【好文】谷歌：如何应用数据分析来指导商业实践-学网-中国IT综合门户网站-提供健康,养生,留学,移民,创业,汽车等信息
【好文】谷歌：如何应用数据分析来指导商业实践
来源：互联网 更新时间： 19:53:14 责任编辑：王亮字体：
如果得不到数据，你可以做各种尝试。尝试理解市场。做调查，或看看别人怎么做，或查看客户反馈，或者简单地拿起电话。从竞争对手那里偷师。如果有人做的很好，那么可以模仿。但切记不要为了不同而不同。学习最佳实践。了解其他公司的增长方式，从增长黑客到内容营销，并从中找灵感。如果能获取数据，搞清楚用户之间有什么不同点。比如说，你在想办法降低流失率，有些用户一个月都不退出，他们之间有什么共同点？最忠诚的客户跟其他人有什么不同点？他们都来自同一个地方？他们都买一样的东西无论哪种方式，这个假设都来自于用户，问他们问题，或了解他们的选择。假设这个词有很多不同的解释，个人觉得维基百科给的定义最贴切：我们对采取什么动作才能改善KPI所做出的有根据的猜测是基于步骤1得到的。步骤3：创建试验一旦有了假设，你需要先回答3个问题再进入试验步骤。首先：目标受众是谁？事情的发生都是因为有人做了什么。那么你期望做什么呢？受众是所有人，还是用户中的一部分？他们是正确的受众吗？你能触达他们吗？直到你明确了你是要试图改变哪些人的行为，才能去吸引他们。其次：你想让他们做什么？你要求他们做的事情足够清晰明确吗？他们能很轻松的，或是以自己的方式做吗？他们中有多少人今天做了这项操作？第三：为什么他们要这么做？只有有价值的，并且充分信任你，他们才会做你要求做的事。你正确地激励他们了吗？当前的哪一项请求最有效？为什么他们愿意为你的竞争对手做这件事？看起来 who 、what 和 why 这三个问题不难回答，但事实并非如此。因为这需要你对客户有很深入的了解。在精益创业里，这叫做客户开发。创建试验的步骤看起来就像是这样：这是我们采取行动的目的，用靠谱的假设来创建靠谱的试验。这种方式也能让每个人理解试验的目的和意义。一旦创建了试验，并设置数据分析来根据当前的基准和你设定的目标来衡量 KPI ，接下来就是运行试验。步骤4.衡量和决定要做什么到这一步，就能知道你的试验是否成功。这样我们有了下面的几个选择：这就是流程之美，we’re being smart, fast, and iterative！制定慎重的计划，衡量其结果，并围绕更接近我们的目标。识别，假设，测试，反应，以及重复。下面是一个具体的案例，来加深对精益数据分析循环的理解。案例：AirbnbAirbnb 是美国一家非常受欢迎的共享经济公司提供闲时房屋租赁，他们发现了很多创造性的方式来实现增长，明智和数据驱动是它的代名词。步骤1：找出优化指标Airbnb 想优化的指标是房屋租赁天数，这对它们来说比单纯衡量收入更重要：如果房东出租房子的时间越久，那么 Airbnb 的业务也会变得更好。为了成就房东， Airbnb 通过列出热门租住房源，来保证留存。Airbnb知道，要取得成功，需要大幅提高每家物业的租住率。一个关键指标：“房屋租赁天数”KPI ：房屋预定目标：不明当前水平：不明步骤2：提出假设我们不知道 Airbnb 是怎么提出这个假设的，但我们知道它能得到热门租住的房屋列表。
相关文章：
上一篇文章：下一篇文章：
最新添加资讯
24小时热门资讯
Copyright © 2004- All Rights Reserved. 学网 版权所有
京ICP备号-1 京公网安备02号如何应用数据分析来指导商业实践-2_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
如何应用数据分析来指导商业实践-2
||文档简介
商助科技（北京）有限公司，简称99click，是...|
总评分0.0|
&&数据驱动(Data Driven)的概念在国内有了很长时间了,但真正实现数据驱动的公司却少之又少。要做好精细化运营,需要用好数据,用数据来驱动运营和产品增长,而其中的关键则在于实现数据分析闭(循)环。
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩11页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢Hypothesis > Experiment > Act》一——ZAKER，个性化推荐热门新闻，本地权威媒体资讯"/>
人人都是产品经理
