本文共 3200 字,大约阅读时间需要 10 分钟。
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。
但有时创业公司的关键指标却并不容易判定,因为你连自己所处的商业模式都没有办法完全确定。你不停地修改自己分析的活动,并且仍在寻找正确的产品或目标客户。对于创业公司而言, 之所以进行数据分析,是为了在资金耗尽以前,找到正确的产品和市场。
但是在进行数据分析之前,CEO应该先确定你拿到的数据是不是一些好的数据指标,还是虚荣数据指标,应该先确定是好的数据指标,再来谈数据分析,因为依据虚荣数据指标进行的分析对你的公司来讲无异于灾难,它会让你沾沾自喜而察觉不到真正的危险。
那么对于创业公司来说什么是好的数据指标?是用户增长率么?还是用户获取成本?抑或用户终生价值?好的数据指标评判的依据和价值是什么?
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
好的数据指标能带来你所期望的变化,下面就是衡量其好坏的一些重要准则。
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。
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。
会计和金融分析师仅需迅速查看几个比率就能对一个公司的基本状况(这些基本状况包括市盈率、销售利润率、销售成本、员工平均营运收入,等等。)做出判断。你也需要几个这样的比率来为自己的创业公司打分。
比率是最佳的数据指标
比率之所以是最佳的数据指标,有如下几个原因。
以开车为例:里程透露的只是距离信息,而速度(距离/ 小时)才真正具有可操作性。因为速度告诉你当前的行驶状态,以及是否需要调整速度以确保按时抵达。
如果将日数据与一个月的数据相比较,你会得知该数据当前所经历的是一个短期的突跃,还是一个长期的渐变。再以开车为例:速度是一个数据指标。可只有将当前速度与最近一小时的平均速度进行比较时,才能确知你在加速还是减速。
就开车而言,单位时间内行驶的里程/罚单数这个比率显示了二者的关联性。你开得越快,行驶的里程就越多,但收到的罚单也越多。这个比率可以帮你决定是否应该超速。
以上均以开车为例,现在再来设想一个创业公司:其软件产品采取免费加收费的模式,即同时拥有免费和收费两个版本。公司面临一个选择:是该在免费版中提供尽量丰富的功能以吸引新用户, 还是该将这些功能保留在收费版本中,以促使用户为高级功能付费。两种做法各有利弊:推出功能丰富的免费版不利于销售额的增长;而免费版功能过简又不利于新用户的增加。此时,你需要一个结合了二者的数据指标来帮助自己理解,产品的改动对公司的整体业绩会有怎样的影响。否则,你可能会片面地为增加销售额而牺牲新用户的增长。
好的数据指标会改变行为
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 ?
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。
知名作家、企业家、演讲家赛思·戈丁曾在一篇名为“Avoiding false metrics”的博文2中举过几个这样的例子。
本去买新车。在签写购车协议时,销售员对他说:“下周,您会接到一个询问购车体验的电话。时间很短,也就一两分钟。评分从低到高为 1 到 5。您会给我们打5 分,对吗?我们的服务还不错,够得上 5 分,不是吗?如果有不周到的地方,我确实很抱歉,但如果您能给我们打 5 分,那是最好的。”
本并没有太把这当回事(奇怪的是,也没有人“如约”打来电话)。赛思认为,这种评分机制就是一个错误的数据指标,因为它并没有促使汽车销售员为客户提供更优的服务,反而让他的口舌浪费在了说服客户给他好评上(这显然对他很重要),这与设计评价机制的初衷——提高服务质量——背道而驰。
由错误数据指标引导的销售团队也会犯同样的错误。作者就见过某公司的销售总监将销售员的季度奖金与其正在接洽中的订单数量挂钩,而不是与已签订单数量或订单的利润率挂钩。销售员都是靠金钱驱动的,总是跟着钱走。在这个案例中,这就意味着销售团队会为了个人收入制造大量低质量的潜在客户,并将其停在“接洽”状态长达两个季度,这就浪费了本来可以多谈拢几个高质量客户的大好时间。
当然,客户的满意和确保接洽足够多的客户都对公司的成功至关重要。但是,如果想要改变公司员工的商业行为,就必须选择那些与你希望促成的改变相关联的指标。如果衡量的指标与目标不相关,员工的商业行为就不会随之发生改变,这无异于浪费时间。更可怕的是,你可能还在沾沾自喜、自欺欺人地以为一切都干得还不错。这样是不可能成功的。
另外,数据指标之间的耦合现象也值得注意。譬如转化率(访客中真正发生购买行为的比例)通常就是和购买所需时间(客户需要花多长时间才能完成购买)相绑定的;二者相结合可以告诉你很多关于现金流的信息。类似地,病毒式传播系数(viral coefficient,平均每个用户邀请来的新用户数)和病毒传播周期(viral cycle time,用户完成一次邀请所需的时间)共同推动产品的普及率。当你开始探寻生意背后的关键数字时,就会注意到这些数据对;它们的背后隐藏着最重要的数据指标:营收、现金流,或产品普及率。
如何找出好的数据指标
那么,在知道了什么是好的数据指标之后,应该如何找出好的数据指标呢?
想要找出正确的数据指标,有五点需要牢记在心。
定性指标通常是非结构化的、经验性的、揭示性的、难以归类的;量化指标则涉及很多数值和统计数据,提供可靠的量化结果,但缺乏直观的洞察。
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,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。
探索性指标是推测性的,提供原本不为所知的洞见,帮助你在商业竞争中取得先手优势。报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。
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间去应对——未雨绸缪,有备无患。
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。
来源:51CTO
转载地址:http://qzjix.baihongyu.com/