虚荣指标是浅层的表面数据指标。它们一般都是大数字，利用这些数字能够引来各种各样的合作和持续的跟进与支持。

“虚荣指标”可能是各位近几年才听到或者才刚刚听到过，但它已经伴随我们很久了。就以学校的分数为例，100分真的能反应出学生未来的全部发展潜力吗？亦或80分只能代表“不够努力”或“不够聪明”吗？学业成绩经常会被用作虚荣指标，它鼓励相互比较，强调自我意识。它们会变成老师比较衡量学生工具，或者学校之间的比较标准，而不关心学生自己的成长节奏。这样很容易陷入高分崇拜。

科技领域也有这样的问题。这些虚荣指标在不断升级——从访问量到利润增长率——这样能够有效的对公司进行比较，但这并不能帮助公司更好地运作。实际上，这些指标只反映了投资人想要监测的数据，这些数据能看出公司是否有价值而不是他是否能创造更多价值。现在大部分公司还是处于“高分崇拜”状态。

在这篇文章里，我会讨论如何通过设立指标来找到发展方向，这样公司就能够把精力集中在最重要的业务上。我会比较各种不同类型公司的虚荣指标和清晰指标，包括服务业、广告业、软件业和电子商务。通过案例我会向你演示找到有效指标的方法和路径。最后，我会告诉你如何让团队不受虚荣指标的诱惑——一些让团队成员保持初心和工作产出的小技巧。

虚荣指标VS清晰指标

对于学生来说，学业成绩和竞赛成绩是进入大学的关键。它们都是以偏概全的单一指标。对于公司来说，你就需要更多的指标来吸引投资人，比如用户数量或活跃度。这些指标都为一个目的服务——而不是所有的目的。但是，虚荣指标并不是毫无用处，它们能在帮助其他人评估众多公司时起到很大作用。

虚荣指标是浅层的表面数据指标。它们一般都是大数字，例如下载量。利用这些数字能够引来各种各样的合作和持续的跟进与支持。

清晰指标是经营层面的数据指标，例如用户日均使用时长或者平均送货等待时长。这些都是隐藏在增长背后的运营齿轮。利用好这些指标能够稳固公司的竞争优势。

如果将这两种指标混淆，你的公司会面临严重的运营危机。公司会因为迷恋虚荣指标而忽略公司商业战略的可行性。在2014年，有一家招聘平台完成了病毒传播，他们做了什么事情呢？他们在用户注册完成后即向其Facebook好友发送邀请。这家公司的投资人向他们施压，“你们要提高日活跃用户数(DAUs)！” 日活成了这家公司的核心指标，而且他们的策略奏效了：他们获得了3300万日活以及4900万美元融资。这些都发生在两年时间内。他们太关注这个单一指标了，以至于他们忽略了用户流失量——几乎赶上了用户获取量，这个操作激怒了用户。公司死掉之前，他们会像流星一样灿烂。

给虚荣指标加满汽油，它可能会开到下一个加油站获得新的融资，但最终它一定会因为没有汽油而停下。

这家公司至今没有完全从关注增长的后果中恢复过来。这就像是一则古老的寓言: 一位父亲发现了一个魔法猴掌并获得了三次许愿的机会。他许愿获得200美元。随后他的儿子被车撞死，他获得了200美元的赔偿费。这则寓言告诉我们，你可以获得你想要的东西，但很有可能你需要付出悲惨的代价。有时候，当你聚焦在虚荣指标时，你就获得了这个魔法猴掌。

以下就是实际操作中的一些模型：不同类型的公司应该如何衡量并践行真实指标。

服务型公司

如果你的公司主营业务是服务，你的虚荣指标一般是使用服务的人数。通过比较你和竞争对手的用户增长量能够看出谁更胜一筹，但并不能解释怎么赢，为什么赢的问题。对于服务型公司来说，你需要找到衡量你客户幸福感和满足感的指标。你的目标就是回答这个问题：客户服务质量够好吗？这是一个有挑战性的问题，因为服务质量是一个比较主观的感受。一旦你找到了这样的指标，你就需要在一段时间内衡量并监测用户行为。用户的行为改变了吗？如果用户表现出更加满意的状态，那这就是你的业务指标了。

如何找到这样的指标呢？首先你需要跳出你的行业来帮助你拓宽思路并找到创造性的解决方案。例如，想象自己正在评估一家餐厅的服务质量。现成的已经有很多高成本手段来评估用餐人员的参与度。比如，你可以计算有多少人尝试着和服务员进行眼神交流。但这个行为并不能说明他们究竟是想参与互动还是仅仅厌倦了同桌用餐的人。你需要的是一个容易获取并且不容易产生歧义的监测对象。举个例子，你可以监测所有水杯中剩下多少水。在任何时候，剩余水量的百分比能够体现整体服务质量。这是一个监测成本低并且可以持续追踪的观察指标。

