注:此文有大量原文引用,但並無牟利目的,如涉及版權問題,請通知本人下架。另禁止轉載。
[格式]
原文摘錄
我的批註
如何利用數據更好創業 ——《精益數據分析》讀書筆記
僅看第一部分, 即前4章節
本書的最終目的就在於教你如何利用數據更快、更好地創業。
第 1 章 我們都在說謊
1 創業者更需要說謊
怎麼說慌
- 對自己說謊
創業者尤其擅於對自己說謊,說謊甚至可以說是創業者取得成功的必備條件。
- 對別人說謊
畢竟,你需要在缺乏充分實證支持的情況下,讓別人相信你所說的是真的。你需要信徒對你相當地信任。
爲什麼要說謊
創業者需處於一種半妄想狀態,方能直面創業過程中不可避免的高潮與低谷。
確實很多成功人士都有迷之自信
撒點小謊是必要的。微小的謊言創建了你的現實扭曲場,可謂是創業者的必備要素。
第 2 章 創業的記分牌
數據分析離不開對企業關鍵指標的跟蹤。
1 什麼是好的數據指標
- 好的數據指標是
比較性
的
“本週的用戶轉化率比上週高”顯然比“轉化率爲2%”更有意義。
好的數據指標是簡單易懂的
好的數據指標是一個比率
而不是太過具體的數字
2 不同維度劃分的指標
定性指標與定量指標
定量數據
排斥主觀因素;
定性數據
吸納主觀因素。
虛榮指標與可付諸行動的指標
① 解釋
如果你有一個數據,卻不知如何根據它採取行動,該數據就僅僅是一個
虛榮指標
每當看到一個指標,就應該下意識地問自己:“依據這個指標,我將如何改變當前的商業行爲?”如果回答不了這個問題,你大抵可以不用糾結於這個指標了
② 例子
考慮這樣一個例子:“總註冊用戶數”(或“總用戶數”)其實就是一個虛榮指標,這個數字只會隨着時間增長(經典的“單調遞增函數”)。它並不能傳達關於用戶行爲的信息:他們在做什麼?是否對你有價值?他們中的很多人可能只是註冊了一下,就再沒有使用過。
“總活躍用戶數”稍微好些,前提是你對“活躍用戶”定義正確。但它依然是一個虛榮指標,也只會隨着時間增長,除非你犯了什麼嚴重的錯誤。
這裏真正應該關注的指標,即可付諸行動的指標,是“活躍用戶佔總用戶數的百分比”(活躍用戶佔比)。
另一個值得關注的指標是“單位時間內新用戶的數量”(或“新用戶增速”),它對比較不同營銷手段的優劣往往很有幫助。
③ 8個需要提防的虛榮數據指標(模式)
創業者容易迷戀“看上去很美”的單調增指標。以下是八個臭名昭著的虛榮指標,對它們敬而遠之吧。
點擊量 。這是互聯網洪荒年代所使用的指標,隨便什麼網站,只要上面可點的東西多,這個數字都會很高。相比之下,你更應統計點擊的人數。
頁面瀏覽量(PV值) 。這個指標只比點擊量稍好一點點,因其統計的是網頁被訪客請求的次數。除非你的商業模式直接與PV值掛鉤(即展示廣告),你還是更應統計(訪問的)人數。
訪問量 。你的100訪問量究竟來自於1個訪問了100次的用戶,還是100個訪問了1次的用戶?它無法指導行動。
獨立訪客數 。只能顯示有多少人訪問了網頁,卻不能告訴你這些人在頁面上做了什麼?他們爲什麼停留?是否離開了?
