《精益数据分析》中常用的5大分析模型

《精益数据分析》这本书介绍了什么是好的数据指标、如何进行数据分析以及5大数据分析模型,最后介绍了指标的底线(基准值),非常实用了,当作数据分析工具书来读。也是一套清晰的创业路线图,或是企业数据分析方法论。本篇也围绕此书逻辑展开。

01 什么是好的数据指标

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。

什么是好的数据指标——简单易懂、比率、比较性

好的数据指标能够带来你所期望的变化,下面就是衡量其好坏的一些重要准则。

好的数据指标是简单易懂的。如果人们不能很容易地记住或讨论某指标,那么通过改变它来改变公司,将会十分困难。

举例:客户跟进分为了跟进计划和跟进记录,但归结来看都是客户的跟进,所以报表分析分为“日程计划分析”、“跟进过程分析”不如直接汇总为“客户跟进分析。

好的数据指标是一个比率。会计和金融分析师仅需迅速查看几个比率,就能对一个公司的基本状况做出判断。

你也需要几个这样的比率来为公司打分。

举例:养老行业的参观率、预订率、入住率。

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

更好的洞察产品的实际走向。“本周的转换率比上周的高”显示比“转换率为2%”更有意义。

举例:同比、环比分析

02 如何进行精益数据分析

本书中描绘了精益数据分析方法论(如图1),但是笔着觉得过于复杂,于是精简了一版(如图2)。

原书版
精简版

方法如下:

1:选择一个希望改进的KPI,结合当前的创业阶段+商业模式,为该KPI确认一条准绳(如转换率20%)

2:找出提升这一KPI的方法;

3:衡量所做改动对KPI提升的效果;

4:有效则下一轮,无效则回到步骤2

创业阶段:

创业阶段

商业模式:

商业模式

03 5大分析模型

目前业内也有许多数据分析模型。他们帮助我们理解创业和创业在不同阶段所经理的变化,并助力创业公司获取客户和创造营收。

每一套模型对创业的生命周期都有着不同的视角,分别提出一系列值得关注的数据指标和领域。

1.海盗指标说

海盗指标说

海盗指标分为五大类: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(Referral),简称AARRR。

它描述了用户/客户/访客必须经历的五个环节,以便企业获取价值。价值不仅直接源于客户购买行为,还来自客户作为推销者(自传播)和内容产生者(留存率)所来带的营收。

这五个指标并不一定严格遵循先后顺序。例如,用户可能先推荐某一个产品后再购买,或者在光顾很多次后再注册,但这五个指标确实是一个帮助你思考创业增长所需要素的好框架。

2.增长引擎说

黏着式增长引擎:重点是让客户成为回头客,并持续使用你的产品。

关注KPI:客户留存率/流失率/使用率。

病毒式增长引擎:重点是传播出去。如果每个用户能带来新用户,那么用户将会无限制地增长直至饱和。

关注KPI:病毒传播系数;病毒传播周期。

付费式增长引擎:付费。从某种程度上讲,赚钱是识别一个商业模式是否可持续的终极指标。如果你从客户上所赚的钱超过获取客户的花费,并且可以一直这样做下去,你就是可持续的。

关注KPI:客户终身价值(CLV)和客户获取成本(CAC)。

3. 创业画布

创业画布
关注KPI

4.增长金字塔

增长金字塔

创业增长金字塔着眼于创业公司在找到产品与市场契合点之后该如何增长。

5.长漏斗

长漏斗

互联网诞生之初,电商网站的转化漏斗都相对简单。访客来到网站首页,通过导航找他们想要的商品,填写支付信息,最后确定订单。

而如今,各种网站的漏斗已经远远超出了网站自身的范畴,延申到了无数的社交网络、分享平台等等。每一次购买都收到线上、线下多重因素的影响。客户可能会在试探性访问几次后才决定购买。

“长漏斗”是一种分析方法,能够帮你理解你最初是如何获得客户的注意力,以及客户从最初得知该网站到发生你所期望的行为的全过程。

如:加入购物车到提交订单的转化率是70%,于是分析另外30%的流失原因,下方常放着促销广告,这个广告吸引了大量的点击。

对应创业阶段

创业阶段

对应商业模式

商业模式

附各商业模式分析指标

电子商务:转换率、年均购买率、平均购物车大小、弃买率、获客成本、平均每位客户营收、重复购买率...

SaaS:眼球(网站吸引访客的效果)、参与度(注册)、黏性、转换率、平均每位客户营收、客户获取成本、病毒性、追加销售(是什么促使客户支付更多的费用)、流失率、终身价值(付费总额)...

免费移动应用:下载量、客户获取成本、应用运行率(注册并打开应用)、活跃用户(日/月)、付费用户率、用户平均每月营收、点评率、病毒性、流失率...

媒体网站:访客与流失率、广告库存、广告价格、点击率、内容与广告间的平衡...

用户生成内容(UGC):活跃访客数、内容生成、参与度漏斗的变化、生成内容的价值、内容分享和病毒性、消息提醒的有效性...

双边市场(如房地产):买卖双方的人数增长、库存增长、搜索有效性、转化漏斗、评分以及欺诈迹象、定价指标...

04 数据指标的基准值

其实创业公司就是为了打破规则而生的,也就是说规则时刻都在被改写。但是我们认为定义基准值是有必要的,你可以知道你的大致表现是怎么样。

访客量:每个月致力于让30%的注册用户访问一次,每天让10%的注册用户访问一次。

获客成本:低于他在客户生命周期中贡献总价值的1/3。这并不是一成不变的定律,但是为人广泛引述。

收入/增长率:每周5%为底线。好的增长率是每周增长5%~7%。如果每周增长10%是非常优秀的表现;

流失率:每个月的用户流失率降低到5%以下。如果流失率高于这个值,可能产品的用户黏性还不够强。如果能达到2%,你就做的非常棒了。

病毒性:病毒性是你吸引用户所付出努力的力量放大器。比如病毒式传播系数是0.4,获取100个新用户需要花费1000美元,那么获客成本是10美元,但是这些用户又会邀请另外40个用户,如此往复,获取的100个用户会变成165个用户,所以你的实际获客成本变成了6.06美元。病毒式传播系数超过0.75就是一个好现象。

邮件打开率和点击率:20%~30%的打开率和超过5%的点击率。

网络性能:10秒以内的载入时间。

最后,附上九宫格读书法关于《精益数据分析》的读书笔记。

精益数据分析
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,951评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,606评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,601评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,478评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,565评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,587评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,590评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,337评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,785评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,096评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,273评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,935评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,578评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,199评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,440评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,163评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,133评论 2 352