我们需要校准“服务的第一个动作”指标。清晰指标能赋予公司预测能力。对于服务型公司，你要找到那个能衡量“第一个服务动作”质量的指标。以租车公司为例，常用指标是“月活跃租车客户数”。但这是一个虚荣指标，因为它不既能解释为什么客户会持续来我们公司租车又不能告诉我们如何提高服务质量。为了让服务更好，我们应该监测提车时长。车越快送到客户手中，客户越满意并产生“下次也会这么快，甚至更快”的预期。1分钟和10分钟的差别就能看出服务质量的优劣。你可以通过将“等待超时”数据和地区、驾驶员等数据进行交叉分析，找出产生“等待超时”的原因并改进，这样你就能掌控你的业务。

这个原则在呼叫中心也同样奏效。在所有呼叫电话中，没有两通电话是相似的，因为客户不同代理商也不同。呼叫中心曾经用通话时长来判定服务质量的好坏。他们的假设是如果通话时间越短，那解决问题的效率越高。但这是错的指标，因为它不能体现服务质量的高低。因此，呼叫中心采用销售量/呼叫量比作为指标，当然这衡量的是利润而不是服务质量。

销售公司LiveOps的代理人都是独立承销人。他们曾经可以选择什么时候工作，可以决定是否来公司上班。于是LiveOps校准了服务的第一个动作：出勤。公司跟踪了每个代理人的出勤数据，最后发现出勤率直接决定了代理人的业绩可靠度。这一指标并不容易找到，因为出勤率看上去和打销售电话一点关系都没有。数据证实销售电话的质量跟人的性格相关。但性格是很难测量的，因为优秀代理人的筛选很难标准化。优秀代理人的最佳指标就是“是否言必行，行必果”。于是，LiveOps把电话都导流到那些言出必行的代理人那里，而结果就是：从客户身上产生的利润增加了。

广告依赖型公司

广告依赖型公司特别容易被虚荣指标影响。但是广告投放制造的印象只能代表曝光度而不代表结果，更不能预测行为。

公司都知道用户属性才是最重要的。如果你不把点击率数据和销售量数据放在一个数据库中，那你只能得到一个广告的点击-购买转化比。你根本不知道用户其余的行为。可能有一百万用户访问了你的网站但是什么都没买。平均数就是一种单一维度的虚荣指标。如果没有用户访问广告页面前以及离开广告页面后的数据，那就会遗漏用户为什么会不购买的信息。

网站所检测的哪些用户、点击、交易等数据都是交织共生的。所以你为什么要把它们存放在不同的数据库中呢？我们都知道，数据指标都是相互关联的。你需要做的是监测它们是怎样关联起来的。不要只记录点击和下单之间的联系。把数据都备份好然后分步骤拆分，把用户从进入网站开始的所有行为记录下来。

如果你的公司是电商网站，你需要多做一步。当你获取一个用户的时候，你需要记录好获客渠道、获客时间成本、资金成本以及获客成本回收时长。不要停在表面，你需要知道公司获得客户点击是付了广告费的所以你也必须监测客户终身价值（成为客户到放弃该电商这段时间内产生的全部价值）。现在很多企业会用免费营销策略来吸引新客户，然后等待这些新客户会转化成一般客户并完成成本回收。他们一般认为免费客户转化成一般客户不会耗费多久。但实际上免费策略非常危险，因为有时候大部分免费客户都不会变成正常客户。如果你不对这次营销活动进行全程监测，你是不会知道这一批“新客户”的流失究竟有多少。

把你的数据转化为“事件流”。单独的数据会掩盖真正的指标。首先，把用户行为和里程碑事件集中在一个数据流中。事件流会告诉你用户在你的产品中是如何行动的，它能够帮助你进行用户行为分析。企业并不会自然地想要用这种方式进行分析，他们一般会把用户按照人口统计学的分类法分成若干类然后用筛选器进行交叉分析。独立表单确实更易读，而且软件操作也比较简单。但这些独立的表单并不能提供一个在一段时间内的综合性的行为信息。

事件流示意图,图片来源：Looker

为了建立你的事件流，你需要回答以下问题：

• 用户什么时候注册的？
• 他们有购买行为吗？
• 他们在网站中的活跃交互时间是多少分钟？
• 他们在哪个部分花了最长的时间？哪里花的时间最短？哪些指标能预测这些行为？
• 经过一段时间，他们的行为是否发生了变化？怎么变化的？
• 他们什么时候停止使用我们的产品/服务？

