指标体系建设：如何进行自上而下的指标拆解？

如果你所有的事只为谋生，你这一生只是苦役~~~

你具备的谋生技能越多，说明你的生存环境越恶劣 ~~~

0 引言

指标拆解的本质是将战略目标拆解为更小的业务目标，其过程就是将北极星指标层层拆解为更底层的业务指标，最终形成纵向有支撑、横向有业务联系的指标体系。

1指标分级

在了解指标拆解方法前，我们需要先了解指标分级体系，如图2-4所示。一般可以将指标分成T0～T3四级，T0级指标对应的就是战略驱动型的北极星指标，T1级指标是在公司各业务领域直接承接北极星指标的公司级指标，T2级指标一般是承接公司级指标的部门级指标。T3级指标一般就是过程指标（业务板块很多或业务复杂度很高的公司，可以考虑设置T1～T4级指标，将T4级指标作为过程指标），可以直接被一线业务执行影响。

指标层级划分企业战略决定了北极星指标，企业商业模式决定了北极星指标的拆解方式，而最终形成的指标体系就是业务模式的数字孪生，同时也会影响到组织架构的设置。所以一般而言，T1和T2级指标往往会由具体的一二级业务部门来承接，T3级指标会由具体小组团队或个人承接。

2.指标拆解的4种方法

2.1 从指标本身定义出发进行拆解

比如图中的综合毛利指标，它是由销售收入、销售返点、采购成本、费用通过加减乘除运算得来的，基于指标定义，就可以把综合毛利拆解为销售收入、销售返点、采购成本、费用相关的指标。

图2 指标拆解示例（先按指标定义拆解，再按维度值拆解

2.2 按维度值进行拆解

比如销售额可以分区域分品类进行拆解，费用可以按照费用类型进行拆解。按维度值进行拆解本质上是将指标在某个物理空间按照一定分组方式进行细分。细分不一定是按照现有的单个维度值，很多数据分析领域常用的细分方法可以拿来用作指标拆解的方法，比如：

● 多个维度值组合，比如根据波士顿矩阵模型将产品划分为4种类型，根据RFM（消费间隔、消费频率、消费金额）模型将用户分为3类。

● 按时间维度划分，比如常用的用户生命周期模型、AIPL（认知、兴趣、购买、忠诚）模型等。

● 按程度划分，常用帕累托图分析方法，比如将商品按月度销量划分为不同类型，具体是将商品按照销量数据降序排列，累计销量TOP 20%对应的SKU为A band，累计销量在20%～40%区间的SKU为B band，以此类推划分C、D、E band，0销SKU划分为F band。

图2展示的指标拆解示例中，先根据指标综合毛利本身的定义进行拆解，再将拆解后的费用指标按费用类型维度进行拆解。

2.3 按照计算公式进行拆解

如图3中，将GMV指标拆解为UV、成交转化率和客单价三个指标。

图3指标拆解示例（先按计算公式拆解，再按维度值拆解）按维度值拆解，很多时候不会改变指标业务逻辑，属于物理拆解，比如全国销售额按照区域拆解为省份销售额，只是做了物理上细分，方便后续在更细粒度的相似特征群体中找到针对性措施，但物理拆解本身很难带来新的业务洞见。

按计算公式拆解下来的子指标，与原指标的口径和定义会不一样，属于化学拆解，比如子指标UV与原指标GMV业务含义很不一样，这种拆解方法往往可以带来新的业务可能性，这是一种用数学模型探索业务模式的方法。

大多数情况下，在单业务板块内，建议先做化学拆解，确定业务模式，再做物理拆解，以便“分而治之”。图3所示的指标拆解就是先进行化学拆解，再进行物理拆解得到指标体系，并关联到责任部门。

同一个指标的拆解公式也可以有很多种，可以根据业务逻辑进行调整，不同计算方式会产生不同的子指标。比如经典的财务领域的杜邦分析法（见图4），基于权益净利率，经过层层拆解，逐步覆盖公司经营活动的每个环节，以实现系统、全面评价公司经营成果和财务状况的目的。

图4 指标拆解——、杜邦分析法传统的杜邦分析法在很多地方有局限性，核心问题是没有区分金融活动与经营活动，这样当一个公司金融相关业务比较大的时候，它就很不适用了。为解决这个问题，可以采用改进后的杜邦分析法，如图5所示。

图5指标拆解——杜邦分析法改进版

这个案例主要说明，即使是同一个指标，也可以按照业务模式或业务目标灵活选择不同的指标拆解公式。

2.4 通过GSM模型进行拆解

GSM模型（见图6）是谷歌用户体验团队提出的一种指标体系设计方法，主要用于拆解不好量化的目标。比如提升用户体验这个目标比较大，需要进一步拆解成更方便业务执行落地的小目标，而且不像提升客单价、提升成交转化率等好量化的目标，它不能直接用计算公式拆解。

图6 GSM模型

信号可以理解为目标达成后用户的行为会有哪些变化，比如用户体验提升了，用户可能会每周持续购买或者推荐朋友来购买。一个目标可以分解为多个信号，即拆解为多个子目标，一个信号可以用多个指标进行衡量。

以提升用户体验这个目标为例，如图6所示，应用GSM模型拆解指标的第一步是明确目标，可以是北极星指标，也可以是支撑北极星指标的子目标。比如企业的北极星指标是月活跃用户数，拆解到客服部门的子目标可以是提升用户体验。

在明确目标之后，我们需要寻找一些信号，也就是在实际业务过程中与目标相关联的用户行为。还是以提升用户体验为例，我们很容易会想到一些相关的用户行为信号，比如客户填写的满意度调研问卷评价很好、客户投诉越来越少等。寻找与用户相关目标的信号的方法可以参考谷歌最开始采用的HEART模型，如图7所示。

HEART模型中，H代表愉悦度，E代表参与度，A代表接受度，R代表留存度，T代表任务完成度。在愉悦度方面，相关的信号可以有用户反馈、评价和分享推荐；在参与度方面，可以关注用户使用深度，如访问次数或访问深度；在留存度方面，可以关注订阅和续费等指标；在留存度方面，可以关注用户的重复购买或使用行为；在任务完成度方面，可以关注用户完成特定任务的效率。

图7 HEART模型最后，把这些与用户行为相关的信号转化成指标，比如图8中对应各种信号的满意度评分、NPS、客诉率等。

图8 通过GSM模型拆解指标如果您觉得本文还不错，对你有帮助，那么不妨可以关注一下我的数字化建设实践之路专栏，这里的内容会更精彩。

内容原载于: 会飞的一十六