简介: 不管是核心大目标,还是O(Objectives),或者北极星指标,奇妙等式等等,最后都需要核心组织协同方式来推动整个目标聚焦以及过程的落地。

作为产品经理人,相信很多人都遇到过以下的灵魂拷问:

订单希望做到5倍增长,你有什么建议?

目前App只有1万个新客,如果想做到5万新客还有什么办法?

市场份额需要从目前的50%提高到70%,作为产品经理人有没有什么方法?

甚至老板会从整个商业化角度问我们:

如果希望在3年内将整体收入由10亿提升到100亿,应该怎么做?

KPI vs OKR

这些都是比较常见的增长问题。一旦涉及到这类问题,可能一部分负责产品业务的同学会去做KPI的拆解,比如说给每个负责订单业务的同学增加一倍的KPI,或者基于一些渠道拉更多的流量,找到更多渠道方进行推广等等。但是增长真的是基于KPI或者基于渠道、流量就可以完成的吗?

互联网历史上有两个著名的增长飞轮,一个是亚马逊增长飞轮,一个是Uber增长飞轮。他们base的是一个典型的平台型、基于产品的互联网业务。

以亚马逊增长飞轮为例,亚马逊平台上有两个角色,一个主体角色是卖家,还有一个主体角色是顾客体验。在亚马逊的整个增长策略中,实际上就是以怎么做到成本更低这件事为出发点的,因为成本更低,能够提供给消费者的价格也会变得更低,当消费者价格下降的时候,随之顾客体验就会上升,同时带动整个亚马逊平台上面的流量也会持续上升。当平台流量持续上升的时候,就会有更多的卖家加入到亚马逊平台上来。

亚马逊增长飞轮是持续性的、系统性的。体验优化了,就可以顺利运转起来,并且在这个过程中,如果将成本、价格进行更进一步地压缩,那么整体飞轮也能以更高的效率进行转动。但是目前,我们更常见的是基于拉新渠道、业务渠道,或是在销售渠道组织或业务上进行KPI拆解,这样盲目地进行KPI拆解实际上是非常危险的。

KPI曾经也风靡过很长时间。早期的阿里、腾讯以及其他比较大型的互联网公司,最开始都是用KPI的,但现在很多公司都逐渐完成了从KPI到OKR的过渡。

什么是OKR?用比较文艺的说法就是从“遥望月亮”到“造火箭”整体拆解的过程。简单来说,就是一套明确和跟踪目标及其完成情况的管理工具和方法,OKR的主要目标是明确公司和团队的“目标”以及明确每个目标达成的可衡量的“关键结果”。其中,目标是设定一个定性的时间内目标(通常是一个季度)。关键的结果是由量化指标形式呈现的,用来衡量在这段时间结束时是否达到了目标。

如何制定合理的OKR

第一、选择OKR会有思维模式上面的转变。在做KPI的时候,更多只会考虑目标,但是做OKR的时候,在聚焦核心目标的同时,其实也要进一步关注实现路径,比如说怎么从用户体验出发,或者从商业模式出发,来进一步思考可以去实现的路径,以及A-B之间怎么达到的状态。

第二、选择OKR更多是一个选择取向。它鼓励我们去做对的事,而不是只是做指标的奴隶。

第三、OKR更大程度上是一种组织方式,它代表组织资源和协同往一处使,这样团队效能才可以实现最大化,整体来说就是以数据驱动、协同作战的目标文化。

那么,该如何制定业务的OKR呢?这里要提到诊断三部曲方法论:

第一、北极星指标。

第二、基于北极星指标、业务模式、用户体验、用户旅程等等,拆分一个奇妙等式。

第三、基于数据技术做整体团队协同落地。

首先来看第一步:北极星指标。

北极星指标是企业业务目标和企业用户价值的交集。举个例子,很多视频网站他们的核心就是靠广告变现的,对于他们而言,从短期目标角度来讲,肯定是要提升广告营收。更多时候短期目标可能定位于提升用户广告点击率等等。但是通过进一步思索视频网站可以给用户提供的场景价值就会发现,对用户来讲,他们的诉求就是得到乐趣。从这个角度来说,视频网站真正的北极星指标应该是这个网站的使用时长。

下一步来看看要怎么找到北极星指标:

法则A:这个指标是否能够反映用户从产品中获得的核心价值。比如说用户看视频网站是为了获得乐趣,用户使用搜索引擎是为了获得有效的搜索结果,用户使用社交产品是能够去获得有效的社交反馈,建立有效的社交连接等等。而我们所做的这些指标,能否反映用户的核心价值?