最近读了谷歌数字营销布道师 Avinash Kaushik 写的《The Lean Analytics Cycle: Metrics > Hypothesis > Experiment > Act》一文，个人认为其中的方法论对我们应用数据分析来指导商业实践是非常有价值的。我是做技术出身，不太喜欢重复造轮子，在对 Avinash Kaushik 这篇文章的大部分编译的基础上，也提出了我的一些个人看法和思考。限于篇幅原因，原文里的四个案例，这里只摘了 Airbnb 的例子，感兴趣的朋友可以在文末查看原文。那么，什么是数据分析闭环？数据分析闭环有四个步骤：指标—>假设—>试验—>行动。无论你做的在线，离线，或是非线上的业务，都需要这个闭环来指导业务增长。数据分析闭环过分迷恋于数据收集和标准的指标报告或许不是好事，很多人对这些很热衷有时候只是在跟风，因为数据和指标的作用和价值很多年前就有人在强调。但这种现象是不正常的，只有把指标和数据用于指导实践，形成一个数据分析的闭环，才能体现出数据的价值。怎么解决这个问题，又或者说怎么形成数据分析到应用的闭环？《精益数据分析》这本书里提到了精益数据分析闭环这个概念，它的目的就是帮你创建一个可持续的方式来选择重要的指标，并把这些指标跟基本的业务问题关联起来，然后提出对问题解决方案的假设，通过测试（当然包括 A/B 测试）验证假设并最终驱动业务增长。下面，我们会从四个步骤，解读数据分析闭环的一些细节并用 Airbnb 的案例让大家更好的理解精益分析循环如何指导业务实践。精益数据分析模型精益数据分析循环非常简单，它的 4 个步骤清晰的解释了你该如何来用它指导业务。首先，要找出你想提升什么；然后创建并运行试验；最后衡量试验结果并决定采取什么行动。这个循环里结合了精益创业（精益创业是指基于数据分析进行持续的迭代提升）的概念，它能帮你放大已经验证有效的想法，抛弃无效的想法，并根据数据反馈来调整目标方向。用下面的这张图来表示精益创业循环：上图的流程看起来有点复杂，我们把它简化为任何业务和公司都能用于其数据分析实践的四个关键步骤 :指标—>假设—>试验—>行动步骤 1：找出优化指标这个循环不能帮你了解你的业务，因为这是你的工作。你需要知道业务最重要的是什么，以及需要改进什么。是提升转化率？是提升访客注册数？是提高用户分享率？还是降低用户流失比例？也可能简单到就像让更多人去你的餐馆就餐。关键在于，它必须是你业务的核心指标。如果你不是业务负责人，只负责增长，那么你可能需要业务管理者（老板或业务总监）帮你确定这个指标这是好事，意味着你跟业务是有关系的，如果这个循环最终成功，你会让团队离目标更进一步。确定要改善什么指标的另一种方法是根据你的商业模式。我们举柠檬水摊的例子，那么你的商业模式就是一张表格，这里记录了柠檬和糖的价格，经过摊点的人数，多少人停下来买水喝，以及你收费多少。这里有四件事对你的生意很关键，其中一件有待改善。这就是现在你的业务非常重要的一个指标只选一个指标出来，因为你要优化它。这个指标跟 KPI 相关，如果是购买人数，那么指标是转化率。如果是发送的邀请数，指标就是病毒性。如果是离开的付费用户数量，就是流失率。商业模式也能告诉你指标应该是什么。比如，如果你需要每杯柠檬水卖 5 美元才能达到收支平衡，那么这就是你的目标， KPI 的目标。步骤 2：提出假设这是发挥你创造性的地方，因为你可以进行各种类型的试验：一次营销活动应用的重新设计定价的改变把运输成本纳入价格改变吸引用户的方式尝试不同的平台改变按钮文字A/B 测试一个新功能无论如何，提出假设是需要灵感的地方，你可以通过两种方式找到灵感。如果得不到数据，你可以做各种尝试。尝试理解市场。做调查，或看看别人怎么做，或查看客户反馈，或者简单地拿起电话。从竞争对手那里偷师。如果有人做的很好，那么可以模仿。但切记不要为了不同而不同。学习最佳实践。了解其他公司的增长方式，从增长黑客到内容营销，并从中找灵感。如果能获取数据，搞清楚用户之间有什么不同点。比如说，你在想办法降低流失率，有些用户一个月都不退出，他们之间有什么共同点？最忠诚的客户跟其他人有什么不同点？他们都来自同一个地方？他们都买一样的东西无论哪种方式，这个假设都来自于用户，问他们问题，或了解他们的选择。假设这个词有很多不同的解释，个人觉得维基百科给的定义最贴切：人们把问题的试验解决方案称为假设，通常称为 " 有根据的猜测 "，因为它提供的解决方案是由一些证据得出的。我们对采取什么动作才能改善 KPI 所做出的有根据的猜测是基于步骤 1 得到的。步骤 3：创建试验一旦有了假设，你需要先回答 3 个问题再进入试验步骤。