当你建立好你的事件流后，你需要进行以下的实践。以5分钟为单位，计算用户在一天中有多少个“5分钟活跃”单位。寻找行为群组（一系列行为）以及非活跃时间之间的跨度。这样能够很高效地获取用户真实的行为信息。用户在一个页面停留时间很长是因为感兴趣还是因为感到困惑？对于那些有购物行为的用户，他们在完成购物前共浏览了多少页面？如果你没有按照时间顺序陈列用户事件流，你就永远无法得到这些问题的答案。

软件型公司

无论你做的是APP还是SaaS，产品发布的时候，用户数量就成为了PMF(product/market fit,即产品带来的终身价值>总成本)的核心。用户数量也是融资路演和寻找合伙人时的重要卖点。在这里我想要问：你是不是经常下载了软件但是很快就不用了呢？产品的下载量和公司的生存能力并没有相关性。有多少公司经历了病毒传播后几个月——甚至几周——就迅速没落了呢？软件公司应该关注用户活跃时长。这才是一个清晰指标。

软件公司应该这样思考问题：用户每天在软件中活跃多长时间呢？我不关心用户数量。当我们有一个新用户时，我需要确定他是否真的在使用这款软件。虚荣指标能够轻易地误导公司的决策。有的公司可以吹嘘说它有90%的用户登录了软件，但是，有多少人真正使用了软件呢？如果用户真的使用了，那他们是活跃在软件中还是打开完就马上关了呢？这些指标根本无法回答“用户如何使用”的问题，有时候你可能需要打电话去问才知道用户是怎么用的。

打电话给有异常行为用户。我建议软件公司在遇到异常用户的时候马上找出联系方式然后打电话给用户。问他们使用感受，如果没有使用那就问他们为什么不使用。有没有地方出错了？是否有卡住的环节？如果他们是活跃用户，就问他们感受以及改进方向。

Looker的产品早期，产品总监发现有一位CEO级的种子用户打开了一堆书签文档但却没有翻看其中的数据，于是他拜访了这位用户。原来他并不清楚界面的交互方式和运行逻辑，更可怕的是并不只是他一个人出现了这样的问题。最后不得不重新对用户的公司进行培训，培训过后他们公司的用户能更流畅地使用软件进行数据检索。

在这个过程中Looker发现自己过度依赖于A/B测试来解读行为模式数据。A/B测试有很多优势，它可以快速判定用户行为模式，并迅速区分熟练用户和小白用户然后进行分别测试。但在其他方面A/B测试的表现并不尽如人意。

首先，如果数据是分散的，那A/B测试只能看到短期结果而不是长期结果。例如，我们将关闭按钮缩小两倍会导致用户退出率的下降，但页面退出率下降并不能保证最终的销售转化率提升。即使你有数十亿用户，当数据分散时你是无法辨认用户的其他属性。与之相对的，你需要研究用户的事件流、打电话给用户。现在就开始这样做，并且要将打电话给真实用户变成公司惯例。

软件会重塑人们的思考及行为方式。A/B测试只是单向监视，没有互动。放下你的望远镜，拿起电话和用户沟通吧。

另一种提升用户活跃度的方式是减小用户使用软件时的障碍。这其中有两个指标会对你的产品产生作用：失败率和中毒率。以下是使用方法：

找到然后削减你的失败率。失败率就是公司未能履行其承诺的次数。失败率是全行业通用的指标——而不仅仅是安全领域。为了找出你们公司的失败率数据，你首先得找到每一个部门的失败率。每个功能的衡量工作时的失败因素是不同的，因而产生的数字也不同。

对用户体验部门来说，失败率就是软件没能解决用户需求的次数。对供应链部门来说，失败率就是用户尝试购买缺货商品的次数。每个团队成员都必须非常清楚自己部门的失败发生在哪里并且时刻关注这一数据。

每当公司的流程或产品产生变化时，你就需要重新审视并调整失败率的计算方式了。如果你刚开始开展业务，你可以用免费工具来监测失败率并找出其中的失败模式。让你的前端程序员利用谷歌分析（Google Analytics）来监测404错误发生率或者服务器连接失败次数。让支持部门利用免费在线调研工具来调查初期用户的满意度。

失败率并不是华丽的外部监测数据，但它能给业务运营带来理智。有一次，Venmo（一家移动支付公司）改变了支付按钮的设计方案，这使得用户容易意外产生转账行为。一方面，这造成了虚荣指标的飙升，因为每一笔意外转账都需要另一笔转账来弥补回来。但这在内部是一场灾难，用户被误导转账，他们无法控制自己的转账行为。Venmo找出了所有出错的交易组——一笔转账以及它的“逆向转账”——然后检测其发生的原因是不是这次设计改进。团队的假设得到了证实，最后他们更正了这个错误。

