專家團｜宋星：用什么衡量數字營銷數據工具的KPI？這篇文章給你全部的答案

全文大綱

工具本身的使用情況（通過在工具中埋入代碼實現(xiàn)）：

• 工具使用的人均時長、工具使用的人均頻率、工具使用的主要功能和路徑的分布

• 工具核心功能與工具實際使用功能之間的差異

工具中數據的沉淀情況（與運營相關）：

• ID打通比率

• 獲取數據的源頭數量

• 獲取數據的類型數量

• 平均每ID的屬性數量（PPI：Properties Per ID）

工具中數據的應用情況（與運營相關）：

• 標簽/群組應用分布（應用于投放、溝通、推薦等）：多少比例標簽/群組時常被使用，多少偶爾被使用，多少從來不被使用；以及，核心標簽（最常被使用的標簽）是什么

• 事實標簽、規(guī)則標簽、模型標簽、預測標簽的使用比例

• 工具對接的數據應用系統(tǒng)（如MA、DMP等）數量和使用頻率

業(yè)務增長情況：

• 工具應用前后，同一類型業(yè)務的核心指標的變化（如轉化率、單位成本、互動率等）；以及隨時間推移而變化的趨勢

• 工具應用前后，同一類型業(yè)務的工作效率的變化（如需要的人力的數量、工作流轉時間周期）

• 工具應用后，產生的新的業(yè)務方法或改進的業(yè)務流程

• 工具應用后，對應業(yè)務宏觀轉化率的提升

成本與收益比：

• 工具成本與應用后業(yè)務收入增長的對比

衡量工具的KPI的最終目的

雖然說工具的最終目的是提升業(yè)務結果，但是業(yè)務結果的提升是多個因素的綜合作用結果，不能簡單粗暴的用類似ROI這樣的維度去衡量工具使用情況。

所以，我們需要進一步拆解使用工具后希望達成怎樣的結果，從而思考衡量標準。概括來說，其實分為三個步驟：

衡量消費者數據工具KPI的三大步驟

設定這三個步驟，是為了避免工具對實際實操的人來說用不了，用錯了方式導致數據拉不齊，或者最終用了對業(yè)務無效這些常見的工具問題發(fā)生，設定對應的KPI從而倒逼工具的生產（做產品的），運營（IT和數據）以及使用者（做運營的），讓工具真正產生實效。

為了方便大家理解，我們先來開篇透底，說一下從這三個維度來看，到底具體KPI設置有哪些。

基礎KPI：工具本身的使用情況

要去衡量一個產品是不是好用，最基礎最重要的就是工具有沒有被用起來。所以我們要看的第一個基礎指標是工具本身的使用情況。

這個KPI實際上是追蹤起來，技術角度，相對簡單的一個。我們只要在工具中也加入代碼進行埋點監(jiān)測，這個背后的原理和平時使用監(jiān)測和埋碼工具進行網頁或者APP監(jiān)測其實是一樣的。這樣，就可以通過數據埋點獲取一些使用者的關鍵數據，包括：

• 工具使用的人均時長

• 工具使用的人均頻率

• 工具使用的主要功能和路徑的使用情況分布

通過這些指標和理想使用場景設計進行對比之后，一定程度上可以探明工具真正被使用到的功能，和理想設計中的功能之間的差異。

數據工具的資產目標：數據的沉淀情況KPI

• 體現(xiàn)可利用的數據數量的指標：個體ID的數量以及打通比率

 （1）這里不只把ID的數量作為核心指標的主要原因是，在現(xiàn)在的多平臺環(huán)境下，只有打通后的主體ID才有運營價值。如果我們僅僅以ID數量為核心指標，很有可能形成最后收集一堆不同device ID+手機號+微信ID，但是只能都只能在不同的平臺和生態(tài)里面用。