首先：目标受众是谁？事情的发生都是因为有人做了什么。那么你期望做什么呢？受众是所有人，还是用户中的一部分？他们是正确的受众吗？你能触达他们吗？直到你明确了你是要试图改变哪些人的行为，才能去吸引他们。其次：你想让他们做什么？你要求他们做的事情足够清晰明确吗？他们能很轻松的，或是以自己的方式做吗？他们中有多少人今天做了这项操作？第三：为什么他们要这么做？只有有价值的，并且充分信任你，他们才会做你要求做的事。你正确地激励他们了吗？当前的哪一项请求最有效？为什么他们愿意为你的竞争对手做这件事？看起来 who 、what 和 why 这三个问题不难回答，但事实并非如此。因为这需要你对客户有很深入的了解。在精益创业里，这叫做客户开发。创建试验的步骤看起来就像是这样：弄清楚什么人因为什么原因做什么事，才能明显提高你定义的目标 KPI 。这是我们采取行动的目的，用靠谱的假设来创建靠谱的试验。这种方式也能让每个人理解试验的目的和意义。一旦创建了试验，并设置数据分析来根据当前的基准和你设定的目标来衡量 KPI ，接下来就是运行试验。步骤 4. 衡量和决定要做什么到这一步，就能知道你的试验是否成功。这样我们有了下面的几个选择：如果试验成功，碉堡了。庆祝一番，然后继续找下一个最重要的指标，继续下一个 who ， what ，why 周期。毕竟，生命不息，优化不止嘛。如果试验失败，则需要重新审视我们的假设。然后把从失败的试验里学到的经验用于定义新的 who ，what ， why 。即使是失败的试验，如果能从中得到教训，就不算是浪费机会。如果试验有一点结果，但不明显，这时候就应该尝试另一个试验了。一开始提出的假设依然有效，但是你可以根据这次试验对接下来的试验进行优化，再试一次。这就是流程之美，we ’ re being smart, fast, and iterative！制定慎重的计划，衡量其结果，并围绕更接近我们的目标。识别，假设，测试，反应，以及重复。下面是一个具体的案例，来加深对精益数据分析循环的理解。案例：AirbnbAirbnb 是美国一家非常受欢迎的共享经济公司提供闲时房屋租赁，他们发现了很多创造性的方式来实现增长，明智和数据驱动是它的代名词。步骤 1：找出优化指标Airbnb 想优化的指标是房屋租赁天数，这对它们来说比单纯衡量收入更重要：如果房东出租房子的时间越久，那么 Airbnb 的业务也会变得更好。为了成就房东， Airbnb 通过列出热门租住房源，来保证留存。Airbnb 知道，要取得成功，需要大幅提高每家物业的租住率。一个关键指标：" 房屋租赁天数 "KPI ：房屋预定目标：不明当前水平：不明步骤 2：提出假设我们不知道 Airbnb 是怎么提出这个假设的，但我们知道它能得到热门租住的房屋列表。可能他们注意到这些热门租住房屋的照片看起来更专业。可能他们意识到房客的常见投诉是房子的照片和实际上不一样。可能他们发现人们在看了照片之后就放弃了列表。可能他们他们分析了图片的元数据，发现房屋租赁跟昂贵的相机型号之间有很强的相关性。反正他们就是得出了这样的假设：图片越好看，房子租的越好。步骤 3：创建试验有了这个假设，接下来就是创建试验了。通常来说，有一个清晰的假设能让创建试验更容易。 Airbnb 的 who ，what ，why 如下：谁是试验的目标受众？在 Airbnb 上查看列表的游客。想让他们做什么？租房子更频繁。游客为什么会这样做？因为照片看起来更专业，并且让房子看起来更美观。那么，这个试验就变成了：确定游客们是否会因为更专业的照片列表更频繁地预定房子，并把房屋预定提升 X%。这种情况下， Airbnb 真的不需要任何当前数据，这就像对午餐的一次随机评论引出的假设。但即使假设不是建立在硬性数据中，试验设计也必须建立在硬性数据上。为了运行试验， Airbnb 创建了精益创业里的最小可行化产品（MVP）。就像魔法师：大多数辛苦的工作都是在幕后做的，但观众认为他们看到的就是真相。Airbnb 不确定试验是否有效，所以团队不打算雇佣全职的摄像师或给应用添加一个新功能。但同时，他们必须对实际功能进行真实测试。这给我们一个很好的经验，你不需要建造一个宏伟的闪亮城堡，你不需要万事俱备才开始测试。你可以开始小的，精益的，低成本的测试，只对客户测试你想测试的部分，来验证（或反驳）你的假设。Airbnb 的试验包含一些看起来像是一个真实功能的东西，但其实只需要摄影师就能解决。在试验过程中，摄影师为房屋拍照，然后测量 KPI ，再把有摄影师拍照和没摄影师拍照的房屋进行对比。步骤 4. 