投稿问答最小化  关闭

万维书刊APP下载

写论文如何构建指标?

2024/10/30 8:46:07  阅读:282 发布者:

论文的指标选取一般来说来源于前人的研究,尤其是那种大佬提出的指标或者是很多论文都用的指标。别自己创造,最好,不是别的,我们不是大佬我们不怎么配,说实话现在的论文大部分也就是把别人的东西整合一下,然后稍微调整就是你的创新,创新这个东西,暂时在国内,也就是牵强复议(对我们来讲)因为我们大部分都是学生,没人感兴趣你的创新,他们眼里你的创新大部分没什么价值

以目前写论文主要目的是学习规范和一些基础的常识为主,指标选取最好依托于前人研究,然后排列组合!论文指标就水出来了

什么是指标体系:

指标体系=指标+体系,简言之,就是一系列相互关联的用于衡量业务发展状况的指标的集合,指标是对业务单元的度量值,使业务可以描述、度量和拆解,而体系往往由一系列观察和思考业务的角度组成,即一系列的维度构成。

指标举例:UV(活跃用户数),PV(活跃次数),升级用户数,留存率,注册用户数,人均使用时长

维度举例:常见的时间、地域、用户行为等修饰词,如日,7日,中国,安卓,访问首页等

在数据指标分析领域,维度是不可缺少的一部分,离开维度谈指标可谓耍流氓

指标+维度举例:如果以日常监控或分析为目的,运营一般会选择按日进行监控,如每天注册用户数、日活等;如果是汇报或者宣发场景,可能会有按月、年、历史累计等维度做汇总,如某年度新增注册用户数等

为什么要搭建指标体系

衡量业务发展状况,通过监控指标体系看清业务发展,并针对性调整业务策略,确保业务良性增长

统一公司内各部门间的业务口径,减少沟通成本

指导基础数据搭建,从数仓到数据报表、数据产品的应用层面,严格参考数据指标体系建设,确保指标一致性

指导数据分析,各业务部门自行分析数据时,可在一致性的 指标体系的基础上搭建场景化的分析模型、报表

几个常用的数据指标体系搭建方法论

1、科学分析思维搭建——OSM模型

OObject,即业务目标,在搭建模型之前,我们先思考一个问题:我们的业务、产品、甚至是其中的一个功能存在的目的是什么、能够解决用户什么问题、满足用户的什么需求?

SStrategy,策略,清楚业务目标之后,为了达成上述目标,我们应当采取什么样的业务策略;

MMeasure,度量,即选择合适的指标用于衡量我们的策略是否有效,反应目标的达成情况

举个栗子:一个电商APP,核心功能是搭建一个线上购物渠道,并帮助用户和商家达成最终成功交易的目的,对于平台来说,商业模式无非几种:

1)商家入驻费用;

2)告收入,对电商平台来说,广告的最终目的也是需要导致成交,成交效果不好,广告收益自然会下降;

3)交易佣金,佣金往往是交易额的一定比例;貌似亚马逊的佣金高达15%,题外话哈哈;

4)自营,自己采买自己卖,赚差价;

商家入驻费用往往是个固定的标准,只有后三者才能通过运营手段进行提升,所以我们考核电商产品的核心指标一般都会采用交易额(GMVGross Merchandise Volume);

接下来,我们思考采取什么样的业务策略,使得交易额得到提升呢,不妨想想交易额是怎么来的:首先,用户访问app,产生了流量(UV),但不是所有的用户都会购买商品,只有部分用户最终会下单,也就是说从访问到交易的环节会产生一个漏斗,即流量转化率;接着,下单的用户会产生交易额,所以,交易额=UV*转化率*客单价(人均交易额),根据数学公式,我们想要提升交易额,可以通过提高访问流量、提高转化率或提高客单价来实现;事实上,这就是一个将结果指标拆解为过程指标的过程;

最后我们发现运营就UV、转化率和客单价三个指标来说,好像没有办法下手去怎么提高呢?那就接着拆解,MECE原则或者说拆出来更细粒度的指标你是否可以通过运营手段直接作用于它,例如

UV:流量的衡量,一般想三个问题点:哪里来的,怎么来的,啥样的?从流量来源看,可以分为广告引流、自然流量、联盟流量等;也可以从流量启动方式的角度,例如通过push通知来的、朋友分享链接启动的app、桌面主动点击app启动的等;还有流量的结构分布如新老访客的占比等;对于业务的来说,这些细分维度是可以直接通过运营手段作用并且会及时在数据上得到效果验证的,从而达到改善流量结构健康度的目的

转化率:用户下单的瞬间往往是由一个强烈的触点触发的,这些触点往往是一些资源位(首页的栏目和频道、固定iconbanner等)、商品详情页以及像秒杀、百亿补贴之类的优惠活动,所以转化率可以按资源位维度进行细分和运营;

客单价:客单价=成交金额/成交用户数,也就是平均每个用户成交的金额,相同用户可能会购买多笔,因此,我们可以把客单价拆到笔单价上来监控:客单价=笔单价*人均购买笔数,所以提高笔单价和人均购买笔数可以提高客单价;此外,连带率也是个间接影响客单价的指标,连带率指每笔订单中的销售sku件数,这个指标有很强烈的实际意义,大家都听过的啤酒和尿布的故事,在实际运营中,我们可以根据商品的关联性设计捆绑销售,来提升每笔订单的商品数进而提升笔单价

在论文中,常用的几个指标包括:

引用数:衡量论文被其他研究者引用的次数,反映其影响力。

影响因子(IF):期刊的指标,计算两年内发表论文的被引次数总和除以论文数,用于评估期刊的影响力。

AUROC(曲线下面积):特别是在推荐系统和分类问题中,衡量模型区分正负样本的能力。

FWCI(领域权重引用影响力):评估单篇论文或学者在特定领域内的引用情况,相对于领域平均的引用表现。

ESI高被引论文:指在特定学科领域内被引用次数进入全球前1%的论文,标志研究的热点和影响力。这些指标在不同领域的论文评价中扮演着重要角色,从期刊质量、论文影响力到具体研究的评价都有涉及。

转自蓝境数据微信公众号,仅作学习交流,如有侵权,请联系本站删除!


  • 万维QQ投稿交流群    招募志愿者

    版权所有 Copyright@2009-2015豫ICP证合字09037080号

     纯自助论文投稿平台    E-mail:eshukan@163.com