指标拆解法——细化定位问题

什么是指标拆解法？

将复杂的指标拆解为多个子指标，并基于因果关系分析每个指标的驱动因素。这种方法有助于深入理解指标背后的影响因素。
适用于复杂KPI的分析和业务问题的根因分析。

比如，分析电商平台的GMV时，可拆解为：
GMV=新客GMV+老客GMV=新客用户数 x新客客单价+老客用户数x老客客单价。
分析用户数的变化，可探讨新用户增长、老用户留存等因素对整体GMV的影响。

如何进行指标拆解？

第一步：构建拆解公式。根据选定维度和指标关系构建。
如电商销售额 = 流量 × 转化率 × 客单价 ；某产品利润 = 产品销量 ×（单价 - 单位成本） - 固定成本 。
第二步：逐层细分。将大指标逐步细分为更具体、可操作的小指标。
如流量可再细分为不同渠道来源的流量（搜索引擎流量、社交媒体流量等）；转化率可按新老用户、不同页面等进一步细分。

常用的拆解关系

常见关系有并列和串行。

• 并列关系指指标相互独立且是上一级指标的组成部分，如业绩 = 客户数 × 消费率 × 客单价 。
• 串行关系是指标间有前后顺序关联，如新注册用户数 = 广告浏览人数 × 落地页转化率 × 注册页转化率 。

常见的拆解维度

• 业务流程维度：按照业务开展的环节拆解。如电商交易流程可拆分为浏览商品、加入购物车、提交订单、支付等环节，分析各环节转化率。
• 组成成分维度：从指标的构成要素拆解。如员工满意度可从工作环境、薪酬福利、职业发展等方面拆解。
• 用户属性维度：依据用户的特征分类拆解。如电商用户按年龄、性别、地域、消费能力等划分，分析不同群体对指标的影响。

拆解案例

以下是我个人梳理的一些拆解思路，帮助拓宽思维，仅供参考。

1.电商GMV

①基于用户购买行为路径拆解：

从用户进入电商平台到完成购买的流程进行拆解，公式为：

GMV = 访客数（UV）× 转化率（CVR）× 客单价（ATV）

②基于新老客维度拆解：

将 GMV 按新客户和老客户的贡献进行拆解，公式为：

GMV = 新客销售额 + 老客销售额

2.内容类产品DAU

①基于用户特征拆解

②基于用户行为拆解

③基于内容类型拆解