衡量表现在这个案例里， Airbnb 衡量了有专业摄影师拍摄的房屋以及屋主自己拍照的房屋的预定量。那么结果如何？有专业摄影师拍照的房屋平均预订率翻了 2-3 倍。记住原始数据不是唯一重要的部分，我们需要衡量统计显著。 Airbnb 的试验数据足够证明结果的可行度。—— Avinash到 2011 年，公司已经有了 20 名全职摄影师。这张图非常令人印象深刻，对吧？ Airbnb 的业务和商业模式做了很多对的事情，但精益过程和 A/B 测试是提高预订率的关键因素，显然，试验是成功的。从 Airbnb 的案例中我们学到什么？精益数据分析循环是快速推动变革非常核心的因素。精益数据分析循环和精益模式是一个整体，他们可以用于处理不确定事件，但他们不是随机的。第一步里很大的考量是如何确定 KPI （包含 " 一个关键指标 "），这将成为我们试验的指引。第二步里有很多考虑，以确保能做出最佳假设，然后通过深入清晰地定义 who ， what ， why 来弄清楚如何进行试验。最后，衡量我们是否成功。然后不断内化吸收，最终成功。数据驱动（Data Driven）的概念在国内有了很长时间了，但真正实现数据驱动的公司却少之又少。要做好精细化运营，需要用好数据，用数据来驱动运营和产品增长，而其中的关键则在于实现数据分析闭（循）环。要让数据闭环的价值充分体现出来，企业必须具备两个核心条件：1. 创造和使用数据的人，需要具备用数据来分析和决策的能力，特别是能够把具体数据对应的业务意义理解清楚，这些人硅谷互联网圈称之为 " 增长黑客 "。举例来说，如果 Airbnb 的一个 A/B 测试的试验结果是房屋详情浏览下降而订房率上升，那么说明什么问题？应该采取什么行动？是不是因为在试验里房屋展示列表改进了，让用户可以更加快速的发现自己想要的房屋（从而减少浏览房屋的次数而提高下单的可能）？另一个相反的可能，试验里房屋列表展示有问题，让用户能点的房屋变少了，下单的增加仅仅是因为试验里增加了促销奖励？增长黑客需要对数据进行合理的判断，然后做出相应的决策（显然，不同的判断往往带来不同的决策）。如果试验结果的分析不明朗，我们可能还需要重新设计试验，比如减少试验的变量，或者增加更多的试验版本。注意，选择合适的关键 KPI 作为核心优化指标（订单量），试验数据会更加容易分析。2. 产生数据的工具，需要保证数据的准确和可信，特别是 A/B 测试的统计结果必须足够收敛。假如数据统计的结果是 B 版本比 A 版本提高了 10% 的下单，但是 " 误差 " 达到了 50%，那么这个试验数据的可参考价值就几乎不存在了，对于我们的产品优化也没有用。在关键性的企业决策工作中，人的作用依然大于机器，就是因为人可以通过经验和思考帮助判断数据的可信性，从而避免让错误的数据带来错误的决策。本文由吆喝科技（微信：appadhoc）创始人及 CEO 王晔编译原文链接本文由 @
吆喝科技 翻译发布于人人都是产品经理。未经许可，禁止转载。
原网页已经由 ZAKER 转码排版
互联网新闻6小时前
知乎每日精选7小时前
亿邦动力网18小时前
亿邦动力网昨天
亿欧网昨天
亿欧网11小时前
亿欧网14小时前
亿欧网7小时前
ZD至顶网10小时前
亿欧网11小时前
ZD至顶网11小时前
ZD至顶网11小时前
亿欧网14小时前
Hypothesis > Experiment > Act》一" />下载合伙投客户端
共话大数据未来，大数据的商业应用和价值实践之路如何走？
（文/周丽梅）
【猎云网（微信：）成都】6月7日报道
6月6日下午，36大数据联合成都移动互联网协会主办、索信达数据和3W空间联合支持的“大数据中国行-大数据应用与实践”沙龙在成都举办。来自全国各地的大数据领域人员围绕着大数据行业热点和和发展趋势进行了巅峰对话和交流，就大数据的商业应用和价值实践进行深度探讨和分享。
电子科技大学教授周涛：一针一线做大数据生态建设
对于中国大数据产业发展，周涛是非常冷静和客观的。他对中国大数据产业的整体发展态势和现状进行了总结性陈述。在他看来，中国依然在大数据时代的门口徘徊。他表示：影响大数据的三个主要创新要素是原始数据、观念和技术及领先人。所以他们一直在致力于在建立一个好的生态，让这三个因素同时融合。
周涛介绍道，他们目前正在做数据的流通，做好数据的流通的提前做好四件事：一是需要整理前面合法可流通数据目录；二是建立一个完善的数据交易平台；三是用技术的办法解决数据版权的问题；四是如何给数据定价。围绕着解决数据流通的问题，他们也在做四类平台：一类是数据挖掘平台，一类是做大数据顶层设计与咨询，一类是做数据人才汇聚，一类是做数据安全。
