企业一把手如何构建指标体系

我们在大量接触各类企业的经营决策会议中，发现了企业在指标体系设计上有大量误区。

下面全面谈一谈。

指标体系的原则

何为体系呢？

如果我们从百度百科去搜索，可以知道体系，泛指一定范围内或同类的事物按照一定的秩序和内部联系组合而成的整体，是不同系统组成的系统。

这里有几个关键词。

1、一定范围内或同类的事物

所以提问一下：销售额和活跃率是描述同类事物的吗？

2、秩序和内部联系

继续问大家：如果把销售额和活跃率放在一个体系内，他们的秩序和内部联系是什么？公司里负责销售额的和活跃率的是同一个团队的人吗？他们之间除了互相甩锅，又是如何协作的呢？

3、整体系统

再问一下：整体系统应该牵一发而动全身，所以当活跃率达成的时候，你的销售额也达成了吗？没有的话，他们为何是一个系统。

何为指标体系

相同主体的指标归为一个系统。

主体与主体间的定性关系即为各自指标系统的定性关系。

通过数理方式构建同系统下指标之间的，跨越系统之间的，无定性关系指标间的定量关系。

清晰的做到以上三点，才叫完整的指标体系。这时候所有你列举的指标才满足在一定范围内，基于内在规则和数理定量联系起来的整体。这一针对体系的定义。

举个例子：

中心城市发展年度报告及评价指标体系

虽然不是互联网企业的例子（话说要找个互联网企业的例子也是真难），看看真正的大师是如何构建的，每个部分都有内在的秩序和联系，且都给出了整体和对应系统的定量比例分布。这样的东西才能方便后续制定增长策略。可以很清楚的看到每个子项对于最终提升的贡献程度。

典型的企业问题

在数据驱动氛围不好的企业里，指标体系实际是后置的。因为很多企业就是干事拍脑袋，出事拍大腿。在策划阶段几乎不思考，最明显的特征就是每年的营收指标直接翻倍定。至于后续的拆解和达成路径完全不思考，事情的优先级和资源分配并不是依据指标的定量关系去制定的。基本就是：

以前这么干，所以现在这么干 别人这么干，所以我们这么干 领导说咋干，所以咱就这么干 朋友圈干了，所以我们跟着干

一年到头营收没完成的时候，才需要拆分定性定量，为了把大家的锅分得明明白白，清清楚楚。

这就是企业一把手特别需要注意的。

指标体系结构搭建原则

首先请记住：“ 所有指标的源头必须是营收指标！”

我们看到网上比较多的所谓的一些方法：

即明确业务目标，理清用户生命周期以及行为路径以及指标分层治理，在这三个步骤当中又涉及：

• OSM – Object,Strategy,Measure
• AARRR – Acquisition,Activation,Retention,Revenue,Referral
• UJM – User, Journey, Map
• MECE – Mutually Exclusive, Collectively Exhaustive

这四个模型是很多企业构建完整而清晰的指标体系的方法论。

诚然一些模型或者方法论确实有利于在初期，尤其是我们在业务初期毫无头绪的时候帮助我们建立起初始的版本。

但这也就是能帮我们把指标体系起个头，但这真的只是初期的初期，千万不要认为这就是圣经，是金科玉律。按这些套路完成的绝对不是最终可以用来衡量，甚至是指导业务的指标体系。

营收指标才是一切的源头。

第一步也是最重要的原则，就是要把营收指标作为所有指标体系的源头。

企业开着就是要盈利的，就算是创业初期，或者是ToVC、ToPE，营收也是最重要的部分，别看网上传的那些独角兽宣扬活跃率，规模增速这种东西，在投资者那是有一套财务模型将这些东西转换计算为未来营收能力的，所以最终看的还是营收。除非你是个非盈利机构。

通常来说财务报表上的盈利，业务场景中的GMV都是可以作为最终的营收指标的，原则就是单位是钱。

拆解主体。

第二步就是我们常说的——指标拆解。

很多人表示这个他熟，张口就来。比如电商业务中的GMV被拆解为成交客户数和客单价。

首先拆的绝对不是指标构成，而是先要明确主体。影响GMV的主体有哪些？你拆解出来的指标是描述同一个主体的吗？如果不是那就是属于两个系统，绝对不能放在同一个体系里。

GMV = 成交用户数 * 单价

比如上图里的成交客户数显然主体是客户，而客单价在很多公司实际是订单的平均金额所以描述的主体是订单。如果他们要放在一个结构里，成交客户数要换成订单数，客单价变为订单均价进行表述更合适。