法则B:能否为产品达到长期商业目标奠定基础。比如说进行商业变现,不管是广告还是订单交易,这个目标是不是和这些方面相关,当这个指标出现正向增长的时候,商业基础是否也能够越扎实。

法则C:这个指标能否反馈用户活跃度。对于大部分互联网产品来讲,用户活跃提升了,才有可能更进一步去帮助用户发掘产品核心价值。

法则D:当这个指标变好,整个公司是否在往好的方向发展。

法则E:指标是否简单、直观,并且容易获得,同时也可以拆解。

法则F:指标是否是先导指标,而不是滞后性的指标。

第二步,奇妙等式。

能够影响北极星指标的核心要素是非常多的。以现在比较火的社区团购为例,用户在平台下的订单越多,意味着用户从社区团购获得的价值越多,并且社区团购也是一个企业长期商业价值的基础,所以GMV是一个衡量标准。对于有些业务来讲,可能并不具备像GMV这样非常有导向性的目标,但是也可以“以用户旅程为主线提升奇妙等式”。

比较常见的用户旅程就是AARRR的海盗法则。从市场或者各个渠道获取用户,用运营手段或者功能设计去激活这些用户,在这过程中有一部分用户会是你的核心用户,或者需求被满足后他就会变成留存用户。然后针对这部分用户通过变现服务、商业服务来获取一些利益。最终当这部分用户的需求被满足时,他就会向别人推荐你的服务。整个过程可以促成产品或者服务的正向发展,用户的健康成长。

当用户旅程阶段拆解出来之后,我们就可以进一步发现每个阶段用户的核心目标是什么,当他们想完成这些目标时,他们可能会有怎样的行为。这时候,产品企业就可以根据这些去做用户画像分析,从而提升获客效率,优化落地页、购买流程,建立评估体系,通过商品推荐、会员机制等等提升用户复购机制。

通过拆解一个奇妙等式,能够比较清楚地知道用户的目标,用户的行为,以及这个过程中我们需要做的事情。

当我们找到了北极星指标、奇妙等式之后,下一步就是基于数据技术协同落地。只有落地策略才是好策略,不然只是一个PPT。因此,需要各个团队进行组织协同,基于共同目标,通过数据推动每个组织进行相应的配合。

数据基础就是数据质量,一切没有数据质量保障进行的分析、决策、运营都可能不会达到好效果。常见数据就来源于做的数据埋点和数据管理,大家可以问问自己公司数据有多少埋点,是否埋对了,哪些在用,哪些不在用,哪些异常?团队多长时间做一次数据复盘,每个OKR是否有对KR明确负责的人?当讨论清楚这些问题的时候,就可以更好地回答上面以OKR管理为导向的整体流程问题。

OKR的达成,核心所做的事情就是通过分析产品构建一套规范管理,通过数据的采集、跨端归一的能力,以及可持续的高质量数据资产,从而帮助大家监控自己的北极星指标和每个奇妙等式发展情况,并且回答到每个用户旅程中应该关心的问题,这个时候基于KR并触达O,基于奇妙等式提升北极星指标才会有更好的数据保障。

OKR的达成,需要思考埋点的作用,因为这个对业务长期发展有很大的影响,所以就需要从需求梳理到具体事件设计、埋点实施到数据验证,形成规范的管理+可靠的采集+跨端的归一=可持续的高质量数据资产,建立一套可持续的高质量数据资产。

