精益数据分析

一个很黑的HR 2016-10-24 1

寻找志同道合喜欢读书的人招聘数据分析师 http://www.lagou.com/jobs/2403066.html

富利仕金 2015-07-02 0

非常有实操性，强烈推荐

云水之遥 2016-09-27 0

不仅限于数据分析哦，是用数据分析推动产品发展。需要买一本。

Ray 衡 2016-10-04 0

超级实用。

苍竹琴声 2017-02-09 0

大致看了一下，觉得还行，等需要的时候再拿来翻翻。

四叹 2016-10-22 0

构建，衡量，学习

Jeremy 2016-11-17 0

比增长黑客来的要好，所以多了一颗星。数据分析，各种例子，主要还是采用A/B 测试。看哪个数据表现好，用哪种。再有就是要知道公司处于不同的发展阶段，分析的核心指标是什么

Tod Chinn 2016-12-14 0

2016第164本，集齐：业务模式+业务阶段+关键数据+阈值经验底线+案例，可以说就算理解一个领域、行业、公司的模式了

含笑疯癫 2016-12-05 0

精益创业其本质是精益数据分析，不同的产品，商业模式，创业阶段，需要关注的指标和数据不同。数据是一种言外之意，需要逻辑性分析，由表及里，最重要在于筛选首要指标以及从指标呈现的数据中找到迭代产品的关键。这本书对新人来说干货很多，主要还是形成一种数据意识和对各种商业模式的熟悉。但翻译得并不是很好读啊啊啊

caojd 2016-12-20 0

整体还是非常不错的

切尔斯基 2016-07-19 10

前面20%的内容提供了80%的价值

Astro 2016-02-05 5

15年工作上最大的收获就是学会利用数据，这本书看的慢，有好多地方还是要慢慢想才明白。这句话总结的很到位：数学在优化已直系统发面可以做到很好，而人类更善于发现新的系统。渐进式的改变可以达到局部极限，创新则可能达到全局洗牌。

福禾,字武烈 2015-09-21 3

第一部分很赞，二三四开始掺水……中文翻译得差强人意，句子不符合中文习惯就算了，关键词翻译得让人无法理解也是醉了……

一个很黑的HR 2016-10-24 1

寻找志同道合喜欢读书的人招聘数据分析师 http://www.lagou.com/jobs/2403066.html

柴柴 2015-10-08 1

学习

富利仕金 2015-07-02 0

非常有实操性，强烈推荐

云水之遥 2016-09-27 0

不仅限于数据分析哦，是用数据分析推动产品发展。需要买一本。

Ray 衡 2016-10-04 0

超级实用。

苍竹琴声 2017-02-09 0

大致看了一下，觉得还行，等需要的时候再拿来翻翻。

我想说两句

精益数据分析

chris 2017-03-27 0赞

123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123

创业者和产品经理必读书籍

东星 2016-12-02 0赞

如《精益数据分析》作者所说，「精益创业」的风靡，几乎所有创业者都知道「敏捷开发」，知道「MVP, 最小可行性产品」，知道「构建-衡量-学习」流程，唯独数据成了精益创业里最不精益的工作。

从妄想家到企业家

创业者其实沉迷于妄想之中。妄想自己最了解用户的需求、妄想自己的解决方法最完美、妄想自己的盈利模式最正确……没有得到证实前，不论对自己说，还是对合作伙伴讲，这一切都不一定是真的，除非能经得住数据考验。

数据分析是帮助创业者从「妄想家」成为「企业家」的有效方法，也是初创企业成功的基石。数据分析能证明哪些是「妄想」，并在企业资金耗尽前，找到合适的产品和市场。

数据分析离不开分析企业关键指标。好的企业关键指标能「驱动决策」，依靠它可以改变当前商业行为。特别要注意「虚荣指标」，如点击量、页面浏览量、访问量、独立访客数、粉丝/点赞数、网站停留时长、用户邮件地址数量、下载量等，这些指标除了自我膨胀外，毫无意义。

为了让数据更加「精益」，还要进行测试——精益数据分析的灵魂。常用的测试方法有市场细分、同期群分析、A/B 测试和多变量测试。

企业的命脉

根据企业不同时期的变化，可灵活运用不同数据分析框架，常用的框架有：

戴夫.麦克卢尔的海盗指标说(AARRR)：获取用户(Acquisition)、提高活跃度(Activation)、提高留存率(Retention)、获取营收(Revenue)、自传播(Referral)。
埃里克.莱斯的增长引擎说：黏着式增长、病毒式增长、付费式增长。
阿什.莫瑞亚的精益创业画布：每个模块对应一组相关指标。
肖恩.埃利斯的企业增长金字塔：前提是已经达到产品与市场的契合点。

找到当前阶段高于一切、需要集中全部注意力的数字——第一关键指标(OMTM, One Metric That Matters). 它是企业的命脉，找到它才能让企业更好的生存、发展下去。

作者列举了六种商业模式：电子商务、SaaS、免费移动应用、媒体网站、用户生成内容(UGC)、双边时常(如 eBay). 列举了各个商业模式下对应的第一关键指标，并附有详细的实战案例介绍这些企业如何通过应用数据分析实现增长。

除了找对自己的商业模式外，还要清楚自己企业当前所处的阶段和优化该阶段的第一关键指标。作者推荐使用精益数据分析的如下五大阶段：

需求阶段：换位思索，挖掘用户需求并找到解决方案
黏性阶段：制作和迭代 MVP，提高用户黏性
病毒性阶段：提高病毒式传播系数和病毒传播周期
营收阶段：提高平均每位客户营收，让客户终身价值大于客户获取成本
规模化阶段：融入到更大的生态系统之中，证明市场大小