粉絲/好友/讚的數量 。計算粉絲/好友的數量只是一場毫無意義的人氣比賽,除非你能讓他們做對你有利的事。你在社交平臺上振臂一呼時,有多少粉絲會響應?只有知道了這個數字,他們纔對你有意義。
網站停留時間(time on site)/瀏覽頁數(number of pages) 。用這兩個指標來替代客戶參與度或活躍度並非明智之舉,除非你的商業模式與這兩個指標相綁定。而且,它們並非一定能說明問題。比如,客戶在客服或投訴頁面上停留了很長時間,不見得是什麼好事。
收集到的用戶郵件地址數量 。有很多人對你的創業項目感興趣,這很好。但是,如果不知道他們中有多少人會真正打開你的郵件(併爲你郵件中的內容買單),縱使有再多人在你的郵件列表上也是枉然。更好的做法是:向一部分註冊用戶發送測試郵件,看他們是否會按照郵件中的提示去做。
下載量 。儘管有時會影響你在應用商店中的排名,但下載量本身並不帶來價值 4 ;你需要衡量的是:應用下載後的激活量、賬號創建量,等等。
探索性指標與報告性指標
唐納德曾說:世界上的事物可以分爲這樣幾類:
- 我們知道我們知道的,
- 我們知道我們不知道的;
- 我們不知道我們知道的,
- 我們不知道我們不知道的。
具體解釋如圖:
相比之下,“我們不知道我們不知道的”與創業的關係最緊密, 是探索性指標
我們要主動探索
先見性數據指標與後見性數據指標
① 解釋
先見性指標
(或稱先見性指示劑 )可用於預測未來。比如,透過“銷售漏斗”中現有的潛在客戶數,你能大致預測將來所能獲得的新客戶數
後見性指標
能提示問題的存在,比如用戶流失 (即某一時間段內離開某產品或服務的客戶量)
不過,等到你有機會收集數據,找出問題,往往爲時已晚。已流失的用戶不會再回頭
後見性和先見性的數據都可以指導行動,區別只是先見性數據能預示將來會發生什麼,縮短迭代週期,精益求精。
前提是他本身是可付諸行動的指標
② 例子
在一個企業級軟件公司,就銷售業績而言,季度新訂單量是一個後見性指標。相對應地,新增潛在客戶量是一個先見性指標,它能幫助你提前預測未來的銷售業績。
③ 兩者關係
在一個公司中,某一團隊的後見性指標有時是另一個團隊的先見性指標。例如,季度訂單量對於銷售團隊而言是一個後見性指標(合同已經簽訂了),但對於財務部門來說,它是一個可以指示營收預期的先見性指標(因爲客戶還沒有支付合同金)。
相關性指標與因果性指標
① 解釋
在兩個數據指標之間發現相關性
不是一件壞事,發現相關性可以幫助你預測未來
而發現因果關係
意味着你可以改變未來
② 拓展: 大公司有能力測試相關性指標甚至因果性指標
如果擁有一個足夠大的用戶樣本,你甚至可以不用太考慮變量控制就能完成一個很可靠的測試,因爲其他自變量對因變量的影響最終會被樣本數量拉平,這就是爲什麼谷歌有能力測試超鏈接顏色等細微影響因素,爲什麼微軟能夠很明確地知道網頁加載速度快慢對搜索量的影響。
但是對於大多數創業公司而言,你需要儘量簡化你的測試,在很小的樣本容量下進行試驗,並比較這些測試爲你的生意帶來的改變。
3 分析方法
市場細分
簡言之,細分市場就是一羣擁有某種共同特徵
的人。
例子:
如果有特別多的高參與度用戶來自澳大利亞,你就可以開展調查,找出原因,再將成功要素複製到其他人羣中。
同期羣分析
比較的是相似羣體隨時間的變化
。
每一組用戶構成一個同期羣
,參與整個試驗過程。通過比較不同的同期羣,你可以獲知:從總體上看,關鍵指標的表現是否越來越好了。
例子:
下例說明同期羣分析對創業公司的重要意義。在表2-3中,我們根據用戶在網店上的“店齡”來劃分數據。這顯示了另一個重要的數據指標:用戶消費是如何自首月起迅速衰減的。
4 A/B和多變量測試
- 1 A/B測試
① 解釋
假設其他條件保持不變,僅考慮體驗中的某一屬性(如鏈接的顏色)對被試用戶的影響,就是A/B測試
。
例如:
向半數用戶展示一個綠色鏈接,對另一半用戶展示藍色鏈接,觀察哪種顏色的鏈接點擊率更高就是一種橫向研究。
拓展:
比較不同羣體的同期羣試驗被稱爲縱向研究
,因爲數據是沿着客戶羣體的自然生命週期收集的。相對應地,橫向研究
指在同一時間段對不同被試羣體提供不同的體驗。
所以A/B測試屬於橫向研究
② 缺點
A/B測試看似簡單易行,實則有一個軟肋。只有用戶流量巨大的大型網站(如微軟必應、谷歌)能對單一的因素(如鏈接顏色、網頁速度)進行測試並迅速得到答案
- 2 多變量測試
① 解釋
進行一連串的單獨測試會延長你走向成熟的週期。與其如此,不如採用多變量分析法同時對多個屬性進行測試
同時改動產品的多個方面,看哪個與結果的相關性最大.
