很多文章都在谈论数据指标体系，但一堆指标之间的关系到底该怎么看？本文详细分析了指标分析中的常见问题、问题解决思路、问题识别方法等，感兴趣的小伙伴们快来看看吧！

关于数据指标体系，有很多文章，经常是开头文章：互联网指标体系。下面数百个指标blabla正在激增。很多同学晕车了很多：有这么多指标，实际上到底怎么看？今天系统会解释的。话不多，马上到现场来。

场景：一个视频app内容运营，每天固定输出游戏主题节目，以游戏介绍为主，目前没有货运环节，没有其他KPI评价，先做。

每个视频有播放次数、玩家数、人均播放时间、会员观看数、10%/30%/50%/90%播放完成数、个别视频发布后的第一天到第七天每天播放数据。另外，只播放PC端，只播放移动端，播放PC移动端。同时因为是自己的平台回放，所以可以统计每个用户站内不同的视频浏览行为。

问题是：这堆指标有什么关系？我该怎么看？

一、常见问题

一听到指标体系，很多同学就亲自铺设了指标堆。

PC频道的播放次数、播放器数量、人均播放时间.移动端的播放数、玩家数、人均播放时间.这周，上周，上周，这次，上次，最近10次，陈列了很多指标。

因为没有刚性审查的KPI，所以很难准确地说到底有多大。你说播放次数越高越好。播放次数本身是经常变动的指标。今天高，明天低。要这么分析地杀自己，还没分析好，丫头指标又好了！

而且，光看一个指标就显得不科学。例如，有些视频播放得很多，但人均时间很短，有一堆人蜂拥而至观看，还有超退的情况。来看，指标相互交叉，情况错综复杂，很难得出结论。

不用说，很多初学者习惯性地忽略了制作标准环。因此，铺设了大量数据，引起了不知道该得出什么结论的乱鸭问题。如何在没有刚性目标的情况下建立评价标准，阅读数据的意义是构建体系的关键。

三、从单一指标开始的认识问题

整理线索当然要从一个指标开始。一个指标走势也看不清楚，两三个，四个，越看越乱。在选择第一个观察指标时，尽量选择简单、直接、不需要计算的指标，以便更容易看到情况，不要涉及太多。因此，在很多指标中，首先可以看到播放次数/播放人数(选择一个)。

首先看播放次数，单个指标确实越多越好。播放量是内容运营的基础，没人看，其他的就更谈不上了。但是这里需要注意的是：再生量指标是否有周/月/日的规律。如果有规律的变动，就不能简单地说昨天好，因为昨天比今天高

假设再生量存在周波动规律，可以为单个指标设定简单的评价标准。

以周为单位观察，数字越大以天为单位观察，数字越大，超过自己类型月平均水平，越多，播放次数就越清楚。好/坏

四、从单一指标到多指标

可以整体理解一个指标，添加另一个指标。添加其他指标时，首先要观察两个指标之间的关系。可能有两个指标相关系数

相关系数高：比如播放次数和播放人数，两个指标很有可能高度相关。一个视频玩家短时间内可能只看1次就够了。高度相关的两个指标，在评价好坏时不需要重复评估，看一个就好了。这样能减少数据干扰，更容易得出结论（如下图）。

相关系数低：比如播放次数和人均时长，不见得高度相关。很有可能有的视频太过标题党，标题太刺激，配图很色诱，把玩家骗进来结果发现货不对板。如果出现两个指标相关度低，就能用矩阵分析法，把视频分类（如下图）

经过这一步梳理以后，就能对两个指标情况做出判断。理论上播放次数越高越好，但人均时长不能低于一定水平，或者10%跳出用户比例不能超过一定水平，这样就能对每一期视频进行评价。有了评价，就能做出进一步分析。

五、从多指标到原因解读

评价了好/坏，就能进一步分析：为什么好、为什么坏。到这一步，就会发现，现有数据指标的问题：虽然看似一堆指标，可都是结果性指标。并不能直接从指标里推出：到底为啥用户喜欢看。这时优先考虑的是：补充数据，看看添加哪些数据能解释清楚问题。

首先想到的是视频本身的数据，视频本身可以有多种标签：

• 视频主题：讲哪一类游戏
• 视频内容：游戏八卦、玩法、比赛……
• 视频讲解：找技术高手还是找个美女亮腿……
• 视频时长：太长的可能中间关掉的多
• 发稿时间：选播放好的时间发

做内容运营，首先得对自己做的内容有清晰的了解，打好标签，再做其他工作。有了标签，单纯地结合标签分析结果指标，也可能得出一些有用的结论，比如：

• 5分钟比10分钟效果好
• 美女亮腿比男主持人效果好
• 讲比赛比讲八卦效果好

这些已经足够优化运营了。

更进一步的还可以结合用户画像来看，比如：

• 观察用户看别的游戏类视频行为，给用户喜欢的游戏类型，游戏内容贴标签
• 观察用户近期关注的热点内容、流行的梗
• 观察用户更喜欢技术宅还是美女

有了这些用户标签，可以查看：

• 目前观看视频的用户群体是否是目标群体
• 根据群体规模大的用户，制作新的内容
• 根据用户近期关注的话题、主播喜好，选话题和主持人

当然，并不见得投其所好一定有效，更有可能有“标题党蹭热度”的效果——播放次数很多但看一眼就跳出。所以最后还是得结合优化前后效果，做最终定论。

六、小结

搭建数据分析体系可以很简单（如下图）

真正阻碍搭建指标体系的，是：

1. 数据间没逻辑，写的越多，看得越晕
2. 没有刚性KPI做统领，不知道怎么评价好坏
3. 只有结果指标，不能解释原因。

因此在观察一个业务的时候，一开始宁可看的指标少一点，先观察出规律，再看指标间关系，这样更容易让众多指标关系清楚，读出含义。

专栏作家

接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Pexels，基于CC0协议。

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。