数据指标是创业公司的计分牌。好的指标，帮你找到正确的“增长”姿势；坏的指标，并未带给你期望的变化。

在资金耗尽之前，你需要找到正确的产品与市场，追求增长，令企业成瘾。

数据指标是创业公司的计分牌。好的指标，帮你找到正确的“增长”姿势；坏的指标，并未带给你期望的变化。

面对不温不火的用户增长，应该做点什么？阿里斯泰尔·克罗尔（Alistair Croll）认为，好的指标是——比较性的、简单易懂的、可操作性的、能改变行为……

管理学大师彼得·德鲁克说：“你无法衡量的东西，你也无法管理。”想科学引导，究竟该关注那些指标？

虚荣指标 VS 行动指标：越增长，越迷失？

当你进行投放评估时得知，A渠道CTR 0.27%，B 渠道CTR 0.09%，如何选择？

毫不犹豫，A 渠道！

然而你并不知道，A 渠道的CVR 仅为0.5%，而 B 渠道的CVR为 1.1%。

新活动拉新，当日PV 增加 300%，新增会员数量增加高达100% – 200%。

指标的飙升令人兴奋

或许你并不知道，相比自然流量，该活动拉新的留存率与转化率均低50%。

注：CTR，Click Through Rate，点击率；CVR，Conversion Rate，转化率。

这是我们经常会犯的错误：我们习惯沉溺于虚荣指标的增长。

虚荣指标，会让你感觉良好，盲目追求会陷入自我膨胀；

可行性指标，能够指导最佳行动方案，指导商业行动。当产品调整思路正确，行动指标会相应增长。

图1：8个需要地方的虚荣数据指标

数据分析，并非简单的 PV、UV 的基础指标的分析，“粗糙”的数据仅传递出“用户做了什么？”而非“用户如何做的？为什么要这么做？”

为指导产品测试、科学迭代，相比虚荣指标，我们更需要关注可行性的指标。比如渠道评估，平均访问次数、平均访问时长能衡量网站的用户体验，跳出率直接反应网站流量质量，它更能引导你如何页面优化、匹配核心关键词调整。

案例：用行动指标验证产品思路

某教育平台采用敏捷开发，在30天的迭代周期中，产品经理会按照客户实际需求对工作按轻重缓急排序，并从用户的角度写出一系列“用户故事”来定位产品迭代列表。

这与精益创业的认知阶段性目标非常相似：推出早期产品，并建立某种基准线衡量指标，快速优化并不断迭代。面对增长，该产品经理认为，衡量指标（顾客总数、回答问题总数等）让团队感到自己好像在进步，然而他自己并不满意对用户了解程度：

增长的数字是否真的由产品开发促成？

据用户需求所排列的优先顺序真的科学？

如何让更多顾客注册和购买？

怎么把产品宣传出去……

基于此，公司从关注总数指标转向以同期群为基础的指标。通过A/B测试挖掘因果关系，改为把每个新产品的发布当做一次真实的对比测试。

这些指标帮助他调整了产品思路，并为此采取一些行动，如执着于改善顾客交流工具的研发意义不大；推出单人或社群学习的模式等。

报告性指标 VS 探索性指标：你不知道自己并不知道

创业公司应该把时间花在探索并得出一个可扩展、可复制的商业模式上。

——史蒂夫·布兰克

图2：唐纳德·拉姆斯菲尔德发言中蕴藏的智慧

• 报告性指标让企业时刻了解企业的日常运营、管理性活动；
• 探索性指标让企业了解“你不知道自己不知道”的事实，提供原本不为所知的洞见。

对于创业早期的客户，“我们不知道我们并不知道”的内容最为重要，他们会转化为未来的秘密武器。以下这个案例，通过深入挖掘数据，以调研数据为基础，发现了一个“他不知道自己不知道”的事实，颇具探索性与胆识。

案例：业务转型探索——从“朋友圈”到“妈妈圈”

Facebook 发布开发者平台不久，麦克·格林菲尔德在该平台上推出“朋友圈”。到2008年，“朋友圈”已在病毒式传播，并已有了 1000 万的用户。麦克视用户增长为首要使命，他发现：只有不到 20% 的圈子在创建后有活动的迹象，这意味着变现效果不会理想。于是，他通过用户数据库开始了深入的探索式分析。

他发现，在整个群体活跃度十分低迷的情况下，一个特殊群体撑起了整个产品的活跃度——妈妈群体。这些探索性指标成为他的依据：

与其他群体比，妈妈群体发站内信篇幅长 50%；

与其他群体比，妈妈在帖子中附图片的概率高 115%；

与其他群体比，在Facebook深入交流的对话概率高 110%；

与其他群体比，点击“提醒”的概率高 75% ……

于是，2008 年，麦克团队重新调整了产品重心，做出关键选型——10月在上Facebook推出了“妈妈圈”的社交产品。2009 年底，“妈妈圈”社区用户数达到450万，参与度极高。最终摆脱成为独立的网站。

先见性指标 VS 后见性指标：“未雨绸缪”与“亡羊补牢”

先见性指标可预测未来，如新增潜在客户量等。比如通过“销售漏斗”中现有的潜客数，你大致能够预测新客户数。在得知数据后，你尚有时间去应对——未雨绸缪，有备无患。

后见性指标可解释过去，如季度订单量、流失率等。等你有机会收集数据，找出问题，却为时已晚。但你依旧可以有所作为，这类似“亡羊补牢”——丢的羊回不来了，但可以尝试不再丢羊。

从价值上来说，先见性指标与后见性指标都可以指导行动。一些创业者经常会困惑：由于数据量有限，很难进行有效的数据分析。

实际上，当企业拥有的数据量不足以预测未来时，先见性指标更是颇具价值。例如，投诉量的增加或意味着客户会终止产品与服务，而产品退货、账号注销等指标则在探寻问题方面具有一定的滞后性。

案例：戴尔如何做到零库存？

曾被称为国际“ PC 之王”的戴尔，其成功精髓之一是“干掉库存”。一般产品从渠道到最终用户手里的库存周期大约为大概是20-40天，国内知名品牌——“联想”的库存周期在 20 天左右，而“戴尔”的库存周期只有 4 天。

众所周知，IT产品的销售周期的过长必定会带来成本压力，戴尔是如何做到“零库存”?

销售漏斗是戴尔最常用的销售预测分析工具，也是分析先见性指标重要渠道。销售漏斗将每份销售单子被分为五步，通过赢率计算，戴尔就能够估算在某一时间点，中国市场或者某区域内需要多少台服务器、哪款型号 PC，据此每一台 PC 机需要拆分的零部件有多少等。

针对这些预测准确的订单，戴尔公司马上对订单进行整合，分拣现有的原材料，把需要的其他原材料向供应商下订单。原配件由供应商直接运送到装配线上。整个设计、制造、分销和市场全过程中建立起来高度集成的供应链。2000 年初，戴尔坐到了 PC 市场第一的宝座。

看完，你是否觉得酣畅淋漓却又意犹未尽？

以上内容部分来自《精益数据分析》的整理。

作者：张乔，神策数据内容营销高级经理，用户行为洞察研究院负责人。公众号：用户行为洞察研究院

本文由 @乔一鸭 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Pixabay，基于 CC0 协议