间上进行量化分类的模型。

步骤1 将核心业务目标拆解为由多个不同度量轴（坐标系内由度量值构成的坐标轴）构成的坐标系。
步骤2 使用平均值、中位数等统计结果将不同度量轴划分为多个不同区间。
步骤3 将业务对象的属性、行为结果等进行数值量化处理，按照量化处理结果将业务对象映射到坐标系的不同区间进行分类。

分类模型的主要作用是帮助决策者快速理解及把握不同业务对象的业务特征，帮助决策者针对不同类型的业务对象设计不同的业务行为策略。

客户分类模型

用户贡献价值模型：

依据用户贡献价值对用户分类时使用的业务模型称为用户贡献价值模型，该模型是以单位时间内用户贡献的价值（消费金额）为核心业务目标，将消费金额拆解成购买频次与客单价两个不同度量轴使用的模型。

步骤1 将单位时间内的用户贡献价值这个核心业务目标拆解成用户在单位时间内的客单价与单位时间内的购买频次两个不同的度量轴，将客单价轴作为横轴，将购买频次轴作为纵轴，创建一个用户贡献价值坐标系。
步骤2 分别求出客单价轴与购买频次轴的平均值，用平均值将两个坐标轴各分为低、高两段，这样在坐标系内就得到了4个不同区间。
步骤3 按照每名用户的实际客单价与购买频次的数值结果，将每名用户映射在不同坐标系区间内，高客单价高购买频次的用户为高价值人群，低客单价低购买频次的用户为低价值人群，其余两个区间内的用户为中价值人群。

用户贡献价值模型示例图

RFM模型

RFM模型主要应用在电商领域，其作用主要是帮助决策者了解用户的留存、流失情况，以便对不同特征用户开展不同运营策略。基础的RFM模型将用户分为8类，分别是重要价值用户、重要发展用户、重要保持用户、重要挽留用户、一般价值用户、一般发展用户、一般保持用户和一般挽留用户，用户类别的名称不是固定的，可以根据业务需求调整。

RFM模型中用到3个指标，分别是最近一次消费(R)、消费频次(F)和消费金额(M)，这3个指标可以衡量客户价值和客户创利能力。

步骤1 获取R、F、M 3个维度下的原始数据。
步骤2 定义RFM的评估模型与R轴、F轴、M轴的区分阈值。
步骤3 进行数据计算，获取每名用户的R、F、M值。
步骤4 参照评估模型与阈值，对用户进行分层。
步骤5 针对不同层级用户制定不同运营策略。

用户忠诚度模型

使用消费金额和消费次数指标体现用户的忠诚度的高低水平。

用户忠诚度模型示例图

产品分类模型

波士顿矩阵

类似波士顿矩阵这样将核心业务目标分解成2个度量轴，再以阈值将整个坐标系分为4个不同区间的分析方法，我们称为四象限分析法。四象限分析法可以有效地帮助分析人员快速理解产品、客户等对象的业务特征，具有广泛的应用基础。在实际工作中，企业经常将波士顿矩阵中的坐标轴替换为产品的进货增长率、库销比、利润增长率、销售增长率等其他度量轴，用于描述产品在进、销、存各环节中的特征情况。

2、漏斗模型

漏斗模型是将一个完整事项分为多个按递进关系构成的不同阶段，用各阶段指标值来描述每个阶段在递进过程中产生流失、耗损等问题的大小程度的业务模型。

关系型销售模式下的漏斗模型

在销售漏斗中，我们主要观测漏斗的粗细、斜率、体形与流速4个方面。形状越粗、斜率越小、体形越匀称、流速越快的漏斗越是理想漏斗，反之则需要进行改进。

(1)粗细：漏斗的容量，在销售漏斗中是指发现商机的数量。如果我们发现的商机足够多，那么即便在销售过程中流失的商机多一点，最后还是能获得足以达到销售目标的成交金额。
(2)斜率：连接相邻两个阶段接点切线与垂直线间构成的角度，斜率越大，说明相邻两个阶段过渡过程中流失的商机数量越多，我们就需要想办法及时为这两个阶段止损，因为最后的成交是每个阶段按顺序递进而来的，所以如果上边阶段中商机流失严重，就会影响最后成交的商机数量。通过观察斜率的大小，可以精准定位重要的问题阶段，利用精准的行为进行调整，让每个重点阶段的问题都能得到及时解决。
(3)体形：销售漏斗的体形应尽量保持均匀。体形均匀是指各阶段商机数量均匀递减，每个销售阶段的斜率都不会出现过大或者过小的分布情况。漏斗体形越均匀，越有助于销售团队制定稳定、好执行的销售策略。
(4)流速：需要加入时间轴才能体现流速情况。商机在每个阶段转化所需要的时间越短，流速越快，从发现潜在商机到成交的用时越短，单位时间内能够运作的商机越多，在单位时间内获得收益越大。