据周涛透露，围绕着大数据的商业应用，他们在工业、电子商务、教育、人力资源、金融、医疗健康等方向均有1-2家垂直企业，且内部有核心品牌和数据流通管控部门，能够实现对整个数据的垄断。
从周涛的整场演讲来看，四类平台加上多家垂直方向的公司组成了一个大数据生态建设，这个生态系统中有数据的流通，技术的开放和人才的培养与交流。眼下，这个生态建设正在形成和完善，持续推动着中国大数据产业的发展。
GrowingIO创始人CEO张溪梦：公司如何用大数据驱动变现？
与周涛的宏观思想不同，张溪梦在活动现场的分享更加具体，更多的是大数据应用案例和实践经验。
张溪梦为大家带来了北美在大数据应用方面的做法和经验。他说，公司想把大数据价值发挥出来需要有三样东西：第一点是整体公司上下，从管理层到执行层，要对数据产生价值抱有一种信念；第二是企业通过数据产生价值基础方法论——量化。即从实施到落地，用数据衡量结果。第三是企业数据化执行的方法。
张溪说梦表示：从存量型经济向增量型经济转化过程当中，前端用数据做决策的场景会越来越多。新兴的业务增长框架强调“海盗法则”，数据本身会产生很多价值。数据化运营渗透企业和产品的每一个环节。通过数据分析优化和迭代产品，如果每天只需要比昨天强1%，那么一年之后获得37倍增长。
索信达数据副总裁林俊雄：大数据发挥价值关键要看目标是什么
林俊雄先生主要是从企业角度来阐述大数据的商业价值。当谈到定义大数据这三个关键词时，他说：“今天的信息是非常超值的，最重要的我们要找到中间的相关关系。”紧接着，林俊雄先生从公共服务、医疗、公共安全、金融等多方面来介绍大数据的具体用途和实现商业价值问题。
关于大数据实现商业价值问题，他表示：提炼大数据真正的价值还是要看企业的目标是什么？也就是说，大数据要实现商业价值和业务场景是息息相关的。最重要是科学数据经营推动并实现业务价值。在他看来，大数据实现商业价值的方法并没有统一固定的途径。企业在使用大数据的过程中，无论数据大还是数据小，不同的手段是按具体的需求去做的。
海航云商大数据部总经理李晓东：互联网金融是金融互联网的碎片化
李晓东先生先给大家介绍了他们大数据团队的发展和目前的业务情况。他明确的表示：中国大数据今天还远未成熟，但是不代表大数据现在还是故事。他年初的时候曾在36大数据发表了一篇文章，观点是2016年将是大数据市场拐点。他强调说，拐点不是成熟，而是即将加速。为什么说2016年是大数据市场的拐点，原因一是数据的丰富程度符合某些特定应用的基本需求，比如说金融；二是应用的算法日渐成熟；行业客户大数据意识逐渐成熟。
当谈到大数据在金融行业的应用问题时，他表示：互联网金融另外一个层面，互联网金融同样也是金融互联网化，就是碎片化。在金融行业风控里面，有的地方非常适合大数据技术，有的地方还是应用传统的结构化数据，用统计学的方法来做比较好。他说，我们改造一个行业，不要过于强调大数据本身，因为大数据是一种用来解决问题技术或手段。
卧龙大数据CEO王军：跨域关联与非结构化处理
王军先生先给大家展示了他们目前在做的数字画像工厂，整个系统里包括用户画像、商品画像、位置画像，商铺画像、品牌画像和房产画像。他通过多个案例来和大家讲述什么是跨域关联。他强调说必须把非结构化数据变成结构数据才能叫做画像，不然就是一堆机器数据不能识别。除此之外，他还和大家介绍了目前卧龙大数据的业务情况和用户画像的相关案例。
本次沙龙活动除了演讲分享之外，还准备了圆桌论坛和项目展示环节。
圆桌论坛上，在成都市移动互联网协会秘书长张正刚的主持下，中骏天宝资本皮里阳先生、GrowingIO创始人CEO张溪梦先生，勤智数码研发总监周智先生，成都比特信安副总经理方正先生一起探讨了大数据的创业与创新问题。
在企业展示环节，来自成都本土的大数据企业“比特信安”让人眼前一亮。这是一家做大数据安全的公司，对标的国外企业为Ganzang（被大数据第一品牌Cloudrea收购，溢价100倍）。目前在中国大数据领域，做大数据安全的企业非常少，比特信安的静态数据加密技术、涉密信息大数据保密检查系统以及数据脱敏解决方案非常值得关注
小程序搜索难？猎云网精品小推荐正式上线，你想要的都在这里：
本文来自猎云网，如若转载，请注明出处：/archives/181251
扫码关注猎云网
1.猎云网原创文章未经授权转载必究，如需转载请联系官方微信号进行授权。
2.转载时须在文章头部明确注明出处、保留官方微信、作者和超链接。如转自猎云网（微信号：ilieyun）字样。
