随着“数据驱动产品设计”的理念被越来越多的公司所认可，越来越多的人认识到数据分析的重要性，数据分析也成为产品经理的一项必备技能。但是到我们在进行数据分析的过程中，总会存在一些问题，比如，我该关注哪些指标？指标太多我该如何通过这些指标获取我想要的结论？如何解读这些指标以便能够达到“数据驱动产品设计”？本文结合埃里克·莱斯的《精益数据分析》这本书，结合自我思考，阐述精益数据分析方法，后续会给出案例进行方法的实践。

1、为什么要进行数据分析？

彼得德鲁克有句名言：if you can't measure it, you can't manage it.

当我们推出一个新的产品功能的时候，是否是符合用户预期的，是否是受用户欢迎，我们需要通过数据来说话。主观的认知总会有一些偏差，但是数据是不会说谎的。通过可量化的数据能够对新功能给予较为客观的反馈，从而驱动下一步的产品决策。

2、精益数据分析方法

step1:结合当前的商业模式和创业阶段，选择一个希望改进的KPI，并为该KPI确定一条准绳；

step2:找出提升这一KPI的方法；

step3:根据实施对数据指标进行测试；

step4:根据数据测试结果，作出决策。

商业模式和创业阶段决定了你所关注的数据指标——

不同的商业模式关注的数据指标是不同的，比如一个电子商务平台和一个UGC平台所关注的数据指标是不同的，电子商务平台更关心购买转化率，UGC平台更关心用户活跃度内容输出的频次。

不同创业阶段公司所关心的数据指标也是不同的。比如在创业早期阶段，更关心的是如何获取用户，让用户使用你的产品；而当获取到一定的用户量并且保持了一定的活跃度后，这个阶段关心的就是营收，如何赚钱。

当确定了KPI之后，需要为这个KPI设置一个目标值，来衡量是否达成预期结果，这个目标值就是准绳——

准绳的获取有两种方式：（1）自主设定目标值；（2）参考行业基准值。

当制定方案去实施，已检测是否达到预期的结果或去验证预期的假设时，涉及一些数据测试方法，比如我想改进注册页面的转化率，改进的方案是调整注册按钮的位置，我如何知道注册按钮是放在页面左侧转化率高还是放在右侧转化率高？这时可能就需要用到A／B测试方式了。

后续篇章对「商业模式」、「创业阶段」、「数据指标」、「数据测试方法」分别进行细致阐述。

3、商业模式

商业模式是什么？商业模式是让人们做你希望他们做并能使你从中获利的事。

为什么要了解商业模式？因为你的赚钱方式决定了你应关注的指标。

我们可以将商业模式归为6大类——电子商务、SaaS、免费移动应用、媒体网站、UGC、双边市场。

每类商业模式应关注的指标

图

电子商务要关注的指标及对应的指标基准

图

SaaS要关注指标及基准

图

免费移动应用要关注的指标及基准

图

媒体网站要关注的指标及基准

图

UGC要关注的指标及基准

图

双边市场要关注的重要指标

4、创业阶段的划分

对于创业公司而言，所选商业模式以及能够证明假设相当准确的相关证据，要远比商业计划书重要得多。

判断所处商业模式通常十分简单，但判断所处创业阶段则要复杂得多。每家创业公司都必须经历多个阶段的磨练。磨练过程从发现问题开始，历经解决方案的创造及其有效性的核查，并以口碑营销以及资金的筹集结束。移情、黏性、病毒性、营收和规模性等阶段与其他精益创业倡导者所建议的内容十分相似。

图

创业的5个阶段及对应的指标

5、关于数据指标的二三事

5.1什么是好的数据指标？

（1）好的数据指标是比较性的。比较在不同的时间段，用户群体，竞争产品之间的表现，可以更好的洞察产品的实际走向，本周的用户转化率比上周高比用户转换率2%更有意义。

（2）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作为会十分困难，

（3）好的数据指标是一个比率。仅仅查看几个比例就能够对一个极公司的基本状况作出判断，你也需要几个这样的比率为自己的创业公司打分。

5.2想要找出正确的数据指标，有5点需要牢记于心

（1）定性指标与量化指标。定量数据指的是那些我们跟踪和衡量的数字，比如电影的评分、PV，UV。定性数据指的是难量化的数据，比如在做用户访谈时问用户有什么棘手的问题。

定量数据回答的是“什么”和“多少”这样的问题，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。

当我们拿到一个指标，下意识地问自己：“依据这个指标，我将如何改变当前的商业行为？”如果回答不了这个问题，那么这个指标就很有可能是一个虚荣指标。

比如“总注册用户数“就是一个虚荣指标。这个数字只会随着时间增长，它并不能传达关于用户行为的信息：他们在做什么？是否对你有价值？他们中的很多人可能只是注册了一下，就再没有使用过。

8个需要提防的虚荣数据指标——

1）点击量；／／随便什么网站，只要上面可点的东西多，这个数字都会很高

2）页面浏览量（pv);／／

3）访问量；／／你的100访问量究竟来自于1个访问了100次的用户，还是100个访问了1次的用户？它无法指导行动。

4）独立访客数；／／只能显示有多少人访问了网页，却不能告诉你这些人在页面上做了什么，他们为什么停留？是否离开了？

5）粉丝／好友／赞的数量；

6）网站停留时间；

7）收集到的用户邮件地址数量；

8）下载量

（3）探索性指标与报告性指标

（4）先见性指标与后见性指标

先见性指标可用户预测未来。比如投诉量这个数据指标，如果投诉量增加，很有可能更多的客户会停用你的产品或服务，作为一个先见性指标，客户投诉还能帮你深入了解产品和服务的真实状况，分析投诉量上升的原因，然后解决问题。