以商机数量为数据条长短依据的、体形分布不均匀的销售漏斗图

AARRR模型

Acquisition（用户获取）：用户运营的第一步是获取用户，电商的用户都是获取来的，所以该阶段人数最多，但黏性弱、易流失。
Activation（用户激活）：该阶段主要运营目的是提高用户活跃度、唤醒率等，在该阶段未能激活、唤醒的用户会变为沉默或流失用户，所以用户人数比用户获取阶段少，但是在该阶段被成功激活的用户，他们的黏性要比用户获取阶段强。
Retention（用户留存）：该阶段主要运营目的是提高用户留存率、召回率，在该阶段未能留住或召回的用户会变为流失用户，人数相较于用户激活阶段会更少一些，但是该阶段留存下来的用户黏性会比用户激活阶段更强一些。
Revenue（用户获益）：该阶段主要运营目的是提高客单价、付费转化率。能够成功提高用户的付费转化率及客单价的前提是需要用户具有更强的黏性，这样的用户人数占比往往不会很高。所以该阶段特征是用户黏性强，但人数少。
Refer（推荐传播）：只有具备强黏性的一小部分用户才愿意将电商平台推荐给自己身边其他的伙伴、朋友。所以该阶段人数最少、黏性最强。

三、业务分析方法论

业务分析方法是遇到特定业务问题时使用的分析定式，是在业务分析工作中被固定下来的、行之有效的分析“套路”。

1、帕累托分析方法

帕累托分析方法又称为二八分析方法，是一种依据帕累托法则（也就是我们常说的二八法则）在对业务关键对象进行查找、定位时使用的分析方法

帕累托图

分析人员统计了客户反馈的5类问题的数量和问题数量的累计百分比，通过帕累托图可以看出，产品价格优势不突出、渠道经理服务不到位和营销活动频次不够这3类问题占据了所有问题数量的83%，是客户反馈的关键问题。所以本次会议主要针对价格管理部的价格管理、渠道部的服务不到位及营销部的营销活动次数问题进行讨论。

2、A/B测试分析方法

A/B测试的方法是先为一个业务目的选择两种较为可行的业务方案，然后将参与测试的对象人群分为两组，让一组人群使用A方案，让另一组人群使用B方案，最终根据不同人群反馈的测试结果选择更好的方案使用。

步骤1 明确测试目的，根据测试要达到的效果、决策者的业务决策内容等对业务目的进行精准定义。
步骤2 明确测试对象，决定测试人群及人群的分组条件。
步骤3 明确测试内容，明确测试项、测试结果收集方案、测试周期、测试有效性评判标准等内容。
步骤4 测试结果分析，在进行较为复杂的A/B测试时一般会用到统计学中的假设检验的方法，如果是较为简单、直接的A/B测试，可以制作简单的评分表，通过评分表得分的高低来进行比较分析。

A/B测试不一定是两套方案，也可以是多套方案针对不同人群一起进行测试分析。

3、同期群分析方法

同期群是指相同时间段内具有相同特征属性的客户群组。同期群的分析步骤是先将客户分为不同的同期群组，再进一步分析每个群组的客户行为在时间轴下发生了什么样的变化，从而进一步找到不同群组客户行为的变化特征。

同期群组示例图

4、因果分析方法

因果分析是通过指标间的相互作用关系定位业务问题点的方法。因果分析通常需要借助树状指标体系的帮助。

净利润树状指标体系

因果分析能否生效的关键因素在于能否正确梳理出完整的树状指标体系及能否正确计算出指标体系中每个指标的指标值。在树状指标体系中，上层指标是“果”、下层展开的指标是“因”，先通过指标值的变化情况找到“因”所在的下层指标项，再通过改善“因”指标项背后的业务行为的方法解决“因”指标值变差的问题，就能最终得到较为理想的“果”了。