每个阶段对应的第一关键指标不同，要根据当前阶段跟踪并优化当前阶段的第一关键指标，直到达到满足进入下一阶段。

衡量：底线

为了知晓当前数据情况，需要知道行业基准，再定底线。通过行业基准，判断自己输赢及提升空间。不同行业不同指标的基准各不相同，需要结合实际情况。不要改变底线去适应自己的能力，而要提高能力来满足底线。

对于很多指标，确实没有什么「正常值」。当没有基准时，根据自己的特定产品和市场快速调整底线。当一个指标优化空间极小时，该去优化下一个重要的指标了。

总结

精益创业的核心思想是：准确判断自己的商业模式和创业阶段后，跟踪并优化当前的创业第一关键指标。通过反复践行这一流程，克服早期会面临的风险，避免过早增长，并最终在真实的需求、明确的方案和满意的客户这一坚定的基础上建立起你的公司。

建议创业者和产品经理阅读此书。

《精益数据分析》：力荐，每个互联网从业者都可一读

Tyrone Yu 2017-02-01 0赞

1. 启发点：本书既谈了数据分析，又谈了运用AARRR模型的创业和数据分析的结合。后者是AARRR+前面数据分析方法的延伸。最有启发点的是数据分析方法这一部分。当时我数据分析相当弱，读到这两段不禁拍案叫绝，如果我们能从数据分析中为产品发现了别人没意识到的先见性，相关性甚至因果性指标，则可以巧妙地去影响用户进而创造商业价值。摘录如下：

> 先见性指标与后见性指标：先见性用于预言未来，后见性用于解释过去。更喜欢先见性，因为在得知数据后尚有时间去应对。
> 1）潜在客户数是先见性，能预测未来的新客户数，用户流失是后见性。创业之初数据少，可以先关注后见性，如果要启用先见性，可以进行 AB 测试。
> 2）用户投诉量是先见性，账号注销和产品退货是后见性。一个团队的后见性可能是另一个团队的先见性，订单量是销售团队的后见性，但是财务团队的先见性。
> 相关性指标与因果性指标
> 1）发现相关性可以帮你预测未来，而发现因果关系，可以帮你改变未来，但很难找到100%因果关系，“因”会有很多。
> 2）找到一个相关性，进行控制变量试验并测量因变量的变化。（AB 测试）

2. 跳出书本思考点：平时工作中会把产品分为两类，价值驱动与行为驱动。价值驱动例如电商产品，尤其是B2B平台，只有给买家真正带来了生意，对方才会留存在体系内。行为驱动例如社交产品，用户建立的关系越多，留存的概率越大。本质上行为驱动产品，也是因为用户的行为反映了产品给用户带来的价值，所以也是价值驱动。价值驱动产品会较少关注用户行为，更关心为用户创建了多少商机，赚了多少钱。行为驱动产品较多关注用户行为，用户用的不爽，可能就再也不用了。因此，用户行为的数据分析方法容易在行为驱动产品上大显身手，如facebook等，但在价值驱动产品上，总不可避免地遇到“用户这么用和最终的价值有关系吗？”，“体验会影响留存吗？”等问题。如何拿着所发现的先见性/相关性指标去回答这些问题，我现在也不知道，因为不少相关性的解释力是很弱的，只能靠测试，但测试需要投入资源去做，于是形成了死结。

创业初期如何靠数据分析来积累客户

猴子 2013-05-17 1赞

Amazon评分还不错。评价摘录下面是

“This is one of these books that make you feel like you spent too little money for the value it provides. It's that good.

It is one of the most straightforward and comprehensive business books I've read. The information is clear, thorough and the case studies are not only interesting, but also very valuable since it allowed me to compare my business with other businesses. I now have a better feel of where we stands. The book stresses the importance of "actionable" metrics (vs vanity metrics) and helped me figure out the key metrics we should be tracking for our business.

Lean Analytics is an entertaining yet insightful read. Definitely worth every penny.”

精益创业里的数据迷信

张描c 2016-11-17 3赞

《精益数据分析》全书四十多万字，用了十天的时间读到70%左右，我弃书了。并非书不好，相反是书籍内容太干了，需要思考的内容太多，而我只能利用在地铁上的时间阅读，阅读压力太大，最终电子书只读到70%，写笔记时又在电脑上看PDF过了一遍，做了脑图，最后写下此文。

本书相当于是精益系列鼻祖《精益创业》数据驱动部分的补充，详细描述在MVP（最小化产品）阶段，企业应该从哪些数据角度去看待问题，对于一款MVP来说，最重要的应该是“留存率”（留存人数/总人数）、“病毒传播系数”{（邀请用户/总用户）*（新用户/总用户）}、“人均收入（总收入/总人数）”。其中留存率决定了这款产品是否解决了目标用户的痛点需求，病毒传播系数决定了目标用户群体的认同感，而人均收入则决定了企业能否依靠产品最终获利，从而生存下来。
当企业产品进入规划化阶段之后，真正的精益数据才刚刚开始，找到产品的数据优化项目，比如：

