数据分析OSM模型

People do not start out with the search for facts,they start out with an opinion.
——Peter F.Drucker

---

前言

分享数据分析OSM模型的理论知识和生产中的实际应用案例，供各位小伙伴参考。

---

一、OSM模型是什么

OSM模型是一套数据分析的基础模型框架。其中：

• O：Object，目标。用户使用产品的目标是什么？产品满足了用户的什么述求？公司、业务、产品、功能存在的目的是什么？
• S：Strategy，策略。用户在什么时候感到述求被满足？
• M：Measure，度量。规划指标体系，追踪产品是否有效满足了用户的述求、达成目标。
  

二、OSM模型的作用

OSM模型是数据仓库指标体系建设的指导思想，理解业务目标是OSM模型的核心；制定行动策略是实现业务目标的手段，度量是策略的支撑和监控。

三、OSM模型的适用场景

• 有明确目标的场景，比如公司年初制定本年计划时确定了本年的目标，那么各部门需要共同努力去达成这一目标。各部门可能业务过程千差万别，需要用不一样的策略，但有共同的目标，只需要根据公司目标细分出自己的部门目标，再根据部门目标思考策略，选择度量即可。
• 复盘场景，比如某部门业绩很差，也可以根据模型定位是哪个环节出现问题。部门目标是否为公司目标的细分（是否有助于公司目标达成），部门所使用的策略是否有效，使用的度量是否能反应问题。

四、案例分享

（一）创业初期的打车APP

1. 案例背景

一款打车软件初创期，刚有一大笔融资，但软件刚上线用户很少。

2. 目标

公司目标为推广打车软件，大量吸引用户。

3. 策略

• 各平台广告推广。
• 使用优惠券吸引用户使用、分享。

4. 度量

• 新增用户数
• 激活率
• 第N日留存率

（二）电商线上活动

• O：提升活动GMV
• S：提升活动流量、提升活动页流量分发效率、活动商品运营
• M：活动浏览人数/时长/退出率、活动入口流量、不同坑位商品点击率/加购/订单量、活动带来的GMV、活动商品的购买转化率、活动商品的点击率/加购/订单量

---

总结

People do not start out with the search for facts,they start out with an opinion.这句话出自管理学之父彼得德鲁克，意为有效的管理者都知道一项决策不是从搜集事实开始的，而是先有自己的见解。
数据分析这份工作的性质决定了它必然需要贴近业务，才能赋能业务，驱动业务。