3.猎云网报道中所涉及的融资金额均由创业公司提供，仅供参考，猎云网不对真实性背书。
热门关键词
用心服务创业者
扫码关注微信平台&&&&&&&&&&&&&&&
谷歌：如何应用数据分析来指导商业实践
&&&&来源：36大数据&&&&作者：&&&&&&
关键字：&&&&
我是做技术出身，不太喜欢重复造轮子，在对 Avinash Kaushik 这篇文章的大部分编译的基础上，也提出了我的一些个人看法和思考。
& & 我是做技术出身，不太喜欢重复造轮子，在对 Avinash Kaushik 这篇文章的大部分编译的基础上，也提出了我的一些个人看法和思考。限于篇幅原因，原文里的四个案例，这里只摘了 Airbnb 的例子，感兴趣的朋友可以在文末查看原文。
& & 什么是数据分析闭环？
& & 数据分析闭环有四个步骤：指标&&假设&&试验&&行动。无论你做的在线，离线，或是非线上的业务，都需要这个闭环来指导业务增长。
& & 数据分析闭环
& & 过分迷恋于数据收集和标准的指标报告或许不是好事，很多人对这些很热衷有时候只是在跟风，因为数据和指标的作用和价值很多年前就有人在强调。但这种现象是不正常的，只有把指标和数据用于指导实践，形成一个数据分析的闭环，才能体现出数据的价值。怎么解决这个问题，又或者说怎么形成数据分析到应用的闭环？
& & 《精益数据分析》这本书里提到了精益数据分析闭环这个概念，它的目的就是帮你创建一个可持续的方式来选择重要的指标，并把这些指标跟基本的业务问题关联起来，然后提出对问题解决方案的假设，通过测试(当然包括A/B测试)验证假设并最终驱动业务增长。
& & 下面，我们会从四个步骤，解读数据分析闭环的一些细节并用 Airbnb 的案例让大家更好的理解精益分析循环如何指导业务实践。
& & 精益数据分析模型
& & 精益数据分析循环非常简单，它的4个步骤清晰的解释了你该如何来用它指导业务。首先，要找出你想提升什么；然后创建并运行试验；最后衡量试验结果并决定采取什么行动。
& & 这个循环里结合了精益创业(精益创业是指基于数据分析进行持续的迭代提升)的概念，它能帮你放大已经验证有效的想法，抛弃无效的想法，并根据数据反馈来调整目标方向。
& & 用下面的这张图来表示精益创业循环：
& & 上图的流程看起来有点复杂，我们把它简化为任何业务和公司都能用于其数据分析实践的四个关键步骤：指标&&假设&&试验&&行动
& & 步骤1：找出优化指标
& & 这个循环不能帮你了解你的业务，因为这是你的工作。你需要知道业务最重要的是什么，以及需要改进什么。
& & 1.是提升转化率？
& & 2.是提升访客注册数？
& & 3.是提高用户分享率？
& & 4.还是降低用户流失比例？
& & 也可能简单到就像让更多人去你的餐馆就餐。
& & 关键在于，它必须是你业务的核心指标。如果你不是业务负责人，只负责增长，那么你可能需要业务管理者(老板或业务总监)帮你确定这个指标这是好事，意味着你跟业务是有关系的，如果这个循环最终成功，你会让团队离目标更进一步。
& & 确定要改善什么指标的另一种方法是根据你的商业模式。我们举柠檬水摊的例子，那么你的商业模式就是一张表格，这里记录了柠檬和糖的价格，经过摊点的人数，多少人停下来买水喝，以及你收费多少。这里有四件事对你的生意很关键，其中一件有待改善。这就是现在你的业务非常重要的一个指标只选一个指标出来，因为你要优化它。
& & 这个指标跟 KPI 相关，如果是购买人数，那么指标是转化率。如果是发送的邀请数，指标就是病毒性。如果是离开的付费用户数量，就是流失率。
& & 商业模式也能告诉你指标应该是什么。比如，如果你需要每杯柠檬水卖5美元才能达到收支平衡，那么这就是你的目标， KPI 的目标。
& & 步骤2：提出假设
& & 这是发挥你创造性的地方，因为你可以进行各种类型的试验：
& & 1.一次营销活动
& & 2.应用的重新设计
& & 3.定价的改变
& & 4.把运输成本纳入价格
& & 5.改变吸引用户的方式
& & 6.尝试不同的平台
& & 7.改变按钮文字
& & 8.A/B测试一个新功能
& & 无论如何，提出假设是需要灵感的地方，你可以通过两种方式找到灵感。
& & 如果得不到数据，你可以做各种尝试。
& & 尝试理解市场。做调查，或看看别人怎么做，或查看客户反馈，或者简单地拿起电话。
& & 从竞争对手那里偷师。如果有人做的很好，那么可以模仿。但切记不要为了不同而不同。
& & 学习最佳实践。了解其他公司的增长方式，从增长黑客到内容营销，并从中找灵感。