后见性指标能提示问题的存在。比如用户流失，不过等到你有机会收集数据，找出问题，往往为时已晚，已流失的用户不会再回头，但是可以通过分析问题避免新的流失。

（5）相关性指标与因果性指标

发现相关性可以帮助你预测未来，而发现因果关系意味着你可以改变未来。但仅仅关注单一的关联而不追溯因果关系会导致错误的决定。

举个例子——在加拿大，冬季轮胎的使用率和交通事故的减少量是一对相关数据。人们会在寒冷的冬季换上更软的冬季轮胎，而夏天是交通事故的高发季。这是否以为着我们应该要求加拿大的司机一年司机都装着冬季轮胎？当然不是，因为软轮胎在夏天的刹车性能很差，会导致事故量增加。所以，冬季轮胎的使用率和交通事故的减少量之间的相关性，可以帮助我们预测未来，但是对于决策的价值则有限。

在加拿大夏天交通事故增加的例子中，酒精消费量、新手司机数量、白昼变长和暑假等因素与交通事故增加具有一定的因果关系。通过对因果关系的分析，确定调整策略。

相关性很好，因果性更佳。有时候，你只能找到一些相关性，但你永不应停止寻找因果性

5.3、第一关键指标（One Metric That Matters)

数据是庞杂的，数据的形式可能是无规则、无组织的，甚至有的单一的数据并没有实际的意义。我们日常所做的大部分数据统计工作只是将数据进行统计和存储，以供日后需要所用。

而对于数据分析而言，我们需要聚焦于能够指导实践的数据信息——如你的KPI这些核心数据上进行跟踪和分析。如何让自己保持注意力在产品的核心数据上，让自己在正确的时间树立正确的目标，用正确的方法做正确的事情。第一关键指标（OMTM）就是一个很好的方法。

第一关键指标，就是一个在当前阶段高于一切、需要你集中全部注意力的数字。在问题验证阶段关心客户众生价值并没有什么意义，但当你接近产品与时长契合的时候，它可能就是你的专注点。

6、数据测试方法——市场细分、同期群分析、A/B测试和多变量分析

测试是精益数据分析的灵魂。通常，测试就是通过市场细分、同期群分析或A／B测试来比较两个样本的不同。

（1）细分市场：就是一群拥有某种共同特征的人。共同特征可以是：使用火狐浏览器、喜欢去餐馆前先预约、喜欢在晚上访问网站等。如果发现“使用火狐浏览器”群体的购买行为明显少于其他群体，你可以通过进一步测试找出背后的原因。

（2）同期群分析比较的是相似群体随时间的变化。产品会随着你的开发和测试而不断迭代，这就导致在产品发布第一周就加入的用户和后来才加入的用户有着不同的体验。

假设你经营着一家网店。你每月能获取1000位新客户，他们每人都会买一些东西。如下图所示前五个月中平均每位客户带来的营收。

图

表1:5个月平均每位客户营收

从这个表格中，我们是否可以看出网店的生意究竟是日益红火还是每况愈下？这并不容易回答，这个表格中，新客户和5个月前注册的老客户的数据是混在一起的，没有对比新客户和老客户的表现。

我们调整为根据用户在网店上的“店龄”来划分数据。如下表所示：

图

表2-营收数据的同期群分析

根据表2，我们可以看出，前几个月中用户变现的疲软表现已经损害到了网店营收指标的总体状况。1月份的同期群首页消费了5美元，然后逐月递减，到第五个月消费0.5美元。不过，随着网站的发展，新客户的首月话费有显著增长，接下来的消费下降趋势也有所缓解：4月份的同期群在首月消费8美元，次月消费7美元。

如果只看表1，网店的发展似乎进入了瓶颈，但经过同期群分析得出，实际上网店正在茁壮成长。而且，我们还明白了值得关注的关键数据：在首月注册消费后，客户消费的递减量。

（3）A／B测试和多变量测试：

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对被试用户的影响。

多变量分析法：同时改动产品的多个方面，看哪个与结果的相关性最大。

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。

7、案例分析

暂时没有找到一个比较合适的案例，后续如果有好的案例会更新

8、数据分析框架

这部分介绍书中提到的一些数据分析方法，在我们的实际工作中也会有一些参考作用

8.1戴夫·麦克卢尔的海盗指标说（AARRR）

“海盗指标”这一术语由风险投资人戴夫·麦克卢尔创造，得名于五个成功创业关键元素的首字母缩写。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。

[图片上传中...(image-ebb13-1516539381999-2)]

海盗指标与应跟踪的数据

8.2埃里克莱斯的增长引擎说

在《精益创业》一书中，埃里克·莱斯提出了驱动创业增长的三大引擎，它们都有各自对应的关键绩效指标（KPI）。

[图片上传中...(image-ce04f0-1516539381999-1)]

增长引擎说与应跟踪的指标

8.3阿什·莫瑞亚的精益创业画布

8.4肖恩·埃利斯的创业增长金字塔

著名企业家、市场营销家肖恩·埃利斯提出的创业增长金字塔模型，能够切实地帮助企业住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。

[图片上传中...(image-1255c4-1516539381999-0)]

创业增长金字塔

8.5长漏斗

它是一种分析方法，能够帮你理解你最初是如何获得客户的注意力的，以及客户从最初得知该网站到发生你所期望的行为（例如完成一次购物、生产一些内容、分享一段信息）的全过程。通常，对整个漏斗全阶段的监控要求，在起始阶段向数据中注入一些用于跟踪的特征，这样，用户在你的网站中走到哪儿，你就能跟踪到哪儿：当下的许多数据分析方案包都可以做到这点。此外，相重叠的流量源可以体现特定平台对转化率的影响。