数分

最近再看《精益数据分析》，记录总结下书中的精华。

我们都在说慌

我们并没有否定直觉的作用。直觉是灵感的源泉，是你在整个创业过程中需要聆听并依赖的元素。不要轻视你的直觉，它十分重要，只是需要进行验证罢了。你可以通过直觉得知需要设计何种试验来测试你的创业假设，然后利用数据来验证这些假设。

这就意味着你可以开发某产品，检测产品效果并从中获取经验，以便在下一版中加以改进。你可以快速迭代，并尽早决定是要专注于原有想法还是选择转型，然后就可以进行数据分析了

有时，增长来自于你未曾想到的方面。在你认为自己找到了值得一试的想法时，先想一想应如何以最小的投入快速完成测试。然后事先为成功下定义，并明确如果直觉准确的话下一步 要如何走。

创业的记分牌

数据分析离不开对企业关键指标的跟踪。这些指标与你的商业模式（即营收来源、支出成本、客户数量以及客户获取策略的效果等）有关

什么是好的数据指标

1 好的数据指标是比较性的。如果能比较某数据指标在不同的时间段、用户群体、竞争产品之间的表现，你可以更好地洞察产品的实际走向。“本周的用户转化率比上周高”显然比“转化率为 2%” 更有意义。

2 好的数据指标是简单易懂的。

3 好的数据指标是一个比率。

好的数据指标会改变行为。这是重要的评判标准

这要求你在收集数据之前就先行确定好针对各种不同 情况的应变措施。

学会根据数据确定一条做与不做的准绳，对规范你的创业行为大有裨益。一个好的数据指标之所以能改变商业行为，是因为它与你的目标是一致的：保留用户，鼓励口碑传播，有效获取新用户，或者创造营收。

另外，数据指标之间的耦合现象也值得注意。譬如转化率（访客中真正发生购买行为的比例）通常就是和购买所需时间（客户需要花多长时间才能完成购买）相绑定的；二者相结合可以告诉你 很多关于现金流的信息。类似地，病毒式传播系数（viral coefficient，平均每个用户邀请来的新用户数和病毒传播周期（viral cycle time，用户完成一次邀请所需的时间）共同推动产品的普 及率。当你开始探寻生意背后的关键数字时，就会注意到这些数据对；它们的背后隐藏着重要的数据指标：营收、现金流，或产品普及率

定性指标与定量指标

如果定量数据回答的是“什么”和“多少”这样的问题，那定性数据回答的就是“为什么”。定量数据排斥主观因素；定性数据吸纳主观因素。

开始，你想要的只是一些定性数据。你取得的成绩并不以数字衡量。恰恰相反，你在和真人对话，确切来讲，你在和目标市场中的潜在用户对话。这意味着你在探索，你在突破固定思维

收集高质量的定性数据需要很多准备工作。比如你向潜在客户提出的问题就很有讲究，问题既要具体，又不能带有诱导性，使他们偏离初衷。

使用定性数据来理解你为用户创造的价值是什么

虚荣指标与可付诸行动的指标

你需要利用数据揭示信息，指明方向，帮助你改进商业模式，决策下一步的行动

考虑这样一个例子：“总注册用户数”（或“总用户数”）其实就是一个虚荣指标，这个数字只会随着时间增长（经典的“单调递增函数”）。它并不能传达关于用户行为的信息：他们在做什么？ 是否对你有价值？他们中的很多人可能只是注册了一下，就再没有使用过。

这里真正应该关注的指标，即可付诸行动的指标，是“活跃用户占总用户数的百分比”（活跃用户占比）。这个指标揭示了产品的用户参与度，因而显得格外关键。当产品作出调整时，这个指标也会相应地变化。如果调整的思路是正确的，这个占比就应该上升。这就意味着，它可以指导你试验、学习和迭代。

另一个值得关注的指标是“单位时间内新用户的数量”（或“新用户增速”），它对比较不同营销手段的优劣往往很有帮助。

探索性指标与报告性指标

先见性数据指标与后见性数据指标

先见性指标（或称先见性指示剂）可用于预测未来。比如，透过“销售漏斗”中现有的潜在客户数，你能大致预测将来所能获得的新客户数。如果目前潜在客户很少，那么将来也不会增加多少新客户。眼前，你可以努力增加潜在客户，这样将来就能得到更多的新增客户。

另一方面，后见性指标能提示问题的存在，比如用户流失（即某一时间段内离开某产品或服务的客户量）；不过，等到你有机会收集数据，找出问题，往往为时已晚。已流失的用户不会再回头。但是，这并不意味着你就只能眼睁睁地看着后见性指标而无可作为（比如，你可以尝试降低用户流失率，再测试是否见效），只不过这有点像亡羊补牢：你不会再丢新的羊，但已丢失的找不回来了

相关性指标与因果性指标

在两个数据指标之间发现相关性不是一件坏事，发现相关性可以帮助你预测未来，而发现因果关系意味着你可以改变未来。通常，因果关系并不是简单的一对一关系，很多事情都是多因素共同作用的结果。在加拿大夏天交通事故增加的例子中，我们需要考虑酒精消费量、新手司机数量、 白昼变长和暑假等因素。所以，现实中很难找到 100%的因果关系。你会掌握一些独立的数据指标（分析多个独立的数据指标作为自变量），其中每个都能在一定程度上“解释”某个依存的数 据指标（因变量）。但是，即便只发现部分因果关系也是很有价值的

市场细分、同期群分析、A/B测试和多变量分析

测试是精益数据分析的灵魂。通常，测试就是通过市场细分、同期群分析或 A/B测试来比较两个样本的不同。

简言之，细分市场就是一群拥有某种共同特征的人。然后比较各个细分市场之间的差异

同期群分析,比较的是相似群体随时间的变化。每一组用户构成一个同期群，参与整个试验过程。通过比较不同的同期群，你可以获知：从总体 上看，关键指标的表现是否越来越好了
同期群分析使你能够观察处于生命周期不同阶段客户的行为模式，而非忽略个体的自然生命周期，对所有客户一刀切。同期群分析适用于营收、客户流失率、口碑的病毒式传播、客户支持成本等任何你关注的数据指标。

向半数用户展示一个绿色链接，对另一半用户展示蓝色链接，观察哪种颜色的链接点击率更高就是一种横向研究。假设其他条件保持不变，仅考虑体验中的某一属性（如链接的颜色）对被试用户的影响，就是 A/B测试。

A/B测试看似简单易行，实则有一个软肋。只有用户流量巨大的大型网站（如微软必应、谷歌） 能对单一的因素（如链接颜色、网页速度）进行测试并迅速得到答案。如果没有庞大的用户流量， 你将需要测试很多因素。这可能包括网页的色调，触发用户行为的链接文字，图片效果等。
进行一连串的单独测试会延长你走向成熟的周期。与其如此，不如采用多变量分析法同时对多个属性进行测试，其原理为，用统计学方法剥离出单个影响因子与结果中某一项指标提升的相关性。

精益数据分析周期

精益数据分析的核心在于如何找到一个有意义的指标，然后通过试验改善它，直到令你满意；之后，转而解决下一个问题，或步入创业的下一个阶段.

小节

接下来，我们将会把这些问题具体到各种商业模式和初创企业的不同成长阶段中进行讨论。

看书之后对数分的理解

• 找到当前业务阶段或需要解决问题的关键指标，并设置初始的成功基准。
• 通过关键指标，了解业务的经营状况
• 不断测试（ABtest/同期群分析/细分市场），选取对关键指标有显著提升的方案，对业务进行优化，直至找到可复制的商业模式。从而达到数据驱动决策。

[1] 精益数据分析