【数据分析】数据指标
目录
什么是好的数据指标？
找出正确的数据指标的五点方法
1、定性指标与量化指标
2、虚荣指标与可付诸行动的指标
3、探索性指标与报告性指标
4、先见性指标与后见性指标
5、相关性指标与因果性指标
市场细分、同期群分析、AB测试和多变量分析
市场细分
同期群分析
AB和多变量测试
数据分析周期
数据科学家的思维方式(模式),10条创业者需要避免的数据圈套：
数据分析框架
海盗指标
埃里克.莱斯的增长引擎
黏着式增长引擎
病毒式增长引擎
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
长漏斗
精益数据分析阶段和关隘模型
第一关键指标的约束力
什么是好的数据指标？
- 好的数据指标能带来你所期望的变化
- 好的数据指标是比较性的
- 好的数据指标是简单易懂的
- 好的数据指标是一个比率
- 比率的可操作性强，是行动的向导
- 比率是天生的比较性指标
- 比率还适用于比较各种因素间的相生和相克(正相关和负相关)
- 好的数据指标会改变行为
- 将日销售额之类的“会计”指标纳入财务报表，有助于进行更准确的财务预测
- “试验”指标，如一个测试的结果，其作用在于帮助你优化产品、定价以及市场定位
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
由错误数据指标引导的钠售团队也会犯同样的错误
数据指标之间耦合现象也值得注意（转化率、病毒系传播系数、病毒传播周期）
找出正确的数据指标的五点方法
1、定性指标与量化指标
定性指标：
- 通常是非结构化的、经验性的、揭不性的、难以归类的;
- 定性数据：杂乱的、主观的、不精确的，极难量化
- 吸纳主观因素
量化指标：
- 则涉及很多数伯和统计数据，提供可靠的量化结果，但缺乏直观的洞察
- 定量数据：那此我们跟踪和衡量的数字，比如休育比赛的比分和电影的评分
- 量化数据使用方便，具有科学性，易于归类、外推和置入电子表格
- 排斥主观因素
2、虚荣指标与可付诸行动的指标
虚荣指标：
- 看上去很美，让你感觉良好，却不能为你的公司带来丝毫改变相反
- 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。
可付诸行动的指标：
- 可以帮你遴选出一个行动方案，从而指导你的商业行为
- 真正应该关注的指标,即可付诸行动的指标,是“活跃用户占总用户数的百分比”(活跃用户占比)这个指标揭示了产品的用户参与度,当产品作出调整时,这个指标也会相应地变化。如果调整的思路是正确的,这个占比就应该上升。这就意味着,它可以指导你试验、学习和迭代。
如果你并不明白哪个指标能够改变企业的行为,那你压根就不是在用数据驱动决策,而只是在数据的流沙里挣扎。
另一个值得关注的指标是“单位时间内新用户的数量”(或“新用户增速”),它对比较不同营销手段的优劣往往很有帮助。
8个需要提防的虚荣数据指标(模式)
- 点击量。
- 页面浏览量(PⅤ值)
- 访问量
- 独立访客数
- 粉丝/好友/赞的数量。
- 网站停留时间( time on site)/浏览页数( number of pages)。
- 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
探索性指标是推测性的，提供原本不为所知的洞见，帮助你在商业竟争中取得先手优势打告性指标则让你时刻对公司的日常运营、管理性活动保持信息通畅、步调一致
我们知道我们不知道的”意味着某种度量行为，用于核算、衡量试验的结果
“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。
数据分析在唐纳德理论的四个象限中都有重要的应用:
- 检验我们手头上的事实和假设(如打开率或转化率),以确保我们不是在自欺欺人,我们的商业计划是切实可行的
- 验证我们的直觉,把假设变成证据;
- 为业务预测表、瀑布式开发流程图和董事会议提供数据;
- 帮助我们发现黄金机遇,大展宏图
4、先见性指标与后见性指标
先见性指标用于预言未来，后见性指标则用于解释过去。
相比之下，我们更喜欢先见性指标，因为你在得知数据后尚有时问去应对-—术雨绸缪，有备尤患
先见性指标(或称先见性指示剂)可用于预测未来，销售漏斗。
后见性指标能提示问题的存在，用户流失。
5、相关性指标与因果性指标
