宋星的数字观
原创作者：Anna Yang，系纷析咨询顾问合伙人。
我们之前在数据的死穴，是组织力的文章里有特别说到KPI设置的重要性。在这当中，随着这两年越来越多企业开始引入数据工具，特别是像CDP，DMP还有MA这样的消费者运营+数据工具，到底用什么样的标准去评价数据工具是不是靠谱，是不是有用这个问题越来越突显。今天，我就来试图探讨一下到底消费者数据的运营工具的KPI可以分别从哪些角度衡量。
- 工具使用的人均时长、工具使用的人均频率、工具使用的主要功能和路径的分布
- 工具核心功能与工具实际使用功能之间的差异
工具中数据的沉淀情况（与运营相关）：
- ID打通比率
- 获取数据的源头数量
- 获取数据的类型数量
- 平均每ID的属性数量（PPI：Properties Per ID）
工具中数据的应用情况（与运营相关）：
- 标签/群组应用分布（应用于投放、沟通、推荐等）：多少比例标签/群组时常被使用，多少偶尔被使用，多少从来不被使用；以及，核心标签（最常被使用的标签）是什么
- 事实标签、规则标签、模型标签、预测标签的使用比例
- 工具对接的数据应用系统（如MA、DMP等）数量和使用频率
业务增长情况：
- 工具应用前后，同一类型业务的核心指标的变化（如转化率、单位成本、互动率等）；以及随时间推移而变化的趋势
- 工具应用前后，同一类型业务的工作效率的变化（如需要的人力的数量、工作流转时间周期）
- 工具应用后，产生的新的业务方法或改进的业务流程
- 工具应用后，对应业务宏观转化率的提升
成本与收益比：
- 工具成本与应用后业务收入增长的对比
01 衡量工具的KPI的最终目的
衡量消费者数据工具KPI的三大步骤
02 基础KPI：工具本身的使用情况
- 工具使用的人均时长
- 工具使用的人均频率
- 工具使用的主要功能和路径的使用情况分布
通过这些指标和理想使用场景设计进行对比之后，一定程度上可以探明工具真正被使用到的功能，和理想设计中的功能之间的差异。
03 数据工具的资产目标：数据的沉淀情况KPI
数据沉淀的情况是数据类工具的核心指标，特别是CDP这一类以拉通消费者数据再进行运营为主要目标的工具。如果我们以CDP的数据KPI举例。这一类数据可以分为两个类型：
- 体现可利用的数据数量的指标：个体ID的数量以及打通比率
（1）这里不只把ID的数量作为核心指标的主要原因是，在现在的多平台环境下，只有打通后的主体ID才有运营价值。如果我们仅仅以ID数量为核心指标，很有可能形成最后收集一堆不同device ID+手机号+微信ID，但是只能都只能在不同的平台和生态里面用。
（2）因此，重要的是个体ID的数量和打通比率，这些打通的ID实质才是可以被用到和被运营的消费者数据。
（3）同样，如果你的工具并不是CDP，那就要以你的工具里面实际可以被运营的数据的打通和收集比率，作为核心ID的指标。
- 体现数据是否覆盖全部运营方面的指标：获取数据的源头数量 & 获取数据的类型数量
（1）获取数据的源头数量，指的是你的数据来源有哪些，是否和你运营中可以获取数据的水源都接上了。获取数据类型也是类似，主要是看你正在收的数据类型，是不是覆盖了业务已经碰到的所有数据类型。主要是看你的获得的数据和实际运营中可能获得的数据数量是不是尽量保持一致。
（2）举个例子，如果品牌接通了自己的产品&订单系统，会员系统和广告投放系统，那他的数据水源其实来自4个主要渠道，最终汇总成为3种数据：
- 体现数据质量的指标：平均每个ID的属性数量（PPI: Properties per ID）
（1）属性，决定了你的数据能不能被进一步运营。我们获取用户数据和资产的核心目的，终究是为了解决“消费者运营增长业务”这个命题。那做消费者运营，说穿了核心目标只有一个：我要更了解消费者。属性，就是消费者特征在数据中的体现。所以，每个ID所包含的属性有多少，关键属性的覆盖率等就是体现数据质量的核心指标之一。
