Google数字营销布道师，畅销书Web Analytics2.0作者：怎么样用数据分析闭环引爆百亿美金企业订单3倍增长？-天涯论坛

l14107cb 发表于 2024-9-3 23:18:32

Google数字营销布道师，畅销书Web Analytics2.0作者：怎么样用数据分析闭环引爆百亿美金企业订单3倍增长？

<img src="http://mmbiz.qpic.cn/mmbiz/VptssYpeOVP79NfM4w95NCic4EkSgQ0V2ZR7icPuQSPR6diaas4ibqyTJGcDIB8eTziccqW4wXwYtiagFsSC3YT2IDYg/0?wx_fmt=gif&tp=webp&wxfrom=5&wx_lazy=1" style="width: 50%; margin-bottom: 20px;">
<img src="http://mmbiz.qpic.cn/mmbiz_jpg/VptssYpeOVM2Y6sKezibmXk7jloicbImHywhY89zc2wzxV5gSaQvR8HbibqhtRa8lAE7ia0AEvemr0cKIiah03Bw1Uw/640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1" style="width: 50%; margin-bottom: 20px;">
原文作者：谷歌数字营销布道师 Avinash Kaushik
编译作者：吆喝科技创始人及 CEO 王晔
近期读了谷歌数字营销布道师 Avinash Kaushik （他同期亦是畅销书 Web Analytics 2.0 作者）写的：The Lean Analytics Cycle: Metrics > Hypothesis > Experiment > Act  一文，个人认为其中的办法论对咱们应用数据分析来指点商场实践是非常有价值的。
我是做技术出身，不太爱好重复造轮子，在对 Avinash Kaushik 这篇文案的大部分编译的基本上，亦提出了我的有些个人看法和思考。限于篇幅原由，原文里的四个案例，这儿只摘了 Airbnb 的例子，感兴趣的伴侣文末有原文链接。
数据驱动（Data Driven）的概念在国内有了很长期了，但真正实现数据驱动的机构却少之又少。要做好精细化运营，需要用好数据，用数据来驱动运营和制品增长，而其中的关键则在于实现数据分析闭（循）环。
那样，什么是数据分析闭环？
数据分析闭环便是说把数据分析到验证的每一个过程有机的连接在一块，由此指点业务和实践，同期亦能对闭环进行迭代优化。
数据分析闭环有四个过程：指标--->假设--->实验--->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点业务增长。
<img src="http://mmbiz.qpic.cn/mmbiz_png/VptssYpeOVM2Y6sKezibmXk7jloicbImHyPhP03pZF11q8Zvia0euUBgq0P3cA6nC6fdUtzuR9iciaemsnBq20dtV3A/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1" style="width: 50%; margin-bottom: 20px;">
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，非常多人对这些很热衷有时候只是在跟风，由于数据和指标的功效和价值非常多年前就有人在强调。但这种现象是不正常的，仅有把指标和数据用于指点实践，形成一个数据分析的闭环，才可表现出数据的价值。怎么处理这个问题，又或说怎么形成数据分析到应用的闭环？
《精益数据分析》这本书里说到了精益数据分析闭环这个概念，它的目的便是帮你创建一个可连续的方式来选取重要的指标，并把这些指标跟基本的业务问题相关起来，而后提出对问题处理方法的假设，经过测试（当然包含A/B测试）验证假设并最后驱动业务增长。
下面，咱们会从四个过程，诠释数据分析闭环的有些细节并用 Airbnb 的案例让大众更好的理解精益分析循环怎样指点业务实践。
精益数据分析模型
精益数据分析循环非常简单，它的4个过程清晰的解释了你该怎样来用它指点业务。首要，要找出你想提高什么；而后创建并运行实验；最后衡量实验结果并决定采取什么行动。
这个循环里结合了精益创业（精益创业指的是基于数据分析进行连续的迭代提高）的概念，它能帮你放大已然验证有效的想法，抛弃无效的想法，并按照数据反馈来调节目的方向。