可以将我们关注把多个指标管理在一张图里面,通过一张大图快速了解北极星指标以及所有的KR,奇妙等式每个部分相应的进展。

Case study:航旅App机票预定业务核心转化

对于航旅APP机票预定业务而言,业务核心转化流程是查询机票——查看查询结果——点击预定——到收银台完成支付,这是非常常见的机票购买漏斗。在这个过程中需要关注几个问题:有哪些用户流失了?同时要先定义好流失概念,以及这些用户是在什么时候流失,什么地方流失,他们为什么流失,可能发生了什么事情造成他们的流失,以及这个流失有多严重,是否应该以高优先级的方式去解决这些流失问题。

以友盟+服务客户时,帮助其将搜索结果、点击、点击预定,到收银台以及最终付款几个步骤构建成了一个转化漏斗,通过漏斗可以清晰地了解流失客群。并对相应客群进行精细化的运营。

通过实际预定、信息填写到实际体验,进行客群分析。相应产品负责人根据分析结果进行产品界面提示和产品流程的优化。比如说新增加一些价格日历,并且在产品设计上对每个航班之间进行比较明显的区隔,增加选择的浮层,用户流程里面可以直接添加乘机人,进行整体的流程优化,当流程优化结束之后,经过一段时间监控,航旅App的整体转化率提升达到23.5%,结合每日新增用户数量,增加了70万左右的收入。

作为产品经理来说,尤其作为高阶产品人来说,必须具有洞察分析的能力,才能快速发现数据表象背后的症结。

以数据驱动OKR策略落地,非常重要的一点就是做小步快跑,快速迭代。目前大部分公司的需求是通过BI+数据团队组合实现的。但一部分同学也会有同样的感触,通过数据同学进行采集,有的时候错过了排期,甚至可能错过目前市场的变化。所以借助友盟+就可以很快的挖掘影响指标变化的因素,通过路径分析功能去进一步下钻用户核心表现。

综上所述,不管是核心大目标,还是O(Objectives),或者北极星指标,奇妙等式等等,最后都需要核心组织协同方式来推动整个目标聚焦以及过程的落地。

作者:友盟+产品专家 范芊芸

原文链接

本文为阿里云原创内容,未经允许不得转载

从KPI到OKR,高阶产品人如何推动业务高速增长的更多相关文章

  1. JavaScript进阶之高阶函数篇

    JavaScript进阶之高阶函数篇 简介:欢迎大家来到woo爷说前端:今天给你们带来的是JavaScript进阶的知识,接下来的系列都是围绕着JavaScript进阶进行阐述:首先我们第一篇讲的是高 ...

  2. 高阶篇:4.2.2)DFMEA层级分明的失效模式、失效后果、失效原因

    本章目的:明确失效模式.失效后果.失效原因的定义,分清楚层次关系,完成DFMEA这部分的填写. 1.失效模式,失效后果,失效原因的定义: 这是FEMEA手册第四册中的定义. 1.1 潜在失效模式 (b ...

  3. 08 . Python3高阶函数之迭代器、装饰器

    Python3高阶函数之迭代器.装饰器 列表生成式 推导式就是构建比较有规律的列表,生成器. 孩子,我现在有个需求,看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表里 ...

  4. 项目管理构建工具——Maven(高阶篇)

    项目管理构建工具--Maven(高阶篇) 我们在之前的文章中已经基本了解了Maven,但也仅仅只止步于了解 Maven作为我们项目管理构建的常用工具,具备许多功能,在这篇文章中我们来仔细介绍 分模块开 ...

  5. [Node.js] 闭包和高阶函数

    原文地址:http://www.moye.me/2014/12/29/closure_higher-order-function/ 引子 最近发现一个问题:一部分写JS的人,其实对于函数式编程的概念并 ...

  6. ES6中的高阶函数:如同 a => b => c 一样简单

    作者:Sequoia McDowell 2016年01月16日 ES6来啦!随着越来越多的代码库和思潮引领者开始在他们的代码中使用ES6,以往被认为是"仅需了解"的ES6特性变成了 ...

