博客宏观指标与微观指标的区别从宏观指标开始，利用数据找出"原因"说到产品管理，没有一个黄金标准。连短名单都没有。可用数据的数量和每种产品的独特性使得我们很难在任何规模上提出真正的苹果对苹果产品的比较无论你是喜欢从已有的模板中工作，还是使用全新的方法来报告结果，制定有效的产品成功衡量标准都需要大量的亲自动手解决问题。这几乎总是正确的，因为产品和特性的特定情况-没有一种方法可以在所有类型的产品中跟踪"使用情况"。最好的产品经理有一个共同点，那就是他们善于发明新的KPI。在Sisense，我们的产品团队在开发新的测量方法方面做得非常出色，以找到相关的产品数据并产生可操作的见解。下面是我们的方法。了解宏观层面指标和微观层面指标之间的差异首先，并非所有的KPI都是平等创建的-在安排数据以制定产品决策时，企业服务软件，了解这一点很重要。你最后一次发送电子邮件的点击率与你的年收入不相等。点击率可以很好地衡量一个活动的某一部分的执行情况，但是收入可以作为一个汇总统计来跟踪公司整体的表现我们喜欢把数据分为两个层次：微观和宏观。宏观统计数据（收入、用户数、保留/流失率、转化率等）是我们努力实现的最终结果。它们变化缓慢，受到各种变量的影响。这些目标是整个公司都应该达成一致并具有可见性的。通常，宏观指标与公司内的多个团队相关，需要所有团队共同努力才能实现微型计算机跟踪这些团队朝着更大的目标所做的个人努力。微观关键绩效指标（Micro-kpi）更多地出现在杂草中。与宏相比，微操更细粒度，更容易发生变化。然而，微观是解释宏观运动的关键。知道收入（宏观）高于或低于预期并不意味着什么，除非你能指出原因这就是为什么我们有微型计算机。每个团队都应该有权获得他们所负责的微型计算机的信息。对于上面的宏列表，服务器云服务，希望您可以想象您的团队中有一长串产品micro，它们会以某种方式影响该度量从宏观指标开始，然后转到微观指标宏观指标在公司范围内具有可见性是有原因的——它们对每个员工和每个团队都很重要。当您创建一个仪表板来跟踪产品指标时，超级返利，将受产品影响的宏指标应该在最上面一行设计产品度量仪表板的过程应该反映围绕产品决策的更广泛的过程。它应该从一个关于公司应该达到什么目标的谈话开始，然后回过头来确定产品如何帮助实现目标。同样地，仪表板应该先解决你在宏中的位置问题，然后再讨论你是如何做到这一点的。利用数据找出"原因"为了说明这两个级别的指标，我将分享最近在Sisense发布的一个产品的例子。去年，我们开始在编辑器中提供对Python和R的支持。我关心的几个宏观因素是采用率和创收。因此，我的团队创建了一个仪表板来跟踪这些指标的动态，大数据开发，并深入研究相关的微观指标。在该仪表板的顶部有一行图表跟踪：采用（在用户和帐户级别）新语言支持的总收入随着时间推移细分为业务的收入vs.升级在这些最上面的行号下面，我们还跟踪了大量的微型计算机，以提供更多的细节。例如：在Pythoncode模板使用情况下创建的Rtotal图表中创建的图表总数，按使用情况图表源停止图表创建者用户生存率和继续使用该功能的用户百分比所有这些微信号都告诉了我为什么大数字会这样移动。就其本身而言，我们的用户比其他人更经常访问特定模板这一事实并不是很有价值。但它告诉我更多关于现有用户正在运行的特定分析的信息。我可以利用这些信息帮助新用户从我们的产品中获得更多价值，并最终提高采用率我每天都会检查宏观数据，但我不会根据这些数据做出新产品决策。这些数字都有自己的目标，我专注于团队的进步。我想看到收养率和收入增加，但对我来说更有趣的是原因。每次我检查仪表板时，淘客推广，我都会查看微观图表的第二层，以形成一个数据驱动的假设来解释宏观波动。在我们的《数据驱动产品管理指南》中了解更多成为数据驱动产品经理的提示。Scott Castle是Sisense云数据团队的副总裁兼总经理。他在Adobe、Electric Cloud和FileNet等领先技术公司拥有超过25年的软件开发和产品管理经验。Scott是all things data的多产作家和演讲者，出席过Gartner Enterprise data Conference、data Champions和Strata data NYC等活动。标记：数据团队