#如果你脱离不开单笔交易的实际成本（如直销、快递发货或签约经销商），则“更高效”可为你商业模式的供/需方面带来举足轻重的影响。如果病毒式传播系数数值很高，“更多的人”则显得尤为重要，因为你在客户获取成本的每一块钱里，都注入了强大的力量倍增器。如果你的客户忠诚度非常高，每次都选择在你这里消费，则“更频繁”要更为关键，你需重点想办法让客户来得更频繁一点。如果你倾向于大金额的一次性交易，则“更多的金钱”将对你大有裨益，因为你只有一次从客户身上捞钱的机会，需尽可能地榨取客户的价值。如果你采用的是订阅模式，并且在与客户流失做斗争，则利用追加销售介绍客户使用具有更多功能的更高容量套餐当属提高现有营收的最佳方式，这样你就有很多时间去争取“更多的商品”。#

最后，我想强调的是数据迷信，我本人致力于成为一名数据运营，可是当你看所有“数据分析”相关的书籍时都会发现，作者一定会在文中强调数据陷阱。在好几次数据处理中，我也开始意识到了某些问题。

1）数据参考
统一需要对比的数据坐标系，是最常见的一种误导方式，制图者通过拉伸坐标系或是缺失部分坐标值的方式企图误导用户，让数据变得漂亮。

2）增长基数
多见于产品初期，用户值偏低且使用百分比形式汇报，当数值从1到10和从100到110，都是增加10，但是带来的增长率，一个是900%，一个是10%，天壤之别。

3）数据呕吐
用“呕吐”这个词不仅清奇，而且精准。我们被大量的数据环绕，标榜自己是数据驱动，可是却并不明白哪个指标能够改变企业的行为，所以最重要的不是数据，而是通过数据分析问题。

4）数据和人
最重要也是最容易出错的环节，就是数据源头，你想想所有的数据最初的生产者是谁？所有的机器算法最初都是由人提供的。如果只看数据而忽略了数据的源头或相关人物的话，很容易被蒙蔽，数据只能说它代表的真相，但可能不会告诉你背后的真相。

纸上得来终觉浅，绝知此事要躬行。所有“精益”的最小化产品，并不是最简单的产品，相反它最要更高的专注和不断忍受失败的毅力。好的产品不是规划出来的，而是演化出的。

如果说lean startup讲的是方法论，那么这本就是方法

冰糖葫芦 2015-01-16 6赞

定位嘛，就是产品经理入门级读物了吧。不过也不用每章都读。

前面的一些方式方法的问题搞清楚，后面分开商业模型，每一类可以选取着读。

数据需要定性还是定量？Initially, you're looking for qualitative data. 在产品还没有庞大的稳定的用户群体时，定性分析是关键。

好数据应该是什么样子的呢？作者定出了一些vanity metrics, they are up-to-the-right and shed no light on anything. 好的数据首先是干净的，然后是可比的，以百分比的形式，衡量增长变化，其次要按照时间划分好，便于明晰某个时间点上，产品的的变化，所导致的用户行为上的变化。理想的情况下，随着产品设计的改变，数据上的统计方法也是一起设计好的，并且数据的结果应该有什么样的产品策略改变，也是清楚的。

但是，让团队内的每一个人，对于产品应该做的事情达成一致就已经很耗费时间了，更别说获取数据的干净程度，开发上能不能有无限的人力，都很难说。假设，干净的数据取来了，也并不意味着得到了因果关系。Usually causations are simple one-to-one relationships. Many factors conspire to cause something. ... You prove causality by finding a correlation, then running an experiment in which you control the other variables and measure the difference. 谁都知道因果关系好，可是现有的科学知识，都只是针对自然世界的因果关系推导。市场，用户，产品这三个都是变数没有特定规律，只能谈经验的东西。作者书里说，"unknown unknowns" are where the magic lives. They lead down plenty of wrong paths, and hopefully toward some kind of "eureka!" moment when the idea falls into place. 看来产品的魅力（也即，从业者们一切痛苦的根源）就在于这个"unknown unknowns"了。为了验证因果关系，测试的方法呢，有：segments, cohorts, A/ B testing, and multivariate analysis.

“You might think that people will play your multiplayer game, only to discover that they’re using you as a photo upload service. Unlikely? That’s how Flickr got started.”

一切都要依靠数据么？“Humans do inspiration; machines do validation.” 用数据的方式可以帮我们找到局部最优，产品经理则需要找到全局最优。过度地依赖数据，很有可能会失去上帝视角。

lines in the sand？书中提到对于数据的统计结果，是要有预期的，并不能拿来数据看一看就做决策。怎么画这道线呢？
1）当40%的用户说，没有你他们会很失望，产品可以进入扩张期。
2）创业之前，至少找15个人，谈谈你的想法，再冲出门去找投资。

太多需求和问题，先做哪个后做哪个？作者用了一个squeeze toy来比喻，按照more stuff，more people，more often，more money，more efficient，从上往下挤。尤其在产品初期，将精力汇聚在一个目标上非常关键。

"UGC is all about turning visitors into creators." 想像一下明天tumblr flickr等等都不再有任何内容更新，大家仅仅根据已有的内容进行互动，就不难发现UGC的关键真的是内容创建，不是别的任何。怎么赚钱呢？“The UGC business might focus on user contribution above all else, but it still pays its bills with advertising most of the time.” “商业模式”是个有魔力的词汇，好像很多人都喜欢创造新的赚钱方法，只要UGC能通过广告赚到足够多的钱，何必为了创新而创新呢。书里面有一个business model flip book，供读者遍历每一种商业模式，看看怎么赚钱适合自己。

我要怎么用数据呢？对于创业公司，数据并不是在探索新机会，提示功能改进，而是检测自己的假设。“In a startup, your business model — and proof that your assumptions are reasonably accurate — is far more important than your business plan. ”看来TDD不仅仅只是程序管理方法，也适用于公司本身。“Deciding what business you’re in is usually quite easy. Deciding on the stage you’re at is complicated. This is where founders tend to lie to themselves. They believe they’re further along than they really are.”

