本文章仅供参考，如果有什么不对，请多多指教！

• 客户开发是指聚焦于持续地收集用户反馈，同时这些反馈会对产品和业务的每个阶段产生实质性的影响，通过这些反馈去开发客户的方法。
• 创业公司是一种组织，存在的目的就是寻找可规模化和可重复的商业模式。（找一种可以刺激客户进行消费赚取利润的方式）

第1章---别再欺骗自己了

在“欺骗”的大环境下，创业者对自己的“欺骗”更甚。因为当创业者需要在缺乏充分实证支持的情况下，让别人相信他所说的是真的，他需要信徒对自己相当相信，所以创业者容易处于一种半妄想的状态，更容易去欺骗自己。相反地是，精益数据分析可以让创业者的“谎言”无处可逃，帮助创业者通过数据及时发现市场反常状况并控制住局势，避免全盘失控的局面。

案例分析：空中食宿的上门摄影服务

此案例以Airbnb为例，产品主管乔着重介绍公司的专业摄影服务，提出了一种假设“附有专业摄影照片的房源要更抢手，因此房主肯定会申请Airbnb提供此项服务”，他们并没有将想法付诸实践，而是开发了一项专人接待式最小可行化产品（Concierge Minimum Viable Product），从而迅速验证自己的假设。

最小可行化产品指的是足以向市场传达你所主张的价值的最小化产品，但定义中未对产品的真实程度作出要求。（类似饿了么或者美团一样，还没开发送餐APP，不过你可以先尝试调研人们是否需要送餐的需求，通过送餐和多种食物选择的方便形式吸引消费者和商家使用自己的APP）

最后说明一下，自己曾经也是Airbnb的消费者，这个APP上的民宿相比较比较便宜而且真的又干净又好看，下面就是自己的住过的民宿照片。刚开始找民宿的时候，我参考了美团、携程、艺龙还有Airbnb这几个APP，综合各方面的因素，在同个价位区间下，爱彼迎APP上民宿的照片特别好看，比其他APP的还好看，而且实际体验也不错，跟图片也差不多。如果有个人游的习惯，真心推荐使用爱彼迎APP。

第2章---创业的记分牌

创业公司离不开数据分析，因为数据分析可以为创业公司提供企业关键指标，目的是让创业公司在资金耗尽之前，找到正确的产品和市场，从而实现利润最大化。在上述背景下，第二章主要分为三个部分：

• 介绍好的数据指标的概念及重要准则；
• 如何找出正确的数据指标；
• 案例分析。

好的数据指标

好的数据指标能带来你所期待的变化。好的数据指标评判标准有

• 简单易懂，就像国民经济一样，一讨论国民经济情况就是讲GDP的增长；
• 比较性，通过不同时间段的比较，从而判断产品的实际走向，很多报表都会涉及环比这个概念；
• 比率，在前两个准则的基础下，好的数据指标一般以比率的形式体现，其中比率之所以是最佳指标的原因有三：
  (1) 比率的可操作性强，比如说速度比距离更能反映当前的行驶状态；
  (2) 比率是天生的比较性指标，例如日数据和月数据一个是短期的突跃，一个是长期的渐变；
  (3) 比率适用于比较各种因素间的相生和相克（正相关和负相关），比如单位时间内行驶的里程/罚单数这个比率显示了二者的关联性，比如里程越多，罚单也就越多，同时也可以帮你决定是否应该超速。

好的数据指标能够改变商业行为，因为二者的目标一致：保留用户、鼓励口碑传播、有效获取新用户或者创造营收。

不过，并非所有数据指标都是好的，比如汽车销售者电话的打分制度，这可能会造成一种现象，汽车销售者主要目标不在于为客户提供更优的服务，反而是在于让客户给他打好评。

因此，我们应该选择好的同时正确的数据。数据指标之间的耦合现象也值得注意，每个数据指标背后都隐藏着重要的数据指标，例转化率（访客真正发生购买行为的比例）通常与购买所需时间（客户需要多长时间才能完成购买）相绑定。

选择正确的数据指标的方法

• 定性指标和量化指标
  定性指标是非结构化、经验性的、揭示性的、难以归类的；量化指标涉及很多数值和统计数据，提供可靠的量化结果，但缺乏直观观察。简而言之，定性指标指的是“为什么”，排斥主观因素，量化指标指的是“多少”，吸纳主观因素。

• 虚荣指标和可付诸行动的指标
  虚荣指标看起来很美，却不能为公司带来丝毫改变；可付诸行动的指标可以为你挑选一个行动方案，从而指导你的商业行为。例如，“总注册客户数”就是一个虚荣指标，因为有僵尸粉的存在，而“总活跃用户数”、“单位时间内新用户的数量”会相对比较有作用。
  8个需要提防的虚荣数据指标：点击量、页面浏览量、访问量、独立访客数、粉丝\好友\赞的数量、网站停留时间、收集到的用户邮件地址数量、下载量

• 探索性指标与报告指标
  探索性指标是推测型的，提供原本不为所知的洞见；报告性指标则是让你时刻了解公司的日常运营、管理性活动。对于这两个指标，唐纳德对此分为以下四个方面。