 （2）因此，重要的是個體ID的數量和打通比率，這些打通的ID實質才是可以被用到和被運營的消費者數據。

 （3）同樣，如果你的工具并不是CDP，那就要以你的工具里面實際可以被運營的數據的打通和收集比率，作為核心ID的指標。

• 體現(xiàn)數據是否覆蓋全部運營方面的指標：獲取數據的源頭數量 & 獲取數據的類型數量

 （1）獲取數據的源頭數量，指的是你的數據來源有哪些，是否和你運營中可以獲取數據的水源都接上了。獲取數據類型也是類似，主要是看你正在收的數據類型，是不是覆蓋了業(yè)務已經碰到的所有數據類型。主要是看你的獲得的數據和實際運營中可能獲得的數據數量是不是盡量保持一致。

 （2）舉個例子，如果品牌接通了自己的產品&訂單系統(tǒng)，會員系統(tǒng)和廣告投放系統(tǒng)，那他的數據水源其實來自4個主要渠道，最終匯總成為3種數據：

• 體現(xiàn)數據質量的指標：平均每個ID的屬性數量（PPI: Properties per ID）

 （1）屬性，決定了你的數據能不能被進一步運營。我們獲取用戶數據和資產的核心目的，終究是為了解決“消費者運營增長業(yè)務”這個命題。那做消費者運營，說穿了核心目標只有一個：我要更了解消費者。屬性，就是消費者特征在數據中的體現(xiàn)。所以，每個ID所包含的屬性有多少，關鍵屬性的覆蓋率等就是體現(xiàn)數據質量的核心指標之一。

 （2）當然這個屬性也并不僅僅是標簽，根據你的數據管道搭建情況，屬性也會覆蓋你的“水源”可以覆蓋的多個類型和渠道，甚至包括你從三方共同獲得的屬性，隱私計算拿到的特征等等。只要是運營可以用上的，滿足業(yè)務需求的，其實都可以是你的屬性。

數據工具的應用目標：數據的應用情況KPI

資產光有沉淀但是沒有運營是不行的。因此，我們同樣需要體現(xiàn)工具中數據應用情況的KPI?？赡苡腥藭栒f，為什么不能直接把實際業(yè)務應用后的實際效果當做這個KPI？

第一個原因，是業(yè)務達成的因素是多維的，如果用最終的業(yè)務達成與否來指導數據團隊的話，不管對業(yè)務還是對數據都不公平。第二個，也是更重要的原因在于，KPI存在起到的作用是指導和規(guī)劃大家更好地做事。因此，反映數據應用情況的KPI，背后的實質問題是到底什么樣的事情才能反映出數據工具真的在運營中被用起來了？

第一，是標簽/群組，或者簡單來說人群包的應用分布。

• 多少比例標簽/群組時常被使用（不管是投放，再觸達，運營溝通等所有應用方式），多少偶爾被使用，多少從來不被使用。這個指數不僅僅是可以成為判斷數據和人群包有效性的指標之一，同樣可以通過這些人群包使用情況的分析，進一步挖掘出到底現(xiàn)在的數據和業(yè)務實際需求之間的距離。

 （1）舉個淺顯的例子，購買標簽和群組是最常用的群組之一。假設我的工具中分為購買頻次為7天，3天，1天的三個人群組。但是在實際運營中發(fā)現(xiàn)，最常被使用的是7天的人群組，1天和3天的人群組使用率極低，這就非常值得去挖掘背后的原因?？赡苁穷l次設置和品類實際的購買周期有差別，可能是現(xiàn)存的運營武器無法支持這樣的細分顆粒度……不管是哪一個原因，都是解決人群組有效性的好機會和切入口。

第二，是具體各種類型標簽的使用比例。包括事實標簽、規(guī)則標簽、模型標簽、預測標簽等。

• 和前面說的應用分布一樣，標簽使用比例同樣是檢驗你的標簽有效性的關鍵指標。但是和標簽/群組的應用分布有細微的差異，在于標簽使用比例更多是監(jiān)測具體到標簽層面上的有效性，這里面包括標簽獲取和設置本身是否合理，標簽覆蓋率是否足夠，最后才能讓標簽被用起來，主要是診斷標簽設置合理性和健康程度。