可以参考的内容也不仅限于数字。用户访谈的方法书里面也有介绍。如果公司里面没有专门的用户研究部门，可以看看书里的用研技巧介绍。人们对话时会有认同别人的倾向，我们通过对方的穿着、谈吐，洞悉对方的身份，说话的时候会照顾这种“身份”，更何况直接表明来意的用户访谈。促使用户说出真相也有一些小tricks：1）问相反的问题，看她是不是会说出你想听的话。2）让他付出过多，看他什么时候放弃。

书里对产品工作的不同frameworks做了总结，着重介绍了lean framework，以及何时才能从一个phase移动到下一个phase：

所以说此书还是最适合当工具书。每个phase都有一些干货，实际操作中，同一时间一个产品只会有一个焦点（如果有多个的话，则与书里面提出的OMTM原则相悖，所以真的不用通读此书）。

具体论点不再赘述，只做摘抄：
Empathy:
如前

Stickiness Phase:
Don’t drive new traffic until you know you can turn that extra attention into engagement.
Expect to go through many iterations of your MVP before it’s time to shift your focus to customer acquisition.

Virality Phase:
viral coefficient

Revenue Phase:
Most people’s first instinct when things aren’t going incredibly well is to build more features.
the likelihood that any one feature is going to suddenly solve your customers’ problems is very small.
You’re moving from proving you have the right product to proving you have a real business.
more stuff to more people for more money more often more efficiently
In the Revenue stage, you need to figure out which “more” increases your revenues per engaged customer the most:

Scale Phase:
If the Revenue stage was about proving a business, the Scale stage is about proving a market.
Porter observed that firms with a large market share (Apple, Costco, Amazon) were often profitable, but so were those with a small market share (the coffee shop). The problem was companies that were neither small nor large. He termed this the “hole in the middle” problem — the challenge facing firms that are too big to adopt a niche strategy efficiently, but too small to compete on cost or scale.
Scaling is good if it brings in incremental revenue, but you have to watch for a decrease in engagement, a gradual saturation of the initial market, or a rising cost of customer acquisition. Changes in churn, segmented by channels, show whether you’re growing your most important asset — your customers — or hemorrhaging attention as you scale.

最后一个部分，才是全书的重点：how good is “good”? 同样，也分了不同的商业模式来讨论。

当然用数据分析产品，也离不开产品上每个人的思维模式，数据是客观的，但是解读它的人仍然是主观的。前面细细碎碎一大堆，最后结尾回到了一些经验式的忠告和建议。

PS: "Our Lean Analytics stages suggest an order to the metrics you should focus on. The stages won’t apply perfectly to everyone. We’ll probably get yelled at for being so prescriptive — in fact, we already have, as we’ve tested the material for the book online and in events. That’s OK; we have thick skins." 噗嗤

回头看来，这本的确非常prescriptive，

创业公司构建数据指标体系

Welf 2016-06-30 10赞

作者：桑文锋，神策数据创始人 & CEO，前百度大数据部技术经理

我在《如何用数据驱动产品和运营》一文中讲解了什么是数据驱动，也讲解了如何做数据分析。这篇文章我来讲解对于创业公司来说，如何构建数据指标体系。

对于从 BAT 等互联网公司出来的人，已经经历了数据分析的历练，会有一个做事情看数据的习惯。而对于毕业之后就创业，或者是产品经理或运营专员新手，一般会对构建指标体系比较困惑，不知如何下手。甚至有些在微信公众号后台或者百度统计后台看到的几个指标，就觉得算是有了数据指标体系了，但又会发现与许多实际的工作脱节。我这里给大家介绍两套构建指标体系的方法，第一关键指标法和海盗指标法。

第一关键指标法

现在我问你一个问题，对你所负责的产品来说，最关键的一个指标是什么？我尝试问过一些人，特别是同一个公司的几个人，你会发现他们冒出来的第一关键指标是不同的。当然，这还不是最惨的，更惨的是根本就找不出来关键指标。对于一个大公司来说，比如像百度，因为产品很复杂，有很多的产品，即使同一个产品，也有不同的职能部门，他们会有不同的关键指标或者 KPI，情有可原。但对于一个创业公司，尤其是刚成立的初创公司，几十个人的团队都不是围绕同一个目标努力的，那问题就比较严重了。

第一关键指标法是在《精益数据分析》（Lean Analytics）一书中提到的方法，这个方法不是说一个公司用于只为一个指标负责，而是说在任意一个时间点，肯定只有一个最关键的指标。随着业务的发展，你的关注重点会有变化。我对第一关键指标的方法又做了一个延伸，关键指标又可以衍生出许多其他的指标。比如对于一个成熟的电商产品，它最关心的可能是销售额。但销售额我们又可以衍生出访问量、转化率、客单价等指标，我们通过优化这些衍生指标，来实现关键指标的增长。对公司来说，基于关键指标制定目标。