• 先见性指标与后见性指标
  先见性指标是预测未来，后见性指标就是用于解释过去。

• 相关性指标与因果性指标
  相关性指标是指标相互影响，都是自变量；因果性指标是其中一个指标导致另外一个指标的变化，是因变量与自变量的关系，在数据分析时更应该找出因果性指标。

案例分析

通过HighSchool House的例子，说明公司可以通过数据分析重新定义了区分“活跃”和“非活跃用户”的阈值，用以更好地反映先由用户的行为，并不是所有的客户都是“活跃用户”，同时不要过度地依赖于数据，该公司在定义定性指标的“活跃用户”时，对公司并没有很大的帮助，只有调整后的阈值，放弃流失客户，向不活跃但仍然使用产品的客户进行调查咨询，才能帮公司制定合理的策略。这处也就涉及到了下面的市场细分、同期群分析等定义。

市场细分是指一群拥有某种共同特征的人，也就是所谓的受众概念。同期群分析是指相似群体随着时间变化后，用户数目也随之变化等数据分析，例如客户在免费、付费、停止使用三个阶段中用户的数目变化。纵向研究是指不同时间对同一个群体的试验；横向研究（A/B测试）是指同个时间段对不同群体提供不同的体验。同期群主要分析留存率，具体情况参考下表：

第3章---你把生命献给谁

第4章---以数据为导向与通过数据获取信息

数据确实很重要，不过只依赖于数据，忽略现实原因，很容易导致滥用数据。机器学习中的优化核心是找到给定函数的最大值或最小值，是限定了定义域，有约束条件的限制，可是创业指的不单单是渐近式的改变，而是创新，因为渐近式的改变可以达到局部极限，而创新可能导致全局洗牌。

下面分享一下数据科学家的思维方式。

• 对获取的数据去噪声
  因为并非所有数据都是真实的。Python可以对数据进行去噪声处理，比如分箱、聚类、计算机和人工结合、回归等方式。
• 忘记归一化
  归一化指的是将数据变到（0,1）的取值范围内，将有量纲表达式变为无量纲表达式，即每个变量不会因为单位的不同而影响数据最后的预测结果。
• 异常点清洗
  Python有一些方式去处理异常值，比如简单的统计分析、箱型图分析、基于模型检测等方式。
• 包括异常值
  有的异常值不可以直接去掉，应该进行分析。
• 忽略季节性
• 抛开基数侈谈增长
  重视基数，如何你的用户量基数少，第二天用户量也会翻倍，比率增加；当用户量数目多时，比率也会减少。
• 数据呕吐
  选中合适的数据，一般都会采用多元变量统计分析，也会根据关联度分析、聚类分析等算法，去选择最为合适的变量。
• 谎报军情的指标
  需要设置好限制条件，否则容易忽视各种异常值，不利于预测结果。
• “不是在这儿收集的”综合症
  结合不同来源的数据进行分析，数据分析结果较为全面，利于决策。
• 关注噪声
  分析数据是否真的是有规律，而不是一肚子将所有数据都处理为有规律。

第5章---数据分析框架

“海盗指标” --------麦克卢尔将创业公司最需要关注的指标分为5大类： 获取用户（Acquisition）、提高活跃度（Activation）、提高留存率（Retention）、获取营收（Revenue）和自传播（Refferral），这个跟运营涉及的内容有点类似，下面介绍埃里克-莱斯的增长引擎说进行分析，主要分为

• 黏着性增长引擎，数据指标为留存率和频率；
• 病毒式增长引擎，关键性指标为病毒式传播系数和病毒传播周期；
• 付费式增长引擎，关键性指标为客户终生价值（CLV）、客户获取成本（CAC）和客户盈亏平衡时间。

商业企划书或者调查问卷需要涉及以下8个方面，跟第三章的部分类似。

长漏斗方法是一种帮你理解最初是如何获得客户的注意力和客户从最初得知该网站到发生你所期望的行为的一种分析方法。整个精益数据分析过程如下：

第6章---第一关键指标的约束力

第一关键指标（One Metric That Matters）简称OMTM，就是一个当前阶段高于一切，需要你集中全部注意力的数字。使用第一关键指标有利于减少数据呕吐，所有指标的干扰，只剩下一些关键性指标，更利于决策和行动，其理由有四：

• 回答现阶段最重要的问题
  如同Solare分析一个餐饮行业的盈利情况，直接根据人工成本占毛收入的比例来判断，若该比例超过30%，则该餐厅在人工上投入过多，必须降低员工成本。这个比例体现了5个特征：简单、即时、可行动的、可比较的、根本性。
• 促使你得出初始（区别创业成败的）基线并建立清晰的目标
  这易于在满盘皆输前立即收手，减少成本的付出。
• 关注的是整个公司层面的健康
  避免数据呕吐，也就是大量数据指标同时分析，导致一些虚荣数据指标迷惑公司的决策，对公司的发展毫无用处。
• 鼓励一种实验文化

上述的四个理由中，最难判断的是初始基线的判断，由于是创业公司，很多东西都不了解，为任何已知的指标确定目标数字都是十分困难的，比如每周从每个渠道获得新用户数目多少才是合理的呢？这些目标数字的判断很难，除非是已经很成熟的商业模式可以为你提供一个确切的范围，如若你所处的商业模式不够成熟，你需要花时间跟实际结合起来去分析，去判断。