5 總結
精益數據分析的核心在於如何找到一個有意義的指標,然後通過試驗改善它,直到令你滿意;之後,轉而解決下一個問題,或步入創業的下一個階段。
第 3 章 你把生命獻給誰
1 如何選擇職業
巴德·卡德爾用一張極其簡單的圖概括了人們該如何選擇職業,如圖3-2所示。
- 千萬別從事自己不喜歡的事業。人生苦短,倦怠可期。
- 遠不要進入自己沒有優勢的領域,否則強敵環伺,舉步維艱 。
任何企業內部創業最大的敵人都是機會成本——公司可以用同等資源做的任何東西,以及上馬你的新項目所犧牲的利潤率,都是機會成本。
- 能否掙錢,是三個問題中最本質的一個。
另外兩個問題相對簡單,因爲它們只取決於你個人。但是到了第三個問題,你就必須想清楚到底有沒有人願意爲你的產品付錢。
第 4 章 以數據爲導向與通過數據獲取信息
1 數據分析
重要性
數據分析法是初創企業成功的基石
公司剛成立時規模卻很小,全靠創始團隊一直堅持採用精益創業思維模式,才得以有條不紊地取得成功。
2 侷限性
① 過於迷信
精益創業也面臨很多批評的聲音,其中之一就是過於以數據爲導向。這些批評認爲創業不應淪爲數據的奴隸,而應將其作爲工具;不應被數據牽着鼻子走,而應通過數據獲取信息。
有些創業者對數據極度癡迷,幾乎到了強迫症的程度,陷於數據分析中跋前疐後,不知所措;另一些則過於隨意,拍腦瓜做決策,只看對自己有利的數據,轉型信馬由繮。
② 局部最優解
早在許多年前,數據分析巨頭Omniture的前市場總監蓋爾·恩尼斯就曾告訴筆者,作爲其內容優化軟件的客戶,筆者必須堅持用人類的判斷來調和機器的自動優化。如果單純依靠Omniture公司的軟件,很快就能算出,網頁上衣着暴露的女人圖片帶來的點入率遠比其他形式的內容高得多。但這樣得來的高點入率只會是短期的成功,遲早會被其對品牌形象造成的損害所抵消。所以,Omniture軟件的背後還有專職的內容運營人員負責在大局上把關,同時爲機器的自動測試提供素材元。人類提供靈感,機器負責驗證 。
局部最大值
並不是你能取到的最大值
優化的核心是找到給定函數的最大值或最小值。機器雖然具備一定尋找最優解的能力,但其解的範圍不可能超過約束條件所規定的區間。
③ 代替不了創新突破
請想象有人給你三個車輪,並要求你製造出最好、最穩定的交通工具。在對不同車輪佈局進行迭代之後,你想到了一個類似三輪車的配置。
“嘿!你知道嗎?四個車輪比三個更好!”
數學在優化已知系統方面可以做得很好,而人類更善於發現新的系統。換言之,漸進式的改變可以達到局部極限,創新則可能導致全局洗牌。
選擇 直覺 還是 數據
在我所認識的創業者中,有許多人都對完全基於數據的創業有一種天生的牴觸。他們更願意相信自己的直覺。他們不喜歡毫無靈魂、單純機械式的優化,而是深知需要放眼更大的市場,重視正在解決的問題以及基礎商業模式。
我們並沒有否定直覺
的作用。
不要輕視你的直覺,它十分重要。
你可以通過直覺得知需要設計何種試驗來測試你的創業假設,然後利用數據來驗證
這些假設。
直覺假設, 數據分析驗收