这样做的好处有两点：一是确定了现阶段的最重要的问题，二是可以基于关键指标的当前的状态，制定清晰的目标。否则你可能问题没找对，努力达到的数字也是没有意义的。

对于一个创业公司，不同的阶段需要关注的重点是不同的。我把创业公司分成三个阶段：

1，MVP 阶段：MVP（Minimium Viable Product，最小可用产品）是《精益创业》（Lean Startups）一书中提出的理念，在创业的最早期，你的关注点是确定用户需求，并做出一个最小可用的产品来验证需求的真实性。大量失败的创业最后发现解决的是个伪需求，为一个不存在的需求做出了一个不需要的产品。更好的方式是用最小的代价满足需求，然后再想更高效的方法去优化它。在这一阶段，数据分析的价值比较小，你需要的是定性分析，通过用户访谈，直接确定产品的满足情况，并不需要在数据分析方面投入大量工作。

2，增长阶段：这个时候你的产品已经出来了，并且有用户在用，是时候需要做数据分析了。这一阶段我又把它分为有重叠的两个阶段：留存阶段和引荐阶段。我们在推广产品之前，一定要确认我们的产品确实是能够给客户带来价值的，并且有比较好的体验。那怎么确认这一点呢？除了直接听用户反馈之外，最重要的就是看用户的活跃度了。这里我们就需要做留存分析，比如看次日留存，如果发现你的用户次日留存率非常低，那说明根本吸引不住用户，还是要先优化产品。

创业公司构建数据指标体系

Welf 2016-06-30 10

作者：桑文锋，神策数据创始人 & CEO，前百度大数据部技术经理

我在《如何用数据驱动产品和运营》一文中讲解了什么是数据驱动，也讲解了如何做数据分析。这篇文章我来讲解对于创业公司来说，如何构建数据指标体系。

对于从 BAT 等互联网公司出来的人，已经经历了数据分析的历练，会有一个做事情看数据的习惯。而对于毕业之后就创业，或者是产品经理或运营专员新手，一般会对构建指标体系比较困惑，不知如何下手。甚至有些在微信公众号后台或者百度统计后台看到的几个指标，就觉得算是有了数据指标体系了，但又会发现与许多实际的工作脱节。我这里给大家介绍两套构建指标体系的方法，第一关键指标法和海盗指标法。

第一关键指标法

现在我问你一个问题，对你所负责的产品来说，最关键的一个指标是什么？我尝试问过一些人，特别是同一个公司的几个人，你会发现他们冒出来的第一关键指标是不同的。当然，这还不是最惨的，更惨的是根本就找不出来关键指标。对于一个大公司来说，比如像百度，因为产品很复杂，有很多的产品，即使同一个产品，也有不同的职能部门，他们会有不同的关键指标或者 KPI，情有可原。但对于一个创业公司，尤其是刚成立的初创公司，几十个人的团队都不是围绕同一个目标努力的，那问题就比较严重了。

第一关键指标法是在《精益数据分析》（Lean Analytics）一书中提到的方法，这个方法不是说一个公司用于只为一个指标负责，而是说在任意一个时间点，肯定只有一个最关键的指标。随着业务的发展，你的关注重点会有变化。我对第一关键指标的方法又做了一个延伸，关键指标又可以衍生出许多其他的指标。比如对于一个成熟的电商产品，它最关心的可能是销售额。但销售额我们又可以衍生出访问量、转化率、客单价等指标，我们通过优化这些衍生指标，来实现关键指标的增长。对公司来说，基于关键指标制定目标。

这样做的好处有两点：一是确定了现阶段的最重要的问题，二是可以基于关键指标的当前的状态，制定清晰的目标。否则你可能问题没找对，努力达到的数字也是没有意义的。

对于一个创业公司，不同的阶段需要关注的重点是不同的。我把创业公司分成三个阶段：

1，MVP 阶段：MVP（Minimium Viable Product，最小可用产品）是《精益创业》（Lean Startups）一书中提出的理念，在创业的最早期，你的关注点是确定用户需求，并做出一个最小可用的产品来验证需求的真实性。大量失败的创业最后发现解决的是个伪需求，为一个不存在的需求做出了一个不需要的产品。更好的方式是用最小的代价满足需求，然后再想更高效的方法去优化它。在这一阶段，数据分析的价值比较小，你需要的是定性分析，通过用户访谈，直接确定产品的满足情况，并不需要在数据分析方面投入大量工作。

2，增长阶段：这个时候你的产品已经出来了，并且有用户在用，是时候需要做数据分析了。这一阶段我又把它分为有重叠的两个阶段：留存阶段和引荐阶段。我们在推广产品之前，一定要确认我们的产品确实是能够给客户带来价值的，并且有比较好的体验。那怎么确认这一点呢？除了直接听用户反馈之外，最重要的就是看用户的活跃度了。这里我们就需要做留存分析，比如看次日留存，如果发现你的用户次日留存率非常低，那说明根本吸引不住用户，还是要先优化产品。

如果说lean startup讲的是方法论，那么这本就是方法

冰糖葫芦 2015-01-16 6

定位嘛，就是产品经理入门级读物了吧。不过也不用每章都读。

前面的一些方式方法的问题搞清楚，后面分开商业模型，每一类可以选取着读。

数据需要定性还是定量？Initially, you're looking for qualitative data. 在产品还没有庞大的稳定的用户群体时，定性分析是关键。

好数据应该是什么样子的呢？作者定出了一些vanity metrics, they are up-to-the-right and shed no light on anything. 好的数据首先是干净的，然后是可比的，以百分比的形式，衡量增长变化，其次要按照时间划分好，便于明晰某个时间点上，产品的的变化，所导致的用户行为上的变化。理想的情况下，随着产品设计的改变，数据上的统计方法也是一起设计好的，并且数据的结果应该有什么样的产品策略改变，也是清楚的。

