指标体系一般基于某种引导或管理的目的建立，用于全面地衡量和监测某人或某事在某个被关注的角度的表现情况。在B端产品或策略指标的搭建中，我们往往会先对相关现状进行了解，并从实际从事相关工作的用户那里获取信息，然后再根据实际管理的需要，建立一个有指导性的指标体系。这个指标体系运行一段时间后，我们可以再根据大家的反馈，进行进一步的调整。
如果指标的制定者本身对现状非常了解，或者指标并不复杂，那么是可以由管理者直接敲定一套指标，然后通过数据监测，及用户主动反馈的情况进行校正。而当指标的复杂性比较大时，通过访谈、问卷等用户研究方法，来获得更全面、深入的对现状的理解，并在此基础上搭建指标并校验调整，则是一种更全面、有效，风险更小的方式。
在本次房源管理指标的搭建中，我们即是借鉴了类似的思路。接下来，笔者将具体梳理这个案例，总结出一套可复用的，B端指标体系的搭建方法。本文将主要分为以下几个部分：
- 如何确定指标的定位
- 如何收集可用的指标
- 如何给指标分层
- 基于指标的应用
如何确定指标的定位
从业务场景出发，明确指标的用途；与现有的其他指标对比，回答有什么不同——这两点有助于我们更好地为指标体系定位。
1.从业务场景出发，明确指标用途
以房源维护项目为例：2019年底，B端房源运营组从数据上发现，当前房源管理的状态是两头紧，头部房源和尾部房源占比少，大部分房源处于粗放管理状态。这导致的结果是房源看上去很多，但实际可卖的房源不多，头部的房源被快速去化后，没有足够的可卖房源被加工上来，所谓“优秀房源”的标准也可能被放低。
图1 交互模式与UI组件的关系
而经纪人为什么缺少自发加工中间房源的动力呢？通过调研，我们发现：
1）经纪人对“哪些房源更值得被维护”的理解各不相同，可能没有找对维护收益高的房子。
2）部分经纪人不清楚哪些维护动作是有效的。这里的“有效”体现在更好地把控业主，和更明确地提升了房源质量（如房源大数据打分提高等），最终指向实际的成交。
3）经纪人的更多精力放在了客户上，没有维护房源的习惯。
因此，我们要做的这套指标，是与成交挂钩的具体维护动作的指标体系，并且基于这个指标体系，我们能指导经纪人找到对应的房，做更有收益的维护动作。
当然，由于一部分动作还没有被线上化，我们在一开始难以测算维护动作和实际成交的关系。所以在第一阶段，将动作和用户感知到的成交挂钩，不失为一个替代方案。
看到这里，有同学可能会提出，我们不是已经有一些给房打分的指标体系了吗，为什么我们还要额外花成本再做一套呢？那么下一段，我们就来回答这个问题。
2.对比已有指标体系，找到不同点
我对指标体系的一个基本的理解，是指标要围绕业务目标建立。当要达成的目标不同时，我们可以在原有指标上修改，但不能被它限制。
以大数据打分指标为例，这个打分包含房的基本属性、房源热度、业主意愿、经纪人动作等维度。它主要是围绕“房”本身进行的，和房源维护动作的关联维度少，部分维度无法通过人力改变，如房源的基本属性（楼层、装修等），部分维度和动作的关联不直观，如“客源热度”不能直观联系到某个维护动作。
整体来说它更像是一种状态的描述。而我们期待的维护管理指标，最终是要落到可管理的经纪人动作上，是只要做了某些事，这个指标分数就能上升的指标。
从对业务场景的分析，和对已有指标的对比，我们可以更好地找到新指标的定位。这个定位在房源维护项目中，就是“以房源维护动作为基础，与成交挂钩”的指标，且这个指标的从管理的角度提出的，最后会被用到动作管理的策略中。
如何收集可用的指标
基于指标体系的定位，在收集这个环节要做的事情就非常清楚，其一是尽可能“全”地收集维护相关的动作；其二是尽可能“准”地圈定出成交相关的动作。
对维护相关指标的收集可分为两步：一是总结线上已有的数据指标；二是获取线下实际作业和管理中使用的指标。
从现行的评价体系和业绩制度中，笔者首先找到了角色人动作、维护人动作、业主动作3个类别共15个动作指标。
有了这些指标素材后，我们还需要找线下专家来对指标进行补充和修改。这一步实施前还需要解决两个问题：其一是为什么要找线下用户来确认而不是直接通过线上数据来验证；其二是，如果要找线下用户，应该找谁。
首先，解答找用户确认的必要性。其一，线上数据不全。早期可能因为重要性和可行性的原因，一小部分指标没有被线上化，我们无法从线上定量评估它的重要性；其二，数据失真。我们从线上监测到的数据，可能有作弊嫌疑，从线下了解可能有更真实的反馈。
其次，应该找哪些用户来问的问题。从了解维护现状的角度，我们很容易想到询问维护动作的执行者（经纪人）和接受者（业主）。在业主方面，目前已有一些相关的基础调研。要对维护动作做细化，可以先询问经纪人。从经纪人的描述中，我们可以直观感受到被要求的维护动作实际执行中的水分，以及他们认为应该做的动作及原因。