& & 如果能获取数据，搞清楚用户之间有什么不同点。比如说，你在想办法降低流失率，有些用户一个月都不退出，他们之间有什么共同点？最忠诚的客户跟其他人有什么不同点？他们都来自同一个地方？他们都买一样的东西
& & 无论哪种方式，这个假设都来自于用户，问他们问题，或了解他们的选择。
& & 假设这个词有很多不同的解释，个人觉得维基百科给的定义最贴切：
& & 人们把问题的试验解决方案称为假设，通常称为&有根据的猜测&，因为它提供的解决方案是由一些证据得出的。
& & 我们对采取什么动作才能改善KPI所做出的有根据的猜测是基于步骤1得到的。
& & 步骤3：创建试验
& & 一旦有了假设，你需要先回答3个问题再进入试验步骤。
& & 首先：目标受众是谁？事情的发生都是因为有人做了什么。那么你期望做什么呢？受众是所有人，还是用户中的一部分？他们是正确的受众吗？你能触达他们吗？直到你明确了你是要试图改变哪些人的行为，才能去吸引他们。
& & 其次：你想让他们做什么？你要求他们做的事情足够清晰明确吗？他们能很轻松的，或是以自己的方式做吗？他们中有多少人今天做了这项操作？
& & 第三：为什么他们要这么做？只有有价值的，并且充分信任你，他们才会做你要求做的事。你正确地激励他们了吗？当前的哪一项请求最有效？为什么他们愿意为你的竞争对手做这件事？
& & 看起来 who 、what 和 why 这三个问题不难回答，但事实并非如此。因为这需要你对客户有很深入的了解。在精益创业里，这叫做客户开发。创建试验的步骤看起来就像是这样：
& & 弄清楚什么人因为什么原因做什么事，才能明显提高你定义的目标 KPI 。
& & 这是我们采取行动的目的，用靠谱的假设来创建靠谱的试验。这种方式也能让每个人理解试验的目的和意义。
& & 一旦创建了试验，并设置数据分析来根据当前的基准和你设定的目标来衡量 KPI ，接下来就是运行试验。
& & 步骤4.衡量和决定要做什么
& & 到这一步，就能知道你的试验是否成功。这样我们有了下面的几个选择：
& & 如果试验成功，碉堡了。庆祝一番，然后继续找下一个最重要的指标，继续下一个 who ， what ，why 周期。毕竟，生命不息，优化不止嘛。
& & 如果试验失败，则需要重新审视我们的假设。然后把从失败的试验里学到的经验用于定义新的 who ，what ， why 。即使是失败的试验，如果能从中得到教训，就不算是浪费机会。
& & 如果试验有一点结果，但不明显，这时候就应该尝试另一个试验了。一开始提出的假设依然有效，但是你可以根据这次试验对接下来的试验进行优化，再试一次。
& & 这就是流程之美，we&re being smart， fast， and iterative！制定慎重的计划，衡量其结果，并围绕更接近我们的目标。识别，假设，测试，反应，以及重复。
& & 下面是一个具体的案例，来加深对精益数据分析循环的理解。
& & 案例：Airbnb
& & Airbnb 是美国一家非常受欢迎的共享经济公司提供闲时房屋租赁，他们发现了很多创造性的方式来实现增长，明智和数据驱动是它的代名词。
& & 步骤1：找出优化指标
& & Airbnb 想优化的指标是房屋租赁天数，这对它们来说比单纯衡量收入更重要：如果房东出租房子的时间越久，那么 Airbnb 的业务也会变得更好。为了成就房东， Airbnb 通过列出热门租住房源，来保证留存。
& & Airbnb知道，要取得成功，需要大幅提高每家物业的租住率。
& & 1.一个关键指标：&房屋租赁天数&
& & 2.KPI ：房屋预定
& & 3.目标：不明
& & 4.当前水平：不明
& & 步骤2：提出假设
& & 我们不知道 Airbnb 是怎么提出这个假设的，但我们知道它能得到热门租住的房屋列表。
& & 可能他们注意到这些热门租住房屋的照片看起来更专业。
& & 可能他们意识到房客的常见投诉是房子的照片和实际上不一样。
& & 可能他们发现人们在看了照片之后就放弃了列表。
& & 可能他们他们分析了图片的元数据，发现房屋租赁跟昂贵的相机型号之间有很强的相关性。
& & 反正他们就是得出了这样的假设：图片越好看，房子租的越好。
& & 步骤3：创建试验
& & 有了这个假设，接下来就是创建试验了。通常来说，有一个清晰的假设能让创建试验更容易。 Airbnb 的 who ，what ，why 如下：
& & 谁是试验的目标受众？在 Airbnb 上查看列表的游客。