但是，让团队内的每一个人，对于产品应该做的事情达成一致就已经很耗费时间了，更别说获取数据的干净程度，开发上能不能有无限的人力，都很难说。假设，干净的数据取来了，也并不意味着得到了因果关系。Usually causations are simple one-to-one relationships. Many factors conspire to cause something. ... You prove causality by finding a correlation, then running an experiment in which you control the other variables and measure the difference. 谁都知道因果关系好，可是现有的科学知识，都只是针对自然世界的因果关系推导。市场，用户，产品这三个都是变数没有特定规律，只能谈经验的东西。作者书里说，"unknown unknowns" are where the magic lives. They lead down plenty of wrong paths, and hopefully toward some kind of "eureka!" moment when the idea falls into place. 看来产品的魅力（也即，从业者们一切痛苦的根源）就在于这个"unknown unknowns"了。为了验证因果关系，测试的方法呢，有：segments, cohorts, A/ B testing, and multivariate analysis.

“You might think that people will play your multiplayer game, only to discover that they’re using you as a photo upload service. Unlikely? That’s how Flickr got started.”

一切都要依靠数据么？“Humans do inspiration; machines do validation.” 用数据的方式可以帮我们找到局部最优，产品经理则需要找到全局最优。过度地依赖数据，很有可能会失去上帝视角。

lines in the sand？书中提到对于数据的统计结果，是要有预期的，并不能拿来数据看一看就做决策。怎么画这道线呢？
1）当40%的用户说，没有你他们会很失望，产品可以进入扩张期。
2）创业之前，至少找15个人，谈谈你的想法，再冲出门去找投资。

太多需求和问题，先做哪个后做哪个？作者用了一个squeeze toy来比喻，按照more stuff，more people，more often，more money，more efficient，从上往下挤。尤其在产品初期，将精力汇聚在一个目标上非常关键。

"UGC is all about turning visitors into creators." 想像一下明天tumblr flickr等等都不再有任何内容更新，大家仅仅根据已有的内容进行互动，就不难发现UGC的关键真的是内容创建，不是别的任何。怎么赚钱呢？“The UGC business might focus on user contribution above all else, but it still pays its bills with advertising most of the time.” “商业模式”是个有魔力的词汇，好像很多人都喜欢创造新的赚钱方法，只要UGC能通过广告赚到足够多的钱，何必为了创新而创新呢。书里面有一个business model flip book，供读者遍历每一种商业模式，看看怎么赚钱适合自己。

我要怎么用数据呢？对于创业公司，数据并不是在探索新机会，提示功能改进，而是检测自己的假设。“In a startup, your business model — and proof that your assumptions are reasonably accurate — is far more important than your business plan. ”看来TDD不仅仅只是程序管理方法，也适用于公司本身。“Deciding what business you’re in is usually quite easy. Deciding on the stage you’re at is complicated. This is where founders tend to lie to themselves. They believe they’re further along than they really are.”

可以参考的内容也不仅限于数字。用户访谈的方法书里面也有介绍。如果公司里面没有专门的用户研究部门，可以看看书里的用研技巧介绍。人们对话时会有认同别人的倾向，我们通过对方的穿着、谈吐，洞悉对方的身份，说话的时候会照顾这种“身份”，更何况直接表明来意的用户访谈。促使用户说出真相也有一些小tricks：1）问相反的问题，看她是不是会说出你想听的话。2）让他付出过多，看他什么时候放弃。

书里对产品工作的不同frameworks做了总结，着重介绍了lean framework，以及何时才能从一个phase移动到下一个phase：

所以说此书还是最适合当工具书。每个phase都有一些干货，实际操作中，同一时间一个产品只会有一个焦点（如果有多个的话，则与书里面提出的OMTM原则相悖，所以真的不用通读此书）。

具体论点不再赘述，只做摘抄：
Empathy:
如前

Stickiness Phase:
Don’t drive new traffic until you know you can turn that extra attention into engagement.
Expect to go through many iterations of your MVP before it’s time to shift your focus to customer acquisition.

Virality Phase:
viral coefficient

Revenue Phase:
Most people’s first instinct when things aren’t going incredibly well is to build more features.
the likelihood that any one feature is going to suddenly solve your customers’ problems is very small.
You’re moving from proving you have the right product to proving you have a real business.
more stuff to more people for more money more often more efficiently
In the Revenue stage, you need to figure out which “more” increases your revenues per engaged customer the most:

Scale Phase:
If the Revenue stage was about proving a business, the Scale stage is about proving a market.
Porter observed that firms with a large market share (Apple, Costco, Amazon) were often profitable, but so were those with a small market share (the coffee shop). The problem was companies that were neither small nor large. He termed this the “hole in the middle” problem — the challenge facing firms that are too big to adopt a niche strategy efficiently, but too small to compete on cost or scale.
Scaling is good if it brings in incremental revenue, but you have to watch for a decrease in engagement, a gradual saturation of the initial market, or a rising cost of customer acquisition. Changes in churn, segmented by channels, show whether you’re growing your most important asset — your customers — or hemorrhaging attention as you scale.

