豆瓣 8.2
第1章 我们都在说谎
引子：请直面这样一个事实：你其实沉迷在妄想之中。其实所有人都处于妄想之中，只不过一些人比较严重罢了。其中，症状最严重的当数创业者。
1. 创业需要信念的力量，也需要基于明确目标的数据分析观念
—— 创业者尤其擅于对自己说谎，说谎甚至可以说是创业者取得成功的必备条件。毕竟，你需要在缺乏充分实证支持的情况下，让别人相信你所说的是真的。你需要信徒对你相当地信任。创业者需处于一种半妄想状态，方能直面创业过程中不可避免的高潮与低谷。《摘自精益数据分析》
—— 无论你的妄想多么有说服力，都经不起数据的严格考验。数据分析对创业者的谎言起着必要的制衡作用，与其口中夸张的说法阴阳相对。此外，数据分析法是初创企业成功的基石。你可以从中得知运营初期企业行使的哪些手段行之有效，又该如何在资金耗尽前进行迭代，以找到合适的产品和市场。《摘自精益数据分析》
—— “精益”是很好的创业方法，“数据分析法”则保证了数据的收集与分析。二者均可从根本上改变你对企业开创与发展的看法。它们不仅仅是一种方法，还是一种思维模式。精益分析思维指提出正确的问题，并重点关注那项可达成你期望结果的关键指标。《摘自精益数据分析》
2. 现代快速迭代的思维建立在可数据分析，业务可进行不断衡量调整的前提下
—— 这就意味着你可以开发某产品，检测产品效果并从中获取经验，以便在下一版中加以改进。你可以快速迭代，并尽早决定是要专注于原有想法还是选择转型，然后就可以进行数据分析了。在创业过程中，领悟并非信手拈来之物，而是精益过程的重要组成部分。《摘自精益数据分析》
—— 管理学大师、作家彼得·德鲁克有一句名言：“你无法衡量的东西，你也无法管理。”用这句话来描述精益创业模式再合适不过了。在精益创业模式下，成功的创业者可以在同一时间开发产品，确定市场策略，并建立一套获知用户需求的数据统计系统。《摘自精益数据分析》
3. 理解专人接待式的最小可行化产品，并随时准备利用这种方法
—— 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。《摘自精益数据分析》
—— 这是一种专人接待式方法。它可以让你认识到，有时并不值得你为了产品（即便是最小化产品）的开发而耗费时间与金钱。你需要调研的风险是“人们会接受陌生人的搭车吗”，而显然不是“我能开发出一款配对司机与乘客的应用软件吗”。专人接待式最小可行化产品并不会大规模生产，但却可以在短时间内以最低的成本帮你尽快测试自己的想法。《摘自精益数据分析》
第2章 创业的记分牌
引子：数据分析离不开对企业关键指标的跟踪。这些指标与你的商业模式（即营收来源、支出成本、客户数量以及客户获取策略的效果等）有关，因此往往十分重要。
1. 学会定义数据，根据数据建立一些行为准则，但也不能仅依靠数据解决所有问题
—— 学会根据数据确定一条做与不做的准绳，对规范你的创业行为大有裨益。一个好的数据指标之所以能改变商业行为，是因为它与你的目标是一致的：保留用户，鼓励口碑传播，有效获取新用户，或者创造营收。不过可惜，这招并不是任何时候都管用。《摘自精益数据分析》
2. 好的数据定义是什么？
—— 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。“本周的用户转化率比上周高”显然比“转化率为2％”更有意义。《摘自精益数据分析》
—— 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的作为会十分困难。《摘自精益数据分析》
—— 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？《摘自精益数据分析》
3. 区分好数据的参考因素是什么？
定性指标与量化指标：
—— 如果定量数据回答的是“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。《摘自精益数据分析》
虚荣指标与可付诸行动的指标
—— 如果你有一个数据，却不知如何根据它采取行动，该数据就仅仅是一个虚荣指标。它毫无意义，唯一的作用是让人自我膨胀。你需要利用数据揭示信息，指明方向，帮助你改进商业模式，决策下一步的行动。《摘自精益数据分析》
探索性指标与报告性指标
—— 世界上的事物可以分为这样几类：我们知道我们知道的，我们知道我们不知道的；此外，还有我们不知道我们知道的，以及我们不知道我们不知道的。相比之下，“我们不知道我们不知道的”与创业的关系最紧密；它意味着在一系列探索之后，我们得到了一个能撼动市场的新产品。《摘自精益数据分析》
先见性指标与后见性指标
—— 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。如果目前潜在客户很少，那么将来也不会增加多少新客户。眼前，你可以努力增加潜在客户，这样将来就能得到更多的新增客户。另一方面，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）；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，这并不意味着你就只能眼睁睁地看着后见性指标而无可作为（比如，你可以尝试降低用户流失率，再测试是否见效），只不过这有点像亡羊补牢。《摘自精益数据分析》
相关性指标与因果性指标
—— 在两个数据指标之间发现相关性不是一件坏事，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。相关性很好，因果性更佳。有时，你只能找到一些相关性，但你永不应停止寻找因果性。《摘自精益数据分析》
4.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。《摘自精益数据分析》
市场细分
—— 简言之，细分市场就是一群拥有某种共同特征的人。《摘自精益数据分析》
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。比如，每个用户都会经历一个生命周期：从免费试用，到付费使用，最后停止使用。同时，在这期间里，你还在不停地对商业模式进行调整。《摘自精益数据分析》
—— 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。《摘自精益数据分析》
A/B和多变量测试
—— 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。进行一连串的单独测试会延长你走向成熟的周期。与其如此，不如采用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。《摘自精益数据分析》
思考题：
找出并写下你一丝不苟地遵循并每天回顾的三到五个关键数据，回答以下问题：
❑ 哪些是好的数据指标？
❑ 哪些指标帮助你进行商业决策，又有哪些是虚荣指标？
❑ 你能剔除那些不能为你带来任何价值的指标吗？
❑ 是否存在你尚未想到但可能更有意义的指标？
