一、全书提纲
记录全书主要内容和次要内容,整理全书大纲
全书内容整理
二、总结心得
对书中内容发表评论或自己的心得
全书整体评价
《精益数据分析》是《精益创业》作者的第二本书,二者核心内容一致贯通,建议先读《精益创业》再读本书,可以更快更容易地理解书中内容。这是一本写给创业者的数据分析书,但同时也很适合商业数据分析人员和战略分析人员。书中不涉及具体数据分析的技术细节,但理论框架完整、视野全面,每个方面展开都能说很多。但因为作者想传达给读者的信息量太多,又因为数据分析要根据每种业务的具体实际情况具体分析,所以导致抽象出来的共性概念就显的有点大而空,可以作为数据分析理念的参考。真正想要具体指导数据分析过程还是要读技术性书籍。
各部分单独评价
第一部分 别再欺骗自己了
第1章 我们都在说谎
本章作者说明:精益数据分析可以让企业“说谎”变难,有了数据依据。例:Airbnb通过精益数据运营,调整策略从而达到用户量的“曲棍球棒”曲线式增长。
改进策略:专业摄像服务,提高清晰度—增加水印,提高真实性—客服推荐专业房屋摄影服务—最终证实,更好照片可以提高承租量。
解释概念“专人接待式最小可行化产品”:在精益创业理论中,最小可行化产品指足以向市场传达你所主张的价值的最小化产品。但定义中并未对产品的真实程度做出要求。例如,如果你正在考虑创建一种拼车服务,则可以试着用人工牵线搭桥这种原始方式将司机和乘客联系在一起。
第2章 创业的记分牌
什么是好的数据指标
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。好的数据指标是简单易懂的。好的数据指标是一个比率。好的数据指标会改变行为:这是最重要的评判标准:随着指标的变化,你是否会采取相应的举措?
想要找出正确的数据指标,有六点需要牢记在心。
1)定性指标与量化指标。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。
2)虚荣指标与可付诸行动的指标。值得关注的指标:活跃用户比、单位时间内新用户的数量。8个需要提防的虚荣数据指标(模式):注册量、页面浏览量、访问量、独立访客数、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。
3)探索性指标与报告性指标。想要让一款社区产品极速启动就需要相当高的用户参与度。更好的做法是:在一个更小的、更容易触及的目标市场中培养更多具有黏性的高活跃度用户。病毒式传播需要专注。
4)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。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)
5)相关性指标与因果性指标。找到一个相关性,进行控制变量试验并测量因变量的变化。
6)移动的目标。在创业过程中,调整目标和关键数据指标都是可行的;只要你能够做到实事求是,了解此番调整对企业的影响。
市场细分、同期群分析、A/B测试和多变量分析
市场细分:一群拥有某种共同特征的人。
同期群分析:比较的是相似群体随时间的变化。还可以根据用户的体验划分数据。
例:营收数据的同期群分。新客户的首月花费有显著增长,接下来的消费下降趋势也有所缓解,在首月注册消费后,客户消费的递减量。
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。
A/B和多变量测试
比较不同群体的同期群试验被称为纵向研究,因为数据是沿着客户群体的自然生命周期收集的。相对应地,横向研究指在同一时间段对不同被试群体提供不同的体验。
A/B测试: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。
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。
第3章 你把生命献给谁
精益画布
你该把生命献给谁
第4章 以数据为导向与通过数据获取信息
10条创业者需要避免的数据圈套
(1) 假设数据没有噪声。为获取的数据去噪是很耗时的一道工序,而回报通常是巨大的,往往简单的一步去噪就可能揭示重要的规律。莫尼卡问:“一次统计工具故障是导致你30%数据无效的真凶吗?你真的有那么多邮编是90210的用户吗?”在卷起袖子分析之前,先好好检查你的数据是否有效、实用。
(2) 忘记归一化。譬如,统计一个热门婚礼目的地列表。你大可以统计每个城市每年有多少人乘坐飞机来结婚,但如果不根据该城市每年的旅客量进行归一化,你得到的只会是一个热门旅游城市列表。
(3) 排除异常点。那21个每天使用你产品超过一千次的用户要么是你产品最大的粉丝,要么是自动浏览网络的程序。不论他们是什么,简单将其排除不讨论都是不妥的。
(4) 包括异常点。尽管那21个每天使用你产品一千多次的用户从定性的角度讲十分有趣,因为其揭示了一些你意料之外的事情,但不适合用于建立一个普适的模型。莫尼卡提醒到:“你在打造基于数据的产品时,或许会需要排除这些点。不然,网站的‘猜你喜欢’功能会给所有人推荐相同的东西:你的忠实粉丝所喜欢的东西。”
(5) 忽视季节性。“哇,‘实习生’是今年增长最快的职位吗?噢,等一等,现在是6月。”在寻找规律时未能考虑一天中不同时间、一周中星期几、一年中不同月份对数据的影响,会导致糟糕的决定。
(6) 抛开基数侈谈增长。基数很关键。如莫尼卡所说:“你的产品刚上线时,从严格意义上讲,你爸爸注册一个账号也可以使你的用户量翻倍。”
(7) 数据呕吐。如果你不知道什么数据对你更重要,那么即便你的数据统计板再大也没有用。
(8) 谎报军情的指标。你希望做到快速响应,于是设置了很多警报,在任何数据看起来不正常时都给你提醒,以保证能够快速处理。但倘若设置的阈值过于敏感,警报就会不停地聒噪,你也会渐渐开始无视各种异常。
(9)“不是在这儿收集的”综合征。莫尼卡说:“将你的数据与其他来源的数据合在一起能带来很多独到的见解。高质量客户的邮编地址是否集中于寿司店多的地区?”这可能给你带来极好的新想法用于试验,甚至影响你的增长决策。
(10) 关注噪音。“人类与生俱来的模式识别能力,容易使我们误以为无规律的事物是有规律的,”莫尼卡提醒创业者,“把虚荣指标放在一边,退后一步,站在更高的角度看问题。”
第二部分 找到当前的正确指标
第5章 数据分析框架
戴夫·麦克卢尔的海盗指标
麦克卢尔将创业公司最需要关注的指标分为五大类: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。价值不仅直接源于客户购买行为(获取营收),还来自客户作为推销者(自传播)和内容产生者(留存率)所带来的营收。
1)黏着式增长引擎。黏着式增长引擎的重点是让用户成为回头客,并且持续使用你的产品。衡量黏性最重要的KPI就是客户留存率。除此之外,流失率和使用频率也是非常重要的指标。
2)病毒式增长引擎。这个指标所衡量的是每一个病毒传播周期的新用户量。
3)付费式增长引擎
阿什·莫瑞亚的精益创业画布
肖恩·埃利斯的创业增长金字塔
总结
海盗指标和长漏斗框架侧重于获取和转化用户的行为;
增长引擎和创业增长金字塔框架帮助了解该在何时、以何种方式增长;
精益创业画布框架帮助厘清商业模式及其组成部分,可以细致地分析创业的这些成分。