用下面的这张图来暗示精益创业循环：
<img src="http://mmbiz.qpic.cn/mmbiz_png/VptssYpeOVM2Y6sKezibmXk7jloicbImHyXxj681xCcT8JGqJlV4tcupdh80neHeej8GAz1ia7sia4yBWhgLCo3oBA/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1" style="width: 50%; margin-bottom: 20px;">
上图的流程看起来有点繁杂，咱们把它简化为任何业务和机构都能用于其数据分析实践的四个关键过程：指标--->假设--->实验--->行动
过程1：找出优化指标
这个循环不可帮你认识你的业务，由于这是你的工作。你需要晓得业务最重要的是什么，以及需要改进什么。
是提高转化率？
是提高访客注册数？
是加强用户分享率？
还是降低用户流失比例？
亦可能简单到就像让更加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。倘若你不是业务负责人，只负责增长，那样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，寓意着你跟业务是相关系的，倘若这个循环最后成功，你会让团队离目的更进一步。
确定要改善什么指标的另一种办法是按照你的商场模式。咱们举柠檬水摊的例子，那样你的商场模式便是一张表格，这儿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。这儿有四件事对你的生意很关键，其中一件有待改善。这便是此刻你的业务非常重要的一个指标。只选一个指标出来，由于你要优化它。
这个指标跟 KPI 关联，倘若是购买人数，那样指标是转化率。倘若是发送的邀请数，指标便是病毒性。倘若是离开的付花费户数量，便是流失率。
商场模式亦能告诉你指标应该是什么。例如，倘若你需要每杯柠檬水卖5美元才可达到收支平衡，那样这便是你的目的， KPI 的目的。
过程2：提出假设
这是发挥你创造性的地区，由于你能够进行各样类型的实验：
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
尝试区别的平台
改变按钮文字
A/B测试一个新功能
无论怎样，提出假设是需要灵感的地区，你能够经过两种方式找到灵感。
倘若得不到数据，你能够做各样尝试。
尝试理解市场。做调查，或瞧瞧别人怎么做，或查看客户反馈，或简单地拿起tel。
从竞争对手那里偷师。倘若有人做的很好，那样能够模仿。但切记不要为了区别而区别。
学习最佳实践。认识其他机构的增长方式，从增长黑客到内容营销，并从中找灵感。
倘若能获取数据，搞清楚用户之间有什么区别点。例如说，你在想办法降低流失率，有些用户一月都不退出，她们之间有什么一起点？最忠诚的客户跟其他人有什么区别点？她们都来自同一个地区？她们都买同样的东西？诸如此类。
无论哪种方式，这个假设都来自于用户，问她们问题，或认识她们的选取。
假设这个词有非常多区别的解释，个人觉得维基百科给的定义最贴切：
人们把问题的实验处理方法叫作为假设，一般叫作为“有按照的猜测”，由于它供给的处理方法是由于有些证据得出的。
咱们对采取什么动作才可改善 KPI 所做出的有按照的猜测是基于过程1得到的。
过程3：创建实验
一旦有了假设，你需要先回答3个问题再进入实验过程。
首要：目的受众是谁？事情的出现都是由于有人做了什么。那样你期望做什么呢？受众是所有人，还是用户中的一部分？她们是正确的受众吗？你能触达她们吗？直到你知道了你是要试图改变那些人的行径，才可去吸引她们。
其次：你想让她们做什么？你需求她们做的事情足够清晰知道吗？她们能很容易的，或是以自己的方式做吗？她们中有多少人今天做了这项操作？
第三：为何她们要这么做？仅有有价值的，并且充分信任你，她们才会做你需求做的事。你正确地激励她们了吗？当前的哪一项请求最有效？为何她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。由于这需要你对客户有很深入的认识。在精益创业里，这叫做客户研发。创建实验的过程看起来就像是这般：
弄清楚什么人因为何原由做什么事，才可显著加强你定义的目的 KPI 。
这是咱们采取行动的目的，用可靠的假设来创建可靠的实验。这种方式亦能让每一个人理解实验的目的和道理。
一旦创建了实验，并设置数据分析来按照当前的基准和你设定的目的来衡量 KPI ，接下来便是运行实验。