*对于主体的理解可以简单的理解为：但凡在你的数据库里这样东西会有个独立ID进行标注的就是一个主体。

常规认知中影响到GMV的最直接的主体实际是订单，订单是用户下的，里面包含着商品，以此形成业务逻辑上的主体关系，这种主体关系会映射到描述不同主体的指标上，最终以此形成业务认知下的指标结构。

随便画了一个图，不同颜色的指标代表它们描述的是不同的主体。实际上我们并不在这个阶段将所有指标定义出来，而是把主体间的业务逻辑关系画出来，也就是形成层级或者网状关系，并把描述不同主体的指标雏形分别着色列入不同的列表里。

定义主要指标和结构

说实话很多人在看到这个树状结构后，都掩饰不了自己的打工人之魂，脑中但凡想到一个指标就要画上去，在给自己加KPI这件事上不遗余力。

千万克制这种加法行为，切记能够列在这个结构中的指标必须是和他相连接的指标之间有现实的线性计算关系。

比如GMV作为单位是金额的目标指标，是可以直接用订单数乘以每个订单金额算出来的，而且每多一个订单，GMV也会等量的上涨。这就是明确的，现实的，线性计算关系。而这个结构以及各个指标之间的连线，也是由这个计算关系确定的，不能互相直接计算的就不能加上这跟线。

举个例子，比如客户数对于GMV有影响吗？当然有！可计算吗？增加个客均GMV是不是就可以计算了？但他们之间不是线性关系，客户数增加20%，GMV会对应增加20%吗？显然不会。所以他们之间就不可能直接连线。更何况客均GMV是由GMV和客户数算出来的，这个不是循环计算了吗！

关键点

建议大家看下自己公司的指标体系思考下，在这个原则下，很多指标似乎就上不了台面了。本身就不是强计算关系，肯定不适合建立起指标体系的结构骨架。

看下上面这个图，是不是各位的企业平时做指标定义的过程，而这只是整体指标体系中用户行为指标的一个定义套路。在确定了了比如PV/UV这个指标后，为了达成500亿的GMV，你觉得指标要做到多少呢？

量化指标体系

指标是用来量化主体的，只有被量化后才能判断做的事是否正确（看数值的变化就显而易见）。那指标体系的量化又是用来干嘛的哪？

给一个不怎么恰当的表述：

指标的量化是用来判断对错，指标体系的量化是用来判断“程度”。

举个例子：很多企业在定完KPI后，数据或者运营团队就会咔咔一顿拆。不但各个部门的KPI都分配好了，顺便指标体系也搞完了。

这个时候就会迎来一些问题。比如拆解后的指标考核合理吗？大家分配KPI没问题，但资源又该如何分配哪？到了年底公司的KPI达成了，谁的功劳大？没达成的话，责任又该怎么分呢？

这些问题的根源在于，不同指标之间或者说各个指标与主指标间的贡献，无法放在一个水平面上比较。

说个实际的，比如流量增加1%和下单转换率提高1%是等价的吗？对于最终的营收贡献是一致的吗？这种问题也许业务经验丰富的产品和运营还能拍脑袋给出判断，那客服NPS提升1%对于营收的贡献和流量提高1%又该如何比较那？如果无法比较，怎么确定客服做的好，财务又如何评估客服团队的投产比呢？

指标体系的量化是什么？

很简单，就是所有指标与自己上级指标的定量关系，也就是要给出一个计算公式，上级指标如何用直接对应的次级指标计算得出。

比如： 利润 = 营收 – 成本 营收 = 订单数 * 订单均金额 订单数 = 下单人数 * 人均单数 下单人数 = 新客下单 + 存量客户下单 新客下单 = 拉新人数 * 下单转换率 拉新人数 = 流量数 * 注册转换率 流量数 = 投放预算 / 单渠道流量成本

