留言討論


分享本文至 E-mail 信箱

PanBooks/先搞清楚公司核心指標,不然一切都是白費

2016 年 04 月 06 日

數據分析是成長駭客日常工作中的基本組成部分。

產品功能邏輯越複雜,使用者量越大,涉及的利益方越多,數據分析的成本和要求就越高。據統計,今天的互聯網中,每六十秒會產生十萬條 Twitter 微博、五十萬次 Facebook 互動、四百萬次資訊搜索。在紛繁複雜的世界裡,學會用量化的方法觀測世界,才能更好地理解和玩轉一切。

進行數據分析的首要環節是明確分析的目的。脫離具體目標的單純數據查看沒有任何價值。在有些公司裡,向數據支援部門索取數據,需要提交相應的流程,轉交給對應的負責人進行手動查詢。如果分析目的不明確,無疑是在耽誤整體專案進度,浪費他人的時間。好的成長駭客懂得有的放矢,杜絕意義不明的數據索取需求。

其次是要瞭解數據來源的相關資訊,包括各項指標的定義、採集點和上報機制。在一家公司內,不同部門關注的指標可能不盡相同。開發人員警惕程式碼編寫中的錯誤率,產品人員在意每次版本反覆運算的留存率,而市場人員將更多目光聚焦在推廣費用的投入產出比上。

在大部分情況下,各部門通力合作,但也偶爾存在利益衝突的情況。比如在 eBay 這樣的電商平臺,很容易就陷入這樣的混亂局面:有的人認為買家數量最重要,有的人認為利潤最重要,還有人反駁說賣家數量才是關鍵。實際上,如果問一問 eBay 的核心領導,他們就會告訴你真正的指標是商品價值量,以及 eBay 網站上的活躍賣家在全球電商平臺的占比。這就需要一套自上而下推行的核心指標作為共識,來凝聚團隊勁往一處使。在 Facebook,馬克.祖伯格在公司內部大力推行的核心指標是月活躍用戶數,而非像其他社交網路如 MySpace、Compact 那樣關注註冊用戶數量。

在公司內部強調核心指標,意味著員工磋商問題時即便核心領導者不在場,或者不同業務組之間暫時產生矛盾對立時,人們腦子裡依然能清清楚楚地界定:對公司發展而言什麼是必須嚴格恪守的,什麼是應當暫時妥協的,什麼又是能無憾放棄的。這一理念在思路易發散的團隊中尤其重要,很多時候它能終結一場無意義的會議,把更多時間花在產出。

不同產品對指標的定義應當建立在類別特性和自身提供的服務核心價值之上。對一款即時通信 App 而言,每日啟動使用者的數量遠不如消息發送量重要。如果人們每天打開你的產品線上掛機,卻從來不怎麼聊天,那即使再龐大的用戶基數也不具備價值。WhatsApp 創始人簡(Jan)就從來只對外公佈發送消息的數量,將其作為「活躍用戶」的定義。而同樣是具有即時通信功能的手機 App 陌陌,則主推陌生人交友特性,基於地理位置的「看附近的人」是其早期引爆成長的賣點。陌陌內部對每天「活躍用戶」的定義是「登入成功並提交地理位置一次」。

陌陌主打功能之一的「附近的人」
陌陌主打功能之一的「附近的人」

上報機制則是指數據上報的時機、內容和技術實現形式。例如對一款手機 App 而言,上報機制需要考慮的內容可能包括:在 App 剛啟動時上報還是即將退出時上報,每次批量收集一組數據再上報還是隨時上報,是否只在 Wi-Fi 環境下上報,本地保存的待上報數據有效期是多久,是否會有其他因素干擾上報等。只有明確了上報機制,才能及時對數據異常做出感知,及時做出調整反應。

在數據來源正確的前提下,進行數據分析的方法可分為定性分析和定量分析。

  • 定性分析:

就是對事物的性質作出判斷,究竟它「是什麼」。例如,2014 年 8 月 13 日「新媒體排行榜」發布了微信公眾號(官方粉絲團)影響力排行榜,用榜單上名列前茅的標題《再見,彼得潘》、《再親密的人也沒有義務去懂你》、《關於抑鬱的真相》、《雙腿反映全身病,一時疏忽損你命》等的搜集彙總,我們可以粗略地下一個定性判斷:微信公眾平臺訂閱號讀者的群像,是一批在當代社會背負沉重生活壓力的年輕人,他們或許鬱鬱不得志、未被他人理解,因而將精神信仰寄託在物質享樂、童話故事和舊日時光中。因而我們針對這樣的用戶做營運,就可以多發一些適合他們的內容,如勵志故事、職場技巧、幽默笑話等。再比如,2014 年 9 月初迅雷的活躍用戶數量大增,結合對迅雷伺服器每天下載量排行榜的分析,可以發現根源於當時「iCloud 洩露門」流出的女星相關檔,因此可以定性地判斷用戶活躍度上升是網民對這類檔的熱搜造成的。

  • 定量分析:

是指對事物的數量作出統計,衡量它「有多少」。例如為一個「註冊」按鈕改文案,是放上「立即」好,還是「免費」好?前者能帶來緊迫感,後者祭出了「免費」大旗,讓人難於取捨,倘若折中來個「立即免費註冊」,又稍顯冗長,效果未必更好。用 A/B 測試後,我們或許能發現,「免費」二字更加打動人,按鈕點擊率能超過「立即」30%。這就是用定量分析來解決問題的方法。

數據分析就是定性分析與定量分析相互結合,不斷驗證的過程。

提出假設、設計方案、分析數據、驗證或推翻假設,最終抽絲剝繭,逐漸接近真相。數據是相互驗證的,彼此之間有如用無形的網路縱橫連接,只需輕輕按動其中一個,就會驅使另外一個或一組產生變化。用數據分析得出的結論,應當能反推出其他數據,或是與其他數據分析得出的結果相一致。例如,假設某日線上訂餐網站的數據量猛升,猜測與天氣陰雨、用戶窩在辦公室或家中不願出門有關,那麼就應當去翻查近期之內網站在陰雨天期間的訪問數據,看是否出現了類似的攀升。有經驗的數據分析師,如果發現電商網站上嬰兒車的銷量增加了,那麼他也會在奶粉銷量的同步增加中得到回應。經典的「啤酒與尿布」銷售案例正是來自於對數據關聯性的分析驗證。

保持對數據的敏感性,有助於在機遇與危機不期而至前,提前嗅到並做出準備。某天 LinkedIn 發現來自雷曼公司的訪客量驟然攀升,但他們沒有深究個中緣由。結果第二天,雷曼公司就宣布破產倒閉了。與之類似地,中國獵頭會在求職網站上潛伏狩獵那些突然變得活躍起來的用戶,與他們交流互動並試圖探查到對方跳槽的意願。如果你是一名從事招聘相關項目的成長駭客,這樣的數據異動足以讓你加以重視。

封面圖片來源:pexels

關於作者


泛科選書(PanBooks)

泛科選書(PanBooks)

PanX 泛科技新聞網從科技議題著手,企圖把未來更清楚地描繪出來。從能源議題、金融科技、生物科技,到物聯網、大數據、工業4.0、自造者,都是我們專注的內容。若希望有任何書籍合作歡迎向我們聯絡:contact [at] panx.asia

留言討論


網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策