失败率会将小裂纹演变成整体崩溃。虚荣指标几乎不可能预防这些崩溃的发生。

重视你的中毒率。中毒率是失败率的一个子集，它是导致初次用户流失的糟糕的初次产品体验。这就像你在一家餐厅吃完饭后食物中毒了。在这种体验过后用户是不可能回来的。很多公司都不考虑中毒率但它有非常强大的杠杆作用。你不仅会失去“食物中毒”的客户，你还会失去他们原本会推荐的其他客户。在社交媒体时代，中毒体验会快速传播并毒害你的用户口碑。

市场是最大的风险。以Airbnb为例，一次具体的租赁行为是否具有高中毒率？房间可能很棒：空间大，地段好，价格有竞争力——但住过这里之后人们就彻底停用Airbnb了。发生这种中毒事件的次数就是一个清晰指标，而不仅仅是房间出租率这种虚荣指标。如果你仔细挖掘用户停用Airbnb的背后原因是房间信息与现实情况不匹配，那你就会发现追求房间出租率会损害你的业务。市场中有很多容易失控的因素——找到并重视中毒事件。它能够实实在在为你在嘈杂的市场中带来秩序。分析中毒事件能够帮助你找到损失的根源以及挽回损失的可能性。

电子商务型公司

电商是门忠诚度生意。为了赢得市场，你需要顾客的不断在你的平台复购而不是其他人的。电商也是机会成本的生意。你需要找到并严密监测能使用户复购的行为数据指标。你需要关注用户的购买频次，而不是消费金额。清晰指标——例如运输时间及周转率——不如销售额和毛利润等数据看上去华丽漂亮，但只有这些清晰指标才能驱动用户产生复购行为。

亚马逊就是一个很好的例子。客观地看，Amazon Prime （年度付费会员，亚马逊很多商品都有低于市场价的Prime价格，送货免费，京东的Plus会员就是模仿AP的项目）就是一个忠诚度项目。你是否会因为隔日送达的免费快递服务而在同一平台复购呢？一定会的。亚马逊知道，如果你不断地从亚马逊获得更快更便宜的快递服务，那当你想买其他东西的时候你会回来的。亚马逊的判断是正确的。Prime会员平均每年消费1200美元。非会员是500美元。

Netflix早期也使用了类似的数据指标。公司会发调研邮件询问用户收到DVD等了多久。他们以调研结果为依据，判断是否需要建设更多分发中心来缩短递送等待时间。亚马逊也在做同样的事情。公司聚焦于快速送货承诺，而不是利润。他们投资飞机航空队和无人机队因为他们在超预期满足客户需求方面非常坚定。

精益求精的服务能力提升用户忠诚度。对于物流，每家公司都有一些明确的指标。其目的是提升可靠度来提升用户忠诚度。为了找出你的清晰指标，你需要回答以下问题：

• 哪类用户购物行为更频繁？
• 这些用户有哪些共同特征？
• 你能否找到某个明显的转折点，从这个转折点后用户开始下更多订单？
• 你如何增强对这些用户的服务能力？
• 通过哪些服务可以让其他用户产生类似的忠诚度？

总结：如何培养你的数据感

每个商业模型都有它的虚荣指标——以及它的清晰指标。放心，你拥有的数据能够帮助你区分这两种指标。你只是需要训练这种通过数据找出清晰指标、辨别虚荣指标的能力。你可以从那些可以预测用户行为的数据开始提升，而不仅仅是一些笼统的、可以和同行进行比较的数据。

1. 把数据组织成事件流，按时间顺序观察用户在使用产品时产生的行为。
2. 不要陷入A/B测试的陷阱。相反，当你发现异常数据时你要马上打电话给客户问个清楚。数据不能表达情绪和感受。
3. 确保每个部门都理解他们部门的失败率并想方设法降低这个指标。
4. 教会团队如何吸收并观察数据。你需要一个数据侦探团队，而不是一个福尔摩斯。

数据流早已不局限于科技领域了。每家公司每个部门都必须在数据方面进行投入：客服部、设计部、商业发展部。他们应该承担剖析数据找到指标的职责。当他们发现异常值时，他们需要深度分析这个特例。

如果你把数据团队和其他团队割裂开，你就无法将数据的作用发挥出来。你需要建立一个事件流看板并展示出来。在设计和客服部门安排数据专家。

未来的世界里，人们会像使用搜索引擎一样频繁且自然而然地使用数据挖掘工具。

你第一次使用Google的时候你也琢磨了一段时间才学会如何搜索到自己想要的信息。数据智能，大部分公司都停留在“搜索结果的第一页”。但是现在公司已经可以更深入地使用数据。不要只满足于虚荣数据。只看镜子里的自己会让你忽略你身边世界发生的变化。

本文由 @倪尔东 原创发布于人人都是产品经理 ，未经许可，禁止转载。