最后，是工具對接的數據應用系統(tǒng)數量和使用頻率。

• 這個KPI是主要針對類似中臺的數據工具（比如CDP）而設置的。當他作為中臺出現(xiàn)的時候，數據應用的出口就發(fā)生了改變，主要在不同工具中被應用。因此，和CDP進行對接的數據工具，不管是對企業(yè)內部的生產物流訂單，還是營銷運營用的MA，DMP這樣的工具的對接情況和使用頻次。決定了數據應用出口是不是覆蓋全面，切實被使用。

數據對業(yè)務有幫助嗎？反映業(yè)務增長情況的KPI

解決了數據資產沉淀和應用的問題后，并不是說我們就不需要業(yè)務增長相關的KPI。正是因為業(yè)務增長是一個復雜的多個原因的結果，我們才更加需要增加一些前置條件和要求，從而保證KPI設置既可以確保工具在業(yè)務中的作用得到體現(xiàn)，又不會忽視業(yè)務關鍵動作的作用。

因此，要看工具是不是對業(yè)務增長有改進，主要看的是工具應用前和后之間的變化。

• 第一種，最直接的是看同一類型業(yè)務的核心指標的變化。例如轉化率、單位成本、互動率等等。同時，也要看隨著時間推移，這些關鍵指標在一個較長的時間段內整體變化趨勢。

 （1）這一類的KPI一定是會和業(yè)務共同拍板制定的。比如媒介今年的整體目標是降本提效，在預算降低5%的情況下可以保證相同的流量和轉化。那么在這個整體目標下，精準投放可以提升具體哪個方面？是流量還是轉化？或者有多少是流量多少是轉化？帶著這樣的思考，我們才能設置出具體的KPI。

• 第二種，是工具應用前后，同一類型業(yè)務的工作效率的變化。這里主要是審核是否有通過工具，形成更順暢的工作SOP，進一步加強自動化從而達到效率的提升。比如需要的人力數量，工作流轉時間周期等。這個指標不僅僅適用于數據工具，可以說是所有自動化工具都會關心的一個核心指標。

 （1）同樣，也可以觀察是否有產生的新的業(yè)務方法或改進的業(yè)務流程，新的工作流的建立。

• 最后，就是工具應用后，對業(yè)務宏觀轉化率的提升。在微觀層面上的指標KPI是為了驗證每個微觀的操作是否有效。但是有極大的可能，是具體到每個微觀的業(yè)務動作結果是有起伏的。比如動作A，在年初大促做了有用，年末大促做了沒有用。因此，從長期的角度來看，宏觀業(yè)務轉化率有沒有提升（可能是以年為單位），是一個整體業(yè)務走向的參考指標。

成本還是要看的

上面說了這么多，都沒有說到大家最關心的成本和收益比，并不代表成本不重要。說極端一點，我也可以花錢買下OpenAI公司，讓他們全力支持我做AIGC在公司營銷上的運營，但是這個收益比肯定是大虧特虧。

所以，我們還是要看一個成本與收益比的關系。但是這個衡量標準，更多是工具成本與應用后業(yè)務收入增長的對比。這種對比可以分幾種：

• 自己和自己對比，是不是和去年還有前年比，收益比變好了。

• 自己和理想狀態(tài)比，和我理想中的收益比相比，是更好了還是更差了，有沒有調整空間。

工具的投入和產出，是需要一個比較長的時間的回饋的。而且工具有一個特性，就是他是一種“固定成本”。意思就是一開始的投入成本巨大，但是一旦做出來了，后面第二批人第三批人要用的時候，我不需要重復投入成本，而且后續(xù)的維護成本是會逐年降低的（但是不排除要上新功能）。因此，對這個收益比，一定是配合時間維度來衡量的。

工具的衡量，特別是消費者數據工具這一塊基本可以從上面3個維度來考慮，有機會我們未來也可以聊一下其他數字營銷方面，KPI設定的“哲學”。