……

然后把他们串起来：

利润 = （投放预算 / 单渠道流量成本 * 注册转换率 * 下单转换率 + 存量客户下单）* 人均单数 * 订单均金额 – 成本

数学常识会告诉你，所有用乘除连接的都会对整体起到比较大的影响。

结合各个指标的可变范围可以知道所有率影响很大，但潜力有限（毕竟最大也就是100%，而且这是不可能的。可变范围上下浮动10%以内就算是比较大了），而数值类型潜力很大（如果只是国内市场的上限是14亿人口。

事实上大部分企业的目标受众零头都没有，能触达的只有其中的一半，能转换的能有30%就不错了，也就是个千万级别。

结合业务判断很容易把各个指标的合理可变范围定义出来。

比如一家成熟期的企业，一年拉新的投入费用最多是100万的话，注册成本去年是20的话，只会越来越高。也就是新注册封顶也就是5万。CEO说拉新今年要翻倍，那投入翻倍都不够，更何况这个模型并不是线性的，显然会有收益递减，实际函数是个log曲线。最终会无限趋近受众人数这个上限。

以上这个过程很多企业都会做，但依旧有几个问题

1. 事实是有很多的指标并不存在这些显而易见的计算逻辑
2. 其中很多率实际是个循环计算指标，结果在反推过程计算，并不科学。

一步到位的做法

放弃各种计算出来的比率指标，尽量使用数值数据，使用回归算法一次性将公式算出来。

比如我们以多元线性回归来构建公式，我编了一组数据。

每行主要表示：月份-利润-拉新数-订单数-活跃率。

• 1 789 100 89 30
• 2 544 256 34 28
• 3 966 56 90 39
• 4 555 21 53 27
• 5 135 4 11 20
• 6 123 35 12 20
• 7 789 78 90 31
• 8 562 31 72 24
• 9 132 31 30 25
• 10 783 56 66 29
• 11 222 12 23 23
• 12 789 77 66 29

通过线性回归得： 利润 = 拉新数 * 0.6 + 订单数 * 6.7 + 活跃率 * 17.1 – 329.1

有个隐含数据就是P-value，可以理解为越小贡献越大，显然订单数的贡献最大，其次是活跃，最次是拉新。这个值作为归因来使用都是可以的。

可以看到拉新数值的系数是0.6，相当于打了6折，订单系数是6.7，活跃是17.1

可以理解为：

拉新100个人，订单数多9个，活跃提升3.5%这三者是等价的。

这个结论可以被用来解决各种问题。

比如投产比问题，以拉新的市场费作为标准的话，20块一个注册，100个人相当于2000元成本，提供了60元的利润。

哪么活跃提升3.5%如果靠的是产品体验优化，相当于一分没花但同样提供了60元的利润。让CFO评评理，哪个团队贡献更大，绩效考评不就出来了吗？

KPI定义问题，既然他们等价就可以同比缩放，如果拉新目标是100w人，那订单目标就是9w单（活跃率只能凉拌，所以说尽量不要用率，可以直接用活跃人数代替就行）这样谁还敢不服。当然有些指标比较难以提升，我们需要在难易度和投产比间做平衡，以保证资源和成本都花在效率最高的那个项目上。

总结一下。

首先以上只是个例子，数值都是编造的，计算过程也使用了最简单的线性回归。事实情况绝对不会是这样，所以各位千万不要去使用文中的结论。这只是给大家做个例子。

实际情况是需要对各个主体下的指标列表做模型计算，定量他们之间的关系，绝不是一个公式搞定一切，毕竟不同主体的指标体系下的最优模型关系是不同的，比如企业在初创期，用户增长更像指数，整体订单可能会有季节的周期表现等。都需要结合实际数据情况使用不同的模型来构建。

最后可以再把所有公式串起来，给出所有指标的等价关系。这样就很容易评判一段时间内哪个指标的贡献最大，营销策略如何影响各个指标以及对最终KPI的影响是如何实现的，是依靠活跃的提升，还是带动了订单的转换。

只有这样的全局的定量关系，才能说形成一套完整的指标体系，相当于一把万能尺，可以测量所有东西。并且放在一个平面上互相比较，这才是指标体系的终极价值。

作为企业一把手，以上请反复消化理解吧。