数据指标体系是企业衡量业务成效和优化决策的重要工具。在实际工作场景中，传统的AARRR模型或GMV公式可能并不适用，尤其是对于非销售流程。本文通过一个耐用设备企业的售后部门案例，分享了如何梳理和构建一个有效的数据指标体系。

提到数据指标体系，很多人会脱口而出AARRR或者GMV=UV*转化率*客单价。可实际工作场景很复杂，如果是非销售流程，这两套就不管用了，那更常用的指标体系梳理方法是什么呢？今天结合一个具体例子分享一下。

一、案例场景：

某耐用设备企业，售后部门负责回答客户咨询/新品安装/保修3年/3年内主动保养产品/过保修期收费维修等多种服务，还会在服务过程中开展二次销售。售后部门报表原先长这样（如下图）:

大家一致认为，这个表数据看似很多，但是太乱了，看不出来个所以然，需要重新梳理指标体系。可是交给数据部门以后，分析师小明同学看得头都大了:

这一堆东西到底是啥跟啥呀！想拆解收入=客户数*客单价，可售后很多服务是不收费的，想拆解AARRR，可客户没有所谓活跃留存，都是一单一单处理需求。到底这个指标该咋梳理？？！！

二、梳理业务流程

之所以这位同学会感觉混乱，是因为他被“售后”俩字蒙蔽了眼睛。虽然表面上都归售后部门管，但负责人不同、处理流程不同、收入/费用产生方式不同，因此实际上有好几种分支业务。梳理指标体系第一步，就是理清业务流程，区分清楚不同目标的业务。

第一，解答客户咨询是总部直接管的，上门安装、维修、保养等都是各地网点支持的；解答客户咨询不产生收入，只支付客服人员工资即可。而上门所有工作，除了人工，还有可能产生配件/物料成本，甚至有可能有收入，因此要分开。

第二，安装新设备和主动保养，是售后主动发起的动作。安装是一定要做的，主动保养客户则不一定接受（甚至可能联系不上），所以应该区分两个流程。

第三，客户发起的保养、修理需求，需要单独分类。

第四，在咨询、保养、保修、维修中，都有可能产生二次销售机会，但是又不是100%会有，因此应单独统计在各流程中产生的二次销售线索，之后再看二次销售线索跟进完成情况。

因此梳理业务流程后，主要业务流程如下，基于这个更细化和清晰的流程，可以开始确定指标。

三、明确结果指标

梳理清楚流程后，下一步是确定结果指标。结果指标一般有三类：

• 衡量流程的收入、成本指标
• 衡量流程完成数量（一般看最后一步是啥）
• 衡量流程完成质量（根据流程性质来定）

在第一步梳理中，我们已经清晰了收入、成本指标。这一步重点确认流程的数量与质量。

在本例中，有四类流程，其中：

1、二次销售结果指标最好定。它就是一个销售流程，可以直接把结果指标定为：销售成交商品数，销售线索的转化效率。

2、客户咨询仅仅是回答问题，能完成任务即可。因此可以看接听咨询数量，如果想进一步考核服务质量，可以看客户满意度评分或15秒/30秒接听率。

3、主动作业+保修，均不产生收入，都是基础服务，因此可以看完成工单数量，如果想进一步考核服务质量，可以看客户满意度评分或平均完成时间（越短越好）。

4、维修类会产生收入，但可能有些用户不接受，选择自行修理/找别人修理，因此可以做个二段式考察，第一段考察客户来电后是否及时答复，另一段记录是否能促成用户付费。

当然，这些指标并不是教科书要求，理论上只要有指标反映数量和质量即可，具体的定义可以根据实际情况做增减。比如只考核平均服务时间，可能导致某些用户等待太久，引发投诉。那么就可以增加一个指标：等待超过24小时工单数。这样及时发现及控制问题。

结果指标一般是业务的KPI指标，因此需要与业务确认清楚，明确了以后再推进下一步。

四、设计分类维度

定好了结果指标，可以开始设计分类维度。一个懒省事的设计办法，就是直接按组织架构设计维度，这就有了开头报表中“话务一组、话务二组，A城市服务1组，服务2组”这种维度。

这样的设计，在考核绩效的时候是很清晰的，但是在做分析的时候却没啥用。因为小组名字并不是影响业务的关键。想让指标体系具有一定的分析能力，就得设计一些能解释问题的维度。

比如咨询产品使用情况，可能在新产品推出、老产品升级的时候最多，因此需要增加一个产品维度。产品维度和咨询量指标结合，就能看出新品关注度与常见问题。

比如安装任务，和产品销量有很大关系，并且安装需要分地区执行，因此需要增加城市维度，并且配合当地新品销量数量指标使用（不需要销售金额，安装以设备台数算工作量）。

比如旧品保修，和当地旧品保有量+达到一定年份的旧品数量有关。因此需要设计一个旧品使用年限维度，结合旧品数量，来观察保修/维修需求变化。

这样设计分类维度，不仅给出了具体维度，而且给出了分类维度结合哪些指标，可以读出业务含义。这么做能极大提高分析效率。

文章开头“流水账”式报表，就没有做清晰的区分，一股脑把所有维度和所有指标交叉结果丢出来，除了提供大量冗余数据搞得人头昏脑胀以外，没啥作用。设计维度要考虑和哪些指标交叉使用，是个重要的设计原则。

五、增加过程指标

清晰了结果指标与分类维度后，可以适当增加过程指标。之所以最后梳理过程指标，是为了帮助看报表和做报表的人清晰重点，避免一上来就铺了一地各种指标，陷在数据细节里无法自拔。并且过程指标不见得都有数据记录，因此要先做结果指标，再看过程细节。

梳理过程指标的时候，可以沿着业务流程，把每一个结果指标产生过程展示出来，比如：

• 主动保养，分为：联系客户→确认时间→上门服务→服务完成四步
• 二次销售，分为：线索跟进→确认需求→收费→配套安装四步
• 保修，分为：接受需求→确认资格→上门检查→配件调拨→完成服务五步

诸如此类，沿着流程逐一梳理，就能得到过程指标。

注意！在销售/获客场景中，每多一步都会流失一些用户，因此转化过程形似漏斗。但是在售后场景则不同，保养、保修等过程，客户提了需求一般都会完成，过程流失不是考察重点，此时考察的重点是过程消耗的时间，尽可能减少时间消耗，减少客户等待才是重点。在梳理指标体系的时候，需要清晰标注前后过程指标的关系，便于他人理解和使用。

在梳理过程指标的时候，有可能有些步骤缺少数字化工具，没法采集到数据，这时候就只能先空着，等有工具采集数据再说，过程指标有可能得逐步丰富。

六、小结

梳理指标体系，包括四步：

1. 梳理业务流程
2. 明确结果指标
3. 设计分类维度
4. 增加过程指标

梳理指标体系的过程，本质是站在数据角度理解业务，用数据描述业务的过程，因此要紧密练习业务实际，才可以做出适合工作的指标体系。