（2）当然这个属性也并不仅仅是标签，根据你的数据管道搭建情况，属性也会覆盖你的“水源”可以覆盖的多个类型和渠道，甚至包括你从三方共同获得的属性，隐私计算拿到的特征等等。只要是运营可以用上的，满足业务需求的，其实都可以是你的属性。
04 数据工具的应用目标：数据的应用情况KPI
- 多少比例标签/群组时常被使用（不管是投放，再触达，运营沟通等所有应用方式），多少偶尔被使用，多少从来不被使用。这个指数不仅仅是可以成为判断数据和人群包有效性的指标之一，同样可以通过这些人群包使用情况的分析，进一步挖掘出到底现在的数据和业务实际需求之间的距离。
（1）举个浅显的例子，购买标签和群组是最常用的群组之一。假设我的工具中分为购买频次为7天，3天，1天的三个人群组。但是在实际运营中发现，最常被使用的是7天的人群组，1天和3天的人群组使用率极低，这就非常值得去挖掘背后的原因。可能是频次设置和品类实际的购买周期有差别，可能是现存的运营武器无法支持这样的细分颗粒度……不管是哪一个原因，都是解决人群组有效性的好机会和切入口。
- 和前面说的应用分布一样，标签使用比例同样是检验你的标签有效性的关键指标。但是和标签/群组的应用分布有细微的差异，在于标签使用比例更多是监测具体到标签层面上的有效性，这里面包括标签获取和设置本身是否合理，标签覆盖率是否足够，最后才能让标签被用起来，主要是诊断标签设置合理性和健康程度。
- 这个KPI是主要针对类似中台的数据工具（比如CDP）而设置的。当他作为中台出现的时候，数据应用的出口就发生了改变，主要在不同工具中被应用。因此，和CDP进行对接的数据工具，不管是对企业内部的生产物流订单，还是营销运营用的MA，DMP这样的工具的对接情况和使用频次。决定了数据应用出口是不是覆盖全面，切实被使用。
05 数据对业务有帮助吗？反映业务增长情况的KPI
- 第一种，最直接的是看同一类型业务的核心指标的变化。例如转化率、单位成本、互动率等等。同时，也要看随着时间推移，这些关键指标在一个较长的时间段内整体变化趋势。
（1）这一类的KPI一定是会和业务共同拍板制定的。比如媒介今年的整体目标是降本提效，在预算降低5%的情况下可以保证相同的流量和转化。那么在这个整体目标下，精准投放可以提升具体哪个方面？是流量还是转化？或者有多少是流量多少是转化？带着这样的思考，我们才能设置出具体的KPI。
- 第二种，是工具应用前后，同一类型业务的工作效率的变化。这里主要是审核是否有通过工具，形成更顺畅的工作SOP，进一步加强自动化从而达到效率的提升。比如需要的人力数量，工作流转时间周期等。这个指标不仅仅适用于数据工具，可以说是所有自动化工具都会关心的一个核心指标。
（1）同样，也可以观察是否有产生的新的业务方法或改进的业务流程，新的工作流的建立。
- 最后，就是工具应用后，对业务宏观转化率的提升。在微观层面上的指标KPI是为了验证每个微观的操作是否有效。但是有极大的可能，是具体到每个微观的业务动作结果是有起伏的。比如动作A，在年初大促做了有用，年末大促做了没有用。因此，从长期的角度来看，宏观业务转化率有没有提升（可能是以年为单位），是一个整体业务走向的参考指标。
06 成本还是要看的
- 自己和自己对比，是不是和去年还有前年比，收益比变好了。
- 自己和理想状态比，和我理想中的收益比相比，是更好了还是更差了，有没有调整空间。
工具的投入和产出，是需要一个比较长的时间的回馈的。而且工具有一个特性，就是他是一种“固定成本”。意思就是一开始的投入成本巨大，但是一旦做出来了，后面第二批人第三批人要用的时候，我不需要重复投入成本，而且后续的维护成本是会逐年降低的（但是不排除要上新功能）。因此，对这个收益比，一定是配合时间维度来衡量的。
工具的衡量，特别是消费者数据工具这一块基本可以从上面3个维度来考虑，有机会我们未来也可以聊一下其他数字营销方面，KPI设定的“哲学”。
