OSM模型：从商业目标出发建立数据体系
更新: 7/18/2025 字数: 0 字 时长: 0 分钟
1.OSM模型的定义
在考虑过程指标后，首先要做的就是厘清投入/产出之间的关系，把以下3件事讲清楚才能有清晰的行动计划，指导工作开展。
- 目标是多少?
- 如何达成目标?
- 如何监督执行?
这里有一种标准化的梳理方法: OSM模型。OSM是3个英文单词的首字母
- O(Objective): 目标。
- S(Strategy): 策略。
- M(Measurement): 度量。
它是一套业务分析框架，而非算法模型，适用于目标已经清晰、行动方向已经明确的情况。当清晰目标以后，需要制订执行计划。OSM模型就是把宏大的目标拆解，对应到部门内各个小组具体的、可落地的、可度量的行为上，从而保证执行计划没有偏离大方向。
2.制定目标的方法（O：Objective）
举个简单的例子，某生鲜电商App的运营部门收到公司的指令“提升沉睡用户的付费激活率，至少提升至一倍”，这就是一个具体任务，之后可以用OSM模型进行梳理和描述。
第一步：把文字变成数学，用数据指标定义目标，如图所示。
这一步转化非常重要。因为在企业工作中，大部指令都是随口下发的，很有可能根本不可量化。完全不可量化的指令有：“我们要力争上游，加倍努力......”，不可量化就不可执行，对于这种指令必须进一步清晰。
还有些指标是部分可量化的，如:
- “我们要争做行业第一”：行业的什么指标第一? 在多长时间内成为第一? 行业数据以何为准?
- “我们要实现业绩翻倍”：从几月几日的多少，增加到几月几日的多少?
- “我们要扭亏为盈，稳中带升”：是一个月扭亏为盈，还是在一段时间内扭亏为盈即可?
清晰了目标，才能进一步思考工作方法，这一步不做好，后续一切免谈。俗话说，“如果不知道航向在哪里，任何风儿都不会令你满意”，讲的就是这个问题。
制定目标不属于数据分析部门的工作范畴，属于业务部门的工作范畴。在制定目标阶段，“想”做成什么样，比“现在”是什么样更重要。目标主要是由领导们来制定的。但是，数据可以辅助论证实现目标的难度，从而侧面辅助目标制定。
最简单的验证方法是看过往指标的发展态势与目标的差距。举个简单的例子，目前业绩指标为2800万元/月，过往最高环比增长率为17%，平均增长率为8%。制定的目标业绩指标为下一年的月均业绩。
目标制定出来以后，对比过往数值，会有5个状态(见图，图中显示了前4个状态)：
(1) 挑战难度：巨大
如果过往最高值x过往最高增长率都无法达成目标，那么这不光反映出了目标制定得高，还有可能意味着现有的办法无法达成目标，要找新方法，因此难度巨大。
(2) 挑战难度：艰难
过往最高值X过往最高增长率可达成目标，但过往最高值x平均增长率无法达成目标这种情况下实现目标的难度略低，但仍具有挑战性，需要保持住当前的增长态势。
(3) 挑战难度：一般
过往少部分月份的业绩可达成目标。这至少说明过往有成功案例。有成功案例就有标杆可以参考，有数据可以分析。虽然看起来实现难度高，但是还是有迹可循的。
(4)挑战难度：简单
过往大部分月份的业绩可达成目标。此时有更多的经验和数据，且目标看起来没那么高，员工的积极性也高，实现目标相对简单。
(5) 挑战难度：“躺赢”
过往全部月份的业绩都可以达成目标。这种就是守成型目标，只要稳住就行，看起来似乎是“躺着就能赢“（只要不是整个业务处于连续下跌的状态就能实现）。
当然，还可以结合投入/产出比等数据分析目标的实现难度。理论上，即使是挑战难度巨大的目标，只要有足够的资金、人力投入和发展时间，也是有可能完成的。最怕的就是目标制定得高，投入少，发展时间短，所谓“多快好省”是一定会出问题的。
通过数据检验目标，并非一定要推翻目标，而是让决策者清楚目标的实现难度与所需的资源，从而合理配置资源，安排工作;也让执行团队清楚目标的实现难度，找到可学习的标杆从而更好地找到落地办法。
当然，在制定目标时，有一些内容是要尽力避免的。
- 不可量化的大话、空话、套话。
- 容易造假的过程指标，比如注册人数、页面访问量。
- 可以轻易用资源投入提升的过程指标，比如活动参与率、活动人数
- 在不考虑产出的情况下，一味压缩成本指标。投入/产出是有关系的，成本低，产出也没保障。
这些做法很容易引发业务的“虚假繁荣”，最终拖累业务的发展，要特别警惕。
3.制定策略的方法（S：Strategy）
有了目标以后，可以继续讨论落地策略。下面还是以某生鲜电商App来举例，策略制定可以考虑图所示的内容。
在制定策略的时候要注意以下几个方面的内容。
(1) 策略是具体可执行的动作
比如发短信提醒、发优惠券、选择特供产品等，这些都是具体的动作，能用数据监控，也能切实让沉睡用户觉得再买一次菜很划算。因此，在制定策略时需要落实到具体可执行的动作上。