如果两个指标总是一同变化，则说明它们是相关的;如果其中一个指标可以导致另一个指标的变化，则它们之间具有因果关系。
如果你发现你能控制的事(比如播放什么样的广告)和你希望发生的事(比如营收)之间存在因果关系，那么恭喜你，你已拥有了改变未来的能力
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。
证明一个因果关系:找到一个相关性,进行控制变量试验并测量因变量的变化。
有时,你只能找到一些相关性,但你永不停止寻找因果性。
市场细分、同期群分析、AB测试和多变量分析
测试是精益数据分析的灵魂，测试就是通过市场细分、同期群分析或AB测试来比较两个样本的不同。
市场细分
细分市场就是一群拥有某种共同特征的人。
同期群分析
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。
每一组用户构成一个同期群,参与整个试验过程。通过比较不同的同期群,你可以获知:从总体上看,关键指标的表现是否越来越好了。
同期群的概念还可以表现为,根据用户的体验划分数据。
同期群分析为我们提供了一个更加清晰的视角。
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。
AB和多变量测试
纵向研究指比较不同群体的同期群试验，数据是沿着客户群体的自然生命周期收集
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。
AB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。
4种划分用户并进行分析或测试的方法：
数据分析周期
数据科学家的思维方式(模式),10条创业者需要避免的数据圈套：
- 假设数据没有噪声。
- 忘记归一化。
- 排除异常点
- 包括异常点
- 忽视季节性
- 抛开基数侈谈增长
- 数据呕吐
- 谎报军情的指标
- “不是在这儿收集的”综合征。
- 关注噪音。
数据分析框架
海盗指标
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 HARRI
这五个指标并不一定遵循严格的先后顺序。
埃里克.莱斯的增长引擎
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
用户参与度是预测产品成功的最佳指示剂之一
衡量黏性最重要的KPI就是客户留存率。
流失率和使用频率也是非常重要的指标。
病毒式增长引擎
病毒式传播归根结底就是一件事情:让声名传播出去
病毒式传播之所以吸引人,在于它的指数性本质
关键指标是病毒式传播系数,即每个用户所带来的新用户数。
需要考虑流失率对整体病毒因子的影响。病毒因子越大,增长也就越迅速。
衡量哪些用户行为形成了一个病毒传播周期(循环)
付费式增长引擎
赚钱是识别一个商业模式是否可持续的终极指标。
赚钱并不是一种驱动增长的引擎
客户终生价值(CV)和客户获取成本(CAC)
客户盈亏平衡时间,也就是你收回获取一位客户的成本所需的时间。
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
肖恩·埃利斯是一位著名的企业家、市场营销家。他创造了增长黑客这个词语
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
长漏斗
客户可能会在试探性地访问几次后才决定购买。
“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的全过程
精益数据分析阶段和关隘模型
许多优秀的框架来帮你审视创业:
- 其中一些(如海盗指标和长漏斗框架)侧重于获取和转化用户的行为;
- 其中一些(如海盗指标和长漏斗框架)侧重于获取和转化用户的行为;
- 还有一些(如精益创业画布框架)帮助你厘清商业模式及其组成部分,让你可以细致地分析创业的这些成分。
第一关键指标的约束力
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。
同时跟踪很多指标很了不起,却也是让你失去专注度的不归路。
使用第一关键指标的四大理由：
- 它回答了现阶段最重要的问题。
- 它促使你得出初始(区别创业成败的)基线并建立清晰的目标。
- 它关注的是整个公司层面的健康。
- 它鼓励一种实验文化。
参考：《精益数据分析》