  7. Cloudera Hadoop 5& Hadoop高阶管理及调优课程(CDH5,Hadoop2.0,HA,安全,管理,调优)

    1.课程环境 本课程涉及的技术产品及相关版本: 技术 版本 Linux CentOS 6.5 Java 1.7 Hadoop2.0 2.6.0 Hadoop1.0 1.2.1 Zookeeper 3. ...

  8. 【SICP归纳】2 高阶函数和数据抽象

    上一篇博文相应的是书中的第一章的一二两节,我们已经大致的有了一种构造的感觉不是么. 书中展示了非常多有趣的句法(syntax). 如今我们要让思想进一步的抽象.写这篇博客的时候并未学完整本书.更不敢说 ...

  9. 聊聊React高阶组件(Higher-Order Components)

    使用 react已经有不短的时间了,最近看到关于 react高阶组件的一篇文章,看了之后顿时眼前一亮,对于我这种还在新手村晃荡.一切朝着打怪升级看齐的小喽啰来说,像这种难度不是太高同时门槛也不是那么低 ...

  10. 深入理解javascript函数进阶系列第一篇——高阶函数

    前面的话 前面的函数系列中介绍了函数的基础用法.从本文开始,将介绍javascript函数进阶系列,本文将详细介绍高阶函数 定义 高阶函数(higher-order function)指操作函数的函数 ...

随机推荐

  1. C++ 赋值操作和assign()的区别(转自stack overflow)

    https://stackoverflow.com/questions/19735395/stl-assignment-operator-vs-assign-member-function assig ...

  2. 一天涨 23k Star 的开源项目「GitHub 热点速览」

    ​在 GitHub 上做过开源项目的小伙伴,可能都经历过截图自己项目 100 Star.1000 Star 的时刻,但有些时候事情发生的太快来不及截图,因为可能一觉醒来就破万了.这件事看似有些天方夜谭 ...

  3. NA嵌入Flutter页面

    目录介绍 01.Android承载flutter容器 02.过时的NA跳转flutter方案 03.升级版本NA跳转Flutter处理 04.如何处理NA跳转flutter传参 05.思考遇到的几个问 ...

  4. Openlayers 加载ArcGIS Server切片服务(自定义切片方案)

    背景 最近遇到一个需求,要使用OpenLayer加载ArcGIS Server发布的服务.如果直接拷贝OpenLayer提供的在线官方Demo,然后修改下地图服务地址是跑不通的,这是因为OpenLay ...

  5. FastWiki(增强AI对话功能)企业级智能客服功能介绍

    知识库对话功能 什么是知识库对话? 我们需要找到AI的知识能力是有限的他们的知识都截止于他们训练数据的时间,你提问他们更新的数据的时候他们就会出现乱回复.而知识库则是利用Prompt给于AI更多的知识 ...

  6. C# OpenCv 证件照换底色

    using OpenCvSharp; using System; using System.Collections.Generic; using System.Linq; using System.T ...

  7. KingbaseES Json 系列三:Json数据操作函数一

    KingbaseES Json 系列三--Json数据操作函数一(JSONB_EACH,JSONB_EACH_TEXT,JSONB_OBJECT_KEYS,JSONB_EXTRACT_PATH,JSO ...

  8. KingbaseES 咨询锁

    传统的事务性锁,读/写会自动加锁,读/写完成后会自动解锁(加解锁机制在细节上复杂),这是一种隐式的锁机制.对于加锁后的并发控制,也就是默认的写不阻塞读,是通过MVCC机制解决的.这种锁完全不需要人为干 ...

  9. java反序列化-CC1

    CC1 目录 CC1 1.Transformer接口 2.Transformer的实现类 ConstantTransformer ChainedTransformer InvokerTransform ...

  10. #根号分治,分块,dfs序#洛谷 7710 [Ynoi2077] stdmxeypz

    题目传送门 分析 首先把距离变成深度,用dfs序转成区间问题,考虑分块,散块直接改 问题是整块,如果模数比较大,可以以深度为第一维下标差分标记,这样查询时就可以前缀和知道答案 如果模数比较小,那么给该 ...