《精益数据分析》：力荐，每个互联网从业者都可一读

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。