通过对经纪人的预调研我们发现，经纪人实际做的维护动作很大程度上受到上级的管理，对于普通房源的维护动作维持在一个不被掉池（维护不好的房源会进入“共享池”）的状态，对于心中的优质房源则会做很多非常个性化的维系感情的动作，比如帮忙接送孩子、打扫房子等等。因此，除了维护动作的执行者，找到规则的制定者能够获得更直接的、有支撑依据的判断。
在对各层管理者的预调研中，我们发现大区总是管理方式的主要输出者，在加盟体系中，部分店东受到区域经理的指引，另一部分店东则是有一套自己的管理方式。因此，在实际的调研中我们进行了更体系化的信息收集，主要收集对象是大区总、区域经理、个别店东和经纪人。
图2 维护规则传达情况
通过线下调研，我们将原来的15个指标补充到了26个指标，补充的指标主要和经纪人多样化的线下推广动作（如组织空看）、业主的动作（如阅读销售周报）等有关。
除了增加指标的维度，我们也确定了不同维度对应的考察细项。整体原则是根据各种动作实际发生的频次确定时间跨度，如降价次数用“月”来衡量，电话或文字跟进用“周”来衡量。对于受基数影响大的，使用比例衡量，如房源陪看率等。收集完指标后，就是对指标进行分层了。
如何给指标分层
上文中提到，最终衡量指标重要性的标准是与成交的相关性，包括实际成交的情况和用户感知到的成交的情况。除此之外，还需要从管理的角度出发，结合当前的各类动作达成的难度，进行适当的调整。基于这三个思路，我们尝试对指标进行分层。
1. 根据用户感知中，不同指标与成交的关系来分层
1）将指标按照不同属性分成了三道题，减少用户认知负担；
2）选定一个预计选择比例会处于中间位置的指标作为锚点，在三题中限定相同比例的可选数量来进行横向对比；
3）采用限定可选的总数来替代排序。
图3 多选项排序题示例
通过这种方法，我们可以在用户负担比较小的情况下，获得所有指标的相对排序。结合定性访谈，我们可以了解用户做出判断的依据，哪些动作与成交最相关，以及哪些动作应该对所有房源做，哪些动作应该对优质的房源做。
总结后，首先可以删去定性和定量反馈中，表现均较差的指标（如业主阅读销售周报的次数等）。其次，我们可以根据哪些动作对重点房源做，将动作分为基础动作和升级动作。到这里，我们就已经获得了一个初步的指标框架。
2.根据动作指标与实际成交在数据上的相关性分层
得到初步的指标框架后，我们委托大数据部门，对实际的数据进行了测算。据了解，大致测算思路是，对已成交房源的各类指标数据和成交周期的相关性进行测算，基于相关性进行赋值并给出可运行的指标框架。
3.结合动作达成现状，调整动作权重
在前期，尤其是对于维护动作做得不好的城市，我们可能更倾向于给只要努力就能做到的基础动作更高的权重，来牵引大部分经纪人先做好基础维护。而后期，根据每个城市的房源维护动作达成的情况，我们可以再调整指标。
指标上线后，根据各层经纪人实际达成动作的情况，也可以看出指标本身达成的难易情况，进而验证分层结果。达成多的容易做到，少的不容易做到（如下图所示，低分人群达成动作1、动作7和动作14的比例最高，说明这三个动作是相对容易达成的）。基于数据结果可进行进一步调整。
图4 各层人群完成各动作的比例
同样，也可以就单个城市的各指标达成情况来调整，如在北京经纪人整体上都能把基础动作做完，那么我们可以调低基础动作的权重，甚至将某些动作改成减分项，进而牵引经纪人去做更多高阶的动作。
基于指标的应用
基于指标体系收集数据后，我们能够建立“线上获取执行数据，验证和优化规律——指导线下动作执行”的闭环。同时，它将是成为衡量房源维护质量和经纪人维护能力的基础工具。
当前，该指标体系已经很好地支持了原来设想的房源分层维护产品，经纪人能直观了解自己应该做什么来提升房源维护质量，管理层也因为有了这个指标而有了更明确的管理抓手。此外，所有和维护有关的产品或者运营策略，都可以在这个基础设施上进行构建。
总结
在建立房源维护指标体系过程中，使用的用户研究方法其实是比较基础的，不论是访谈、问卷等研究手段，还是描述性统计、相关分析等统计方法。整个调研的性质，也是较经典的先通过基础调研，对整体的经纪人行为进行描摹，再带着更明确的假设点，去验证我们的思路是否合理。
其中最主要的挑战点，还是在于最初怎么给指标体系定位，通过什么方式能更快而准地收集到想要的信息。在基础研究中，我们也是带有一些侧重点去获取信息的。就我个人而言，每一步调研实施之前，我都会尽量想清楚为什么做，以及有没有必要做。
对维护指标搭建中用研的工作进行抽象，即是①基于业务目标、对比类似指标确定新指标的定位，②找到关键角色，收集可用的指标，③通过主客观结合的方式给指标分层，④根据指标的性质给出一些应用的场景，在应用场景中迭代完善指标。最终形成从线下获取数据，形成数据洞察后再指导线下动作的闭环。
以上即是我对用研方法在B端指标搭建中的一些思考，希望能给大家带来一些输入。
