讲数据阐明体系的文章许多，经常是开篇一句：互联网阐明体系……，下边几百个指标blabla汹涌而出。搞得许多同学很晕菜：这么多指标，实际中到底怎么看？本日系统讲授一下，话不多说，直接上场景。
场景：某视频APP内容运营，每天会牢靠输出游戏主题节目，节目以介绍游戏为主，今朝暂无带货环节，也没有其他KPI查核，就这么先做着。
每一个视频，有：播放次数、播放人数、人均播放时长、会员寓目数、10%/30%/50%/90%播放完成数、单个视频宣布后首日至第七日每日播放数据；还能分成：仅PC端播放、仅移动端播放，PC+移动端播放……同时由于是本身的平台播放，所以能统计到每个用户站内其他视频浏览行为。
问题是：这一堆指标该咋看？
一、常见问题
许多同学会直接把这一堆指标铺出来：
PC渠道的播放次数、播放人数、人均播放时长……
移动端的播放次数、播放人数、人均播放时长……
本周的、上周的、上上周的……
本次的、上次的、最近10次的……
一大堆指标摆完，发明个严重的问题：这一堆说了啥呀！
因为没有刚性查核的KPI，因此很难讲清楚到底多大算好。你说播放次数越高越好吧，播放次数自己是个经常颠簸指标，本日高了明天低了，（专业电商培训），这么阐明法得弄死本身，还没阐明完为啥欠好，丫指标又变好了！
而且但看一个指标也显得不科学，比如有的视频就是播放许多但人均时长很短，另有一堆人涌过来看，然后秒退的环境。实际环境光怪陆离，连好/坏都没法评估，咋进一步阐明：为啥好/为啥坏呢？
二、解题思路
会导致晕头转向的核心问题，在于：没有明确方针。假如是销售的业务场景，方针很清晰：销售收入/GMV。可是运营的场景不见得都有如此清晰、刚性的方针，出格是内容运营，自己就有“放水养鱼”的浸染，有好的内容积攒粉丝、吸引关注很是重要。
无刚性方针，导致成立评价标准很难。假如只看一个指标，比如播放量，好像有失偏颇。假如看两个、三个、四个指标，比如播放人数、10%跳出人数、人均时长，则指标间彼此交织，环境错综庞大，很难下结论。
更不消说，许多新手会习惯性忽略成立标准环节。于是导致了大量铺陈数据，然后不知道下啥结论的晕头鸭子问题。如安在无刚性方针环境下，成立评价标准，读懂数据寄义，是搭建体系的关键。
三、认识问题，（淘宝真人流量平台），（抖音运营资料），从单指标开始
想理清头绪，虽然得从一个指标开始。连一个指标的走势都没看清楚，就扯上二三四个，只会越看越晕。
选第一个调查指标的时候，只管选简单、直接、不消计算的指标，这样更容易看清楚环境，制止牵扯太多。因此在浩瀚指标中，可以先看播放次数/播放人数（选一个）。
假设先看播放次数，对单指标而言，必定是越多越好。播放量是内容运营的根本，连看都没人看，其他的更谈不上了。可是这里要注意，调查：播放量指标是否有周/月/日的规律。假如有规律性颠簸，就不能简单地说：昨天比本日高，所以昨天好，如下图：
假设播放量有周颠簸规律，则可以成立单指标的简单评价标准：
以周为单位调查，数值越大越好
以日为单位调查，数值越大越好
凌驾自身范例月平均程度，凌驾越多越好
这样就能对播放次数，这样的单个指标讲清楚：好/坏。
四、从单指标到多指标
整大白了一个指标，可以插手其他指标。在插手其他指标的时候，要首先调查：两指标之间干系。有大概两指标相干系数高，有大概相干系数低。这两种环境下处理惩罚要领差别。
相干系数高：比如播放次数和播放人数，两个指标很有大概高度相关。一个视频玩家短时间内大概只看1次就够了。高度相关的两个指标，在评价优劣时不需要反复评估，看一个就好了。这样能淘汰数据滋扰，更容易得出结论，如下图：
相干系数低：比如播放次数和人均时长，不见得高度相关。很有大概有的视频过分标题党，标题太刺激，配图很色诱，把玩家骗进来功效发明货差池板。假如呈现两个指标相关度低，就能用矩阵阐明法，把视频分类，如下图：
颠末这一步梳理今后，就能对两个指标环境做出判断。理论上播放次数越高越好，但人均时长不能低于必然程度，可能10%跳出用户比例不能凌驾必然程度，这样就能对每一期视频举办评价。有了评价，就能做出进一步阐明。
五、从多指标到原因解读
评价了好/坏，就能进一步阐明：为什么好、为什么坏。到这一步，就会发明，现有数据指标的问题：固然看似一堆指标，可都是功效性指标。并不能直接从指标里推出：到底为啥用户喜欢看。这时优先思量的是：增补数据，看看添加哪些数据能表明清楚问题。
首先想到的是视频自己的数据，视频自己可以有多种标签：
视频主题：讲哪一类游戏
视频内容：游戏八卦、玩法、竞赛……
视频讲授：找技能好手照旧找个美女亮腿……
视频时长：太长的大概中间关掉的多
发稿时间：选播放好的时间发
做内容运营，首先得对本身做的内容有清晰的了解，打好标签，再做其他事情。有了标签，纯真地团结标签阐明功效指标，也大概得出一些有用的结论，比如：
5分钟比10分钟结果好
美女亮腿比男主持人结果好
讲竞赛比讲八卦结果好
这些已经足够优化运营了，更进一步的还可以结适用户画像来看，比如：
调查用户看此外游戏类视频行为，给用户喜欢的游戏范例，游戏内容贴标签；
调查用户近期关注的热点内容、风行的梗；
调查用户更喜欢技能宅照旧美女。
有了这些用户标签，可以查察：
今朝寓目视频的用户群体是否是方针群体；
按照群体局限大的用户，建造新的内容；
按照用户近期关注的话题、主播爱好，选话题和主持人。
虽然，并不见得投其所好必然有效，更有大概有“标题党蹭热度”的结果——播放次数许多但看一眼就跳出。所以最后照旧得团结优化前后结果，做最终定论。
六、小结
搭建数据阐明体系可以很简单，如下图：
真正阻碍搭建指标体系的，是：
数据间没逻辑，写的越多，看得越晕；
没有刚性KPI做管辖，（淘宝真人互粉平台），不知道怎么评价优劣；
只有功效指标，不能表明原因。
因此在调查一个业务的时候，一开始宁可看的指标少一点，先调查出规律，再看指标间干系，这样更容易让浩瀚指标干系清楚，读出寄义。本文用的要领照旧先抓关键指标的要领，有的同学会问：假如必然用N个不相关的指标评估一个业务，该如何做呢？
下一篇分享一个业务评估模型的做法，敬请等候。
#专栏作家#
接地气的陈老师，微信公众号：接地气学堂。资深咨询参谋，在互联网，（dede网站修复教程），（淘宝补单平台），金融，快消，零售，耐用，美容等15个行业有富厚数据相关履历。