& & 想让他们做什么？租房子更频繁。
& & 游客为什么会这样做？因为照片看起来更专业，并且让房子看起来更美观。
& & 那么，这个试验就变成了：
& & 确定游客们是否会因为更专业的照片列表更频繁地预定房子，并把房屋预定提升 X%。
& & 这种情况下， Airbnb 真的不需要任何当前数据，这就像对午餐的一次随机评论引出的假设。但即使假设不是建立在硬性数据中，试验设计也必须建立在硬性数据上。
& & 为了运行试验， Airbnb 创建了精益创业里的最小可行化产品(MVP)。就像魔法师：大多数辛苦的工作都是在幕后做的，但观众认为他们看到的就是真相。
& & Airbnb 不确定试验是否有效，所以团队不打算雇佣全职的摄像师或给应用添加一个新功能。但同时，他们必须对实际功能进行真实测试。
& & 这给我们一个很好的经验，你不需要建造一个宏伟的闪亮城堡，你不需要万事俱备才开始测试。你可以开始小的，精益的，低成本的测试，只对客户测试你想测试的部分，来验证(或反驳)你的假设。
& & Airbnb 的试验包含一些看起来像是一个真实功能的东西，但其实只需要摄影师就能解决。在试验过程中，摄影师为房屋拍照，然后测量 KPI ，再把有摄影师拍照和没摄影师拍照的房屋进行对比。
& & 步骤4.衡量表现
& & 在这个案例里， Airbnb 衡量了有专业摄影师拍摄的房屋以及屋主自己拍照的房屋的预定量。那么结果如何？有专业摄影师拍照的房屋平均预订率翻了2-3倍。
& & 记住原始数据不是唯一重要的部分，我们需要衡量统计显著。 Airbnb 的试验数据足够证明结果的可行度。&& Avinash
& & 到2011年，公司已经有了20名全职摄影师。
& & 这张图非常令人印象深刻，对吧？ Airbnb 的业务和商业模式做了很多对的事情，但精益过程和A/B测试是提高预订率的关键因素，显然，试验是成功的。
& & 从 Airbnb 的案例中我们学到什么？
& & 精益数据分析循环是快速推动变革非常核心的因素。精益数据分析循环和精益模式是一个整体，他们可以用于处理不确定事件，但他们不是随机的。第一步里很大的考量是如何确定 KPI (包含&一个关键指标&)，这将成为我们试验的指引。第二步里有很多考虑，以确保能做出最佳假设，然后通过深入清晰地定义 who ， what ， why 来弄清楚如何进行试验。最后，衡量我们是否成功。然后不断内化吸收，最终成功。
& & 数据驱动(Data Driven)的概念在国内有了很长时间了，但真正实现数据驱动的公司却少之又少。要做好精细化运营，需要用好数据，用数据来驱动运营和产品增长，而其中的关键则在于实现数据分析闭(循)环。
& & 要让数据闭环的价值充分体现出来，企业必须具备两个核心条件：
& & 1.创造和使用数据的人，需要具备用数据来分析和决策的能力，特别是能够把具体数据对应的业务意义理解清楚，这些人硅谷互联网圈称之为&增长黑客&。
& & 举例来说，如果Airbnb的一个A/B测试的试验结果是房屋详情浏览下降而订房率上升，那么说明什么问题？应该采取什么行动？是不是因为在试验里房屋展示列表改进了，让用户可以更加快速的发现自己想要的房屋(从而减少浏览房屋的次数而提高下单的可能)？另一个相反的可能，试验里房屋列表展示有问题，让用户能点的房屋变少了，下单的增加仅仅是因为试验里增加了促销奖励？增长黑客需要对数据进行合理的判断，然后做出相应的决策(显然，不同的判断往往带来不同的决策)。如果试验结果的分析不明朗，我们可能还需要重新设计试验，比如减少试验的变量，或者增加更多的试验版本。
& & 注意，选择合适的关键KPI作为核心优化指标(订单量)，试验数据会更加容易分析。
& & 2.产生数据的工具，需要保证数据的准确和可信，特别是A/B测试的统计结果必须足够收敛。
& & 假如数据统计的结果是B版本比A版本提高了10%的下单，但是&误差&达到了50%，那么这个试验数据的可参考价值就几乎不存在了，对于我们的产品优化也没有用。
& & 在关键性的企业决策工作中，人的作用依然大于机器，就是因为人可以通过经验和思考帮助判断数据的可信性，从而避免让错误的数据带来错误的决策。
责任编辑：
本文为授权转载文章，任何人未经原授权方同意，不得复制、转载、摘编等任何方式进行使用，e-works不承担由此而产生的任何法律责任! 如有异议请及时告之，以便进行及时处理。联系方式：editor@e- tel：027-/21。
12345678910
12345678910
12345678910
12345678910