最后一个部分，才是全书的重点：how good is “good”? 同样，也分了不同的商业模式来讨论。

当然用数据分析产品，也离不开产品上每个人的思维模式，数据是客观的，但是解读它的人仍然是主观的。前面细细碎碎一大堆，最后结尾回到了一些经验式的忠告和建议。

PS: "Our Lean Analytics stages suggest an order to the metrics you should focus on. The stages won’t apply perfectly to everyone. We’ll probably get yelled at for being so prescriptive — in fact, we already have, as we’ve tested the material for the book online and in events. That’s OK; we have thick skins." 噗嗤

回头看来，这本的确非常prescriptive，

精益创业里的数据迷信

张描c 2016-11-17 3

《精益数据分析》全书四十多万字，用了十天的时间读到70%左右，我弃书了。并非书不好，相反是书籍内容太干了，需要思考的内容太多，而我只能利用在地铁上的时间阅读，阅读压力太大，最终电子书只读到70%，写笔记时又在电脑上看PDF过了一遍，做了脑图，最后写下此文。

本书相当于是精益系列鼻祖《精益创业》数据驱动部分的补充，详细描述在MVP（最小化产品）阶段，企业应该从哪些数据角度去看待问题，对于一款MVP来说，最重要的应该是“留存率”（留存人数/总人数）、“病毒传播系数”{（邀请用户/总用户）*（新用户/总用户）}、“人均收入（总收入/总人数）”。其中留存率决定了这款产品是否解决了目标用户的痛点需求，病毒传播系数决定了目标用户群体的认同感，而人均收入则决定了企业能否依靠产品最终获利，从而生存下来。
当企业产品进入规划化阶段之后，真正的精益数据才刚刚开始，找到产品的数据优化项目，比如：

#如果你脱离不开单笔交易的实际成本（如直销、快递发货或签约经销商），则“更高效”可为你商业模式的供/需方面带来举足轻重的影响。如果病毒式传播系数数值很高，“更多的人”则显得尤为重要，因为你在客户获取成本的每一块钱里，都注入了强大的力量倍增器。如果你的客户忠诚度非常高，每次都选择在你这里消费，则“更频繁”要更为关键，你需重点想办法让客户来得更频繁一点。如果你倾向于大金额的一次性交易，则“更多的金钱”将对你大有裨益，因为你只有一次从客户身上捞钱的机会，需尽可能地榨取客户的价值。如果你采用的是订阅模式，并且在与客户流失做斗争，则利用追加销售介绍客户使用具有更多功能的更高容量套餐当属提高现有营收的最佳方式，这样你就有很多时间去争取“更多的商品”。#

最后，我想强调的是数据迷信，我本人致力于成为一名数据运营，可是当你看所有“数据分析”相关的书籍时都会发现，作者一定会在文中强调数据陷阱。在好几次数据处理中，我也开始意识到了某些问题。

1）数据参考
统一需要对比的数据坐标系，是最常见的一种误导方式，制图者通过拉伸坐标系或是缺失部分坐标值的方式企图误导用户，让数据变得漂亮。

2）增长基数
多见于产品初期，用户值偏低且使用百分比形式汇报，当数值从1到10和从100到110，都是增加10，但是带来的增长率，一个是900%，一个是10%，天壤之别。

3）数据呕吐
用“呕吐”这个词不仅清奇，而且精准。我们被大量的数据环绕，标榜自己是数据驱动，可是却并不明白哪个指标能够改变企业的行为，所以最重要的不是数据，而是通过数据分析问题。

4）数据和人
最重要也是最容易出错的环节，就是数据源头，你想想所有的数据最初的生产者是谁？所有的机器算法最初都是由人提供的。如果只看数据而忽略了数据的源头或相关人物的话，很容易被蒙蔽，数据只能说它代表的真相，但可能不会告诉你背后的真相。

纸上得来终觉浅，绝知此事要躬行。所有“精益”的最小化产品，并不是最简单的产品，相反它最要更高的专注和不断忍受失败的毅力。好的产品不是规划出来的，而是演化出的。

创业初期如何靠数据分析来积累客户

猴子 2013-05-17 1

Amazon评分还不错。评价摘录下面是

“This is one of these books that make you feel like you spent too little money for the value it provides. It's that good.

It is one of the most straightforward and comprehensive business books I've read. The information is clear, thorough and the case studies are not only interesting, but also very valuable since it allowed me to compare my business with other businesses. I now have a better feel of where we stands. The book stresses the importance of "actionable" metrics (vs vanity metrics) and helped me figure out the key metrics we should be tracking for our business.

Lean Analytics is an entertaining yet insightful read. Definitely worth every penny.”

精益数据分析

chris 2017-03-27 0

123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123

创业者和产品经理必读书籍

东星 2016-12-02 0

如《精益数据分析》作者所说，「精益创业」的风靡，几乎所有创业者都知道「敏捷开发」，知道「MVP, 最小可行性产品」，知道「构建-衡量-学习」流程，唯独数据成了精益创业里最不精益的工作。

从妄想家到企业家

创业者其实沉迷于妄想之中。妄想自己最了解用户的需求、妄想自己的解决方法最完美、妄想自己的盈利模式最正确……没有得到证实前，不论对自己说，还是对合作伙伴讲，这一切都不一定是真的，除非能经得住数据考验。

数据分析是帮助创业者从「妄想家」成为「企业家」的有效方法，也是初创企业成功的基石。数据分析能证明哪些是「妄想」，并在企业资金耗尽前，找到合适的产品和市场。

数据分析离不开分析企业关键指标。好的企业关键指标能「驱动决策」，依靠它可以改变当前商业行为。特别要注意「虚荣指标」，如点击量、页面浏览量、访问量、独立访客数、粉丝/点赞数、网站停留时长、用户邮件地址数量、下载量等，这些指标除了自我膨胀外，毫无意义。