这里最常出现的错误是把策略当成了目标的分解，具体如下。
- 策略一：要唤醒华东地区的沉睡用户。这是把目标按地域进行了分解。
- 策略二：要提高沉睡用户的登录率。消费 = 已注册沉睡用户 X 登录率 X 付费率，这还是在分解目标，只是基于购物流程的分解。
还有一种错误是策略与目标没有直接的关系，或浮于表面，具体如下。
- 策略一：运营小组的同事们要团结一致。这是口号。
- 策略二：运营工作要真抓实干，加强常规服务，减少用户流失。这是浮于表面。
- 策略三：要做大规模品牌宣传，提高品牌知名度。这是绕弯子。品牌宣传能唤醒沉睡用户但它是广撒网式的宣传，并不是直接的唤醒沉睡用户手段。
为了避免这些错误，最好梳理一下有哪些手段可以直接产生效果。比如要唤醒沉睡用户，最常见的方法就是通过短信、电话外呼、朋友组队等方式。先把这些手段列出来，再对这些手段按轻重缓急进行排序。
(2) 策略要分先后顺序
制定的策略可能有很多，要先排序，不然无法做出合理的计划。比如对于沉睡用户的唤醒，首先要解决的是用户触达的问题。既然用户已经长时间没有登录App了，那么他很有可能已经卸载了App。
这时候，第一步：要先解决用户触达问题，分析App内部信息推送、短信推送、电话外呼.朋友组队......到底哪种方法效果好。
第二步：是分析用户触达以后，用什么内容/产品可以吸引用户下单。
第三步：是分析哪种产品的优惠力度有吸引力等，这样层层深入才能做到有条不紊。
因此，对策略的梳理最好按一定的逻辑展开，比如在上例中是按用户购物流程进行梳理的。
(3) 策略要能量化监督
比如“提高员工对沉睡用户的重视”，可能是一个重要的策略，但“重视”本身无法量化因此直接把策略定为”提高重视“，就会让这个工作变得无法落地。此时，可以对“提高重视的具体手段进行量化”。
- 举办一场介绍流失用户重要性的培训。
- 进行一次问卷调查，调查员工对沉睡用户/活跃用户的重视度。
- 在X月X日前，提交解决沉睡用户的方案。
- 对于沉睡用户的资源投入，需达到X%以上。
以上这些均是可量化的指标，且能否反映员工是否重视沉睡用户，之后即可进行监督了。
4.制定度量指标的方法（M：Measurement）
制定策略以后，就能对每一条策略进行量化了，从而定义衡量策略的指标，如图所示,
TIP
度量是对策略的执行情况和执行结果进行监督，保障策略执行到位。在很多情况下，业务发展不好并非策略问题，而是策略的执行没有到位。
5.OSM模型的使用方法
OSM模型有正向和反向两种使用方法。
(1) 正向使用OSM模型
在项目开始前，分解大目标，明确行动和每个行动考核指标。这就是上面的例子所演示的工作流程。企业想要实现数据驱动，理应这么工作。
(2) 反向使用OSM模型
在项目前期没有做什么筹备，事后复盘发现一堆问题，这时想要检讨为什么出问题了，可以反向使用OSM模型，把项目中的策略一一梳理出来。把衡量策略的度量指标整理出来，之后再看这些策略和目标之间有没有关系。
在没有实现数据驱动的企业里，反向使用OSM模型的用处更大! 因为很多企业就是“事拍脑袋，出事拍大腿”，在项目策划推广阶段压根没有想清楚，只是因为以下原因才去做的：
- 过去这么做，所以现在这么做。
- 别人这么做，所以自己照着做。
- 领导说这么做，所以自己听着做。
至于这么做有没有影响、能有什么影响、影响到了谁、与大目标有没有关系、与大目标有多大关系完全不知道，这时候对于这些内容重新复盘是很有必要的。
通过OSM模型对问题进行梳理后我们能发现: 策略与目标到底有没有关系，策略的执行到底有没有到位，从而发现问题。
还是用上面的例子，如果事先没有厘清逻辑，通过“拍脑袋想策略”，则很有可能得到以下几种有问题的策略。
(1) 听着厉害但没用的策略
比如建立精准的用户流失预测模型。这听起来很厉害，可实际上预测完了用户流失对指标有改善吗？单纯预测用户流失并不能让用户回来，最后还是得发信息、发优惠券。没有模型这些照样得做，有了模型这些也得做。
(2) 有用，但只有局部用处的策略
比如在App内发优惠券。注意，上述案例中的场景是针对沉睡用户的。所以单纯地在站内发优惠券，只能影响仍在登录App的部分用户，影响不了其他沉睡用户。此时分析沉睡用户的登录比例数据就能看出策略的局限性。
(3) 全局有用，但用处有限的策略
比如设置签到有礼、浇水种树送果实等小游戏。虽然别的App也设置了，看起来能影响用户行为，但是执行效果到底如何？能否促进沉睡用户转化，还是仅仅吸引了活跃用户参与，需要结合其度量指标一一分析，从而发现执行中存在的问题。
总之，使用OSM模型能有效避免“拍脑袋做事”，建立清晰目标—>行动—>结果的逻辑链条有了这样清晰的链条，后续就能建立监控体系，系统监控业务发展走势了。