互联网数据产品指标体系设计在新能源车企的实践.docx

互联网数据产品指标体系设计在新能源车企的实践22年初，笔者转行到了新能源车企的自动驾驶业务部门，截止到11月初把公司内自动驾驶业务下的部分数据产品也从O到1搭建、运营了起来，如指标体系、标签体系等。而上述这些产品都借鉴了之前在互联网行业的一些方法，并且取得了一些不错的效果。今天我就通过本篇文章和大家聊聊新能源车企（自动驾驶域）指标体系相关数据产品参考互联网行业方法的实践。一.互联网指标拆解方法回顾在互联网行业，设计指标的方法是：一横一纵。横，指标结构的分类，通过业务层级结构对指标结构进行分类。以商超、电商营销域指标体系为例，营销通常是以活动的形式进行，先找出业务的核心关注点，即：营销（流出去的优惠费用）+销售（流进来的营收）。那我们就可以把营销域按照营销、销售先分为两类。了解过商超、电商业务的同学应该知道，如果再往下拆解，营销又可以分为两类：营销类型、营销来源。营销类型是优惠券、返利等营销类型；而营销来源，即这个营销费用来自供应商还是平台等。按照这个思路，我们就可以依照业务关注点再一层层拆解，最终就得到了指标体系的结构。纵，指标的细分，通过杜邦拆解的方法找出需要关注的具体指标。先学习下杜邦拆解，网上有很多解释，我这里给一种简单的释义：将指标按照数学关系拆解出因子指标。还是以商超、电商营销域指标体系为例，先找出北极星指标，即：销售额。再按照杜邦拆解找到不可以再拆解的所有指标，例如销售额=客单价*下单用户数，客单价=实付金额+促销金额，按照这种方法一层一层拆解即可。二、新能源车企的指标体系设计实践在设计ADAS行车功能模块的指标体系之初时，面临的问题是指标从O开始设计、业务也从。开始学习、部门高层们也没有太多想法。既然接受了任务，干就完了。1 .横，梳理指标体系结构当时一级部门目标有4点：1 .（功能线路）供给可用率*%2 .辅助驾驶主责事故*次/亿公里3 .用户满意度*4 .投诉率*%围绕这4个目标，可以倒推下指标体系的主体结构。供给率代表的是功能渗透，事故率代表的是功能安全性，满意度、投诉率可以统一到功能满意度。因为是针对功能的指标体系设计，所以可以再借鉴下互联网对产品功能基于成熟度的划分：能用好用易用。结合行车功能的成熟度评估标准，能用即可用，好用即舒适度，易用即效率和连续性，整个指标的主体结构就搭建好了（如下图）：（功能线路）场可用率辅助驾驶主责事故 ;部门目标互联网产再一层层拆解后，指标体系的结构基本初见面貌，部分展开如下:功能渗透里程覆盖用户活跃功能安全性功能事故用户接管ADAS行车功能指标体系功能可用功能抑制功能退出横向体蛉纵向体验超车变道效率和i三S性导航变道2 .纵，细分拆解指标功能指标拆解可以套用杜邦拆解的方式，如用户接管分类下，用户接管率=预期接管率+非预期接管率，还可以按照紧急度，再拆解为紧急接管率、非紧急接管率。因为功能指标有一定的业务属性，有些指标在按照杜邦拆解的方式时，还得结合功能的场景来拆解。以导航变道分类为例，连续性需要关注成功率，而导航变道成功率就得基于功能场景进一步拆分为：主路调整成功率、汇入主路成功率、驶出主路成功率。依赖上述的结构和拆解指标，终于确认了标准的指标体系。同时在可视化展示设计时，也按照这种标准结构进行了划分，方便了各业务方对功能指标理解达成了一致。最后的结果也大家分享下，相关数据应用已经服务了自动驾驶的体验设计、功能研发、线路供给、订阅运营等团队，并协助体验经理推动了研发对相关功能稳定性的优化，推动解决了匝道高精地图覆盖率低的问题等。结语在上篇产品文章中，曾引用过让大象飞中的一句话：所有的创新都是从模仿他们之前的某种东西开始的，这就是我们学习的方式。我想在这节课中，这句话依旧可以借鉴。从互联网转行进入新能源车企近两年的时间里，之前积累的知识依旧可以在新的领域支撑着我的工作。除了本文提到的指标体系设计有了成功的实践外。在自动驾驶-安全域的场景库设计中，我参考人、货、场的电商场景结构，对驾驶员信息、车辆信息、场景信息进行了拆解展开，最终的整理也收到了算法、业务同学的一致好评。这篇文章就到此结束了，后续的产品文章中，有机会我将再补充一些案例分享给大家。如果你有其他想法，欢迎在下方留言评论