为了让数据更加「精益」，还要进行测试——精益数据分析的灵魂。常用的测试方法有市场细分、同期群分析、A/B 测试和多变量测试。

企业的命脉

根据企业不同时期的变化，可灵活运用不同数据分析框架，常用的框架有：

戴夫.麦克卢尔的海盗指标说(AARRR)：获取用户(Acquisition)、提高活跃度(Activation)、提高留存率(Retention)、获取营收(Revenue)、自传播(Referral)。
埃里克.莱斯的增长引擎说：黏着式增长、病毒式增长、付费式增长。
阿什.莫瑞亚的精益创业画布：每个模块对应一组相关指标。
肖恩.埃利斯的企业增长金字塔：前提是已经达到产品与市场的契合点。

找到当前阶段高于一切、需要集中全部注意力的数字——第一关键指标(OMTM, One Metric That Matters). 它是企业的命脉，找到它才能让企业更好的生存、发展下去。

作者列举了六种商业模式：电子商务、SaaS、免费移动应用、媒体网站、用户生成内容(UGC)、双边时常(如 eBay). 列举了各个商业模式下对应的第一关键指标，并附有详细的实战案例介绍这些企业如何通过应用数据分析实现增长。

除了找对自己的商业模式外，还要清楚自己企业当前所处的阶段和优化该阶段的第一关键指标。作者推荐使用精益数据分析的如下五大阶段：

需求阶段：换位思索，挖掘用户需求并找到解决方案
黏性阶段：制作和迭代 MVP，提高用户黏性
病毒性阶段：提高病毒式传播系数和病毒传播周期
营收阶段：提高平均每位客户营收，让客户终身价值大于客户获取成本
规模化阶段：融入到更大的生态系统之中，证明市场大小

每个阶段对应的第一关键指标不同，要根据当前阶段跟踪并优化当前阶段的第一关键指标，直到达到满足进入下一阶段。

衡量：底线

为了知晓当前数据情况，需要知道行业基准，再定底线。通过行业基准，判断自己输赢及提升空间。不同行业不同指标的基准各不相同，需要结合实际情况。不要改变底线去适应自己的能力，而要提高能力来满足底线。

对于很多指标，确实没有什么「正常值」。当没有基准时，根据自己的特定产品和市场快速调整底线。当一个指标优化空间极小时，该去优化下一个重要的指标了。

总结

精益创业的核心思想是：准确判断自己的商业模式和创业阶段后，跟踪并优化当前的创业第一关键指标。通过反复践行这一流程，克服早期会面临的风险，避免过早增长，并最终在真实的需求、明确的方案和满意的客户这一坚定的基础上建立起你的公司。

建议创业者和产品经理阅读此书。

《精益数据分析》：力荐，每个互联网从业者都可一读

Tyrone Yu 2017-02-01 0

1. 启发点：本书既谈了数据分析，又谈了运用AARRR模型的创业和数据分析的结合。后者是AARRR+前面数据分析方法的延伸。最有启发点的是数据分析方法这一部分。当时我数据分析相当弱，读到这两段不禁拍案叫绝，如果我们能从数据分析中为产品发现了别人没意识到的先见性，相关性甚至因果性指标，则可以巧妙地去影响用户进而创造商业价值。摘录如下：

> 先见性指标与后见性指标：先见性用于预言未来，后见性用于解释过去。更喜欢先见性，因为在得知数据后尚有时间去应对。
> 1）潜在客户数是先见性，能预测未来的新客户数，用户流失是后见性。创业之初数据少，可以先关注后见性，如果要启用先见性，可以进行 AB 测试。
> 2）用户投诉量是先见性，账号注销和产品退货是后见性。一个团队的后见性可能是另一个团队的先见性，订单量是销售团队的后见性，但是财务团队的先见性。
> 相关性指标与因果性指标
> 1）发现相关性可以帮你预测未来，而发现因果关系，可以帮你改变未来，但很难找到100%因果关系，“因”会有很多。
> 2）找到一个相关性，进行控制变量试验并测量因变量的变化。（AB 测试）

2. 跳出书本思考点：平时工作中会把产品分为两类，价值驱动与行为驱动。价值驱动例如电商产品，尤其是B2B平台，只有给买家真正带来了生意，对方才会留存在体系内。行为驱动例如社交产品，用户建立的关系越多，留存的概率越大。本质上行为驱动产品，也是因为用户的行为反映了产品给用户带来的价值，所以也是价值驱动。价值驱动产品会较少关注用户行为，更关心为用户创建了多少商机，赚了多少钱。行为驱动产品较多关注用户行为，用户用的不爽，可能就再也不用了。因此，用户行为的数据分析方法容易在行为驱动产品上大显身手，如facebook等，但在价值驱动产品上，总不可避免地遇到“用户这么用和最终的价值有关系吗？”，“体验会影响留存吗？”等问题。如何拿着所发现的先见性/相关性指标去回答这些问题，我现在也不知道，因为不少相关性的解释力是很弱的，只能靠测试，但测试需要投入资源去做，于是形成了死结。

我要写长评

想读在读读过

标签(多个标签以“，”分开):

保存

精益数据分析

推荐文章

猜你喜欢

附近的人在看

推荐阅读

拓展阅读