过程4.衡量和决定要做什么
到这一步，就能晓得你的实验是不是成功。这般咱们有了下面的几个选取：
倘若试验成功，碉堡了。庆祝一番，而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，优化不止吗。
倘若实验失败，则需要重新审视咱们的假设。而后把从失败的实验里学到的经验用于定义新的 who ，what ， why 。即使是失败的实验，倘若能从中得到教训，就不算是浪费机会。
倘若实验有一点结果，但不显著，此时候就应该尝试另一个实验了。一起始提出的假设依然有效，然则你能够按照这次实验对接下来的实验进行优化，再试一次。
这便是流程之美，we’re being smart, fast, and iterative！制定谨慎的计划，衡量其结果，并围绕更接近咱们的目的。识别，假设，测试，反应，以及重复。
下面是一个详细的案例，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机构供给闲时房屋租赁，她们发掘了非常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。
过程1：找出优化指标
Airbnb 想优化的指标是房屋租赁天数，这对它们来讲比单纯衡量收入更重要：倘若房东出租房子的时间越久，那样 Airbnb 的业务亦会变得更好。为了成就房东， Airbnb 经过列出热门租住房源，来保准留存。
Airbnb 晓得，要取得成功，需要大幅加强每家物业的租住率。
一个关键指标：“房屋租赁天数”
KPI ：房屋预定
目的：不明
当前水平：不明
过程2：提出假设
咱们不晓得 Airbnb 是怎么提出这个假设的，但咱们晓得它能得到热门租住的房屋列表。
可能她们重视到这些热门租住房屋的照片看起来更专业。
可能她们认识到房客的平常投诉是房子的照片和实质上不同样。
可能她们发掘人们在看了照片之后就放弃了列表。
可能她们她们分析了照片的元数据，发掘房屋租赁跟昂贵的相机型号之间有很强的关联性。
反正她们便是得出了这般的假设：照片越好看，房子租的越好。
过程3：创建实验
有了这个假设，接下来便是创建实验了。一般来讲，有一个清晰的假设能让创建实验更易。 Airbnb 的 who ，what ，why 如下：
谁是实验的目的受众？在 Airbnb 上查看列表的游客。
想让他们做什么？租房子更频繁。
游客为何会这般做？由于照片看起来更专业，并且让房子看起来更美观。
那样，这个实验就变成为了：
确定游客们是不是会由于更专业的照片列表更频繁地预定房子，并把房屋预定提高 X%。
这种状况下， 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。但即使假设不是创立在硬性数据中，实验设计亦必须创立在硬性数据上。
为了运行实验， Airbnb 创建了精益创业里的最小可行化制品（MVP）。就像魔法师：大都数辛苦的工作都是在幕后做的，但观众认为她们看到的便是真相。
Airbnb 不确定实验是不是有效，因此团队不打算雇佣全职的摄像师或给应用添加一个新功能。但同期，她们必须对实质功能进行真实测试。
这给咱们一个很好的经验，你不需要建造一个宏伟的闪亮城堡，你不需要万事俱备才起始测试。你能够起始小的，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 的实验包括有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处理。在实验过程中，摄影师为房屋拍照，而后测绘 KPI ，再把有摄影师拍照和没摄影师拍照的房屋进行对比。
<img src="http://mmbiz.qpic.cn/mmbiz_png/VptssYpeOVM2Y6sKezibmXk7jloicbImHy2MZ0B0TyjlL9LUdJrZP6kF1uOWmQic9icKYwd7KNBelIkWlK0k1OMSPw/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1" style="width: 50%; margin-bottom: 20px;">
过程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。那样结果怎样？有专业摄影师拍照的房屋平均预订率翻了2-3倍。
记住原始数据不是独一重要的部分，咱们需要衡量统计明显。 Airbnb 的实验数据足够证明结果的可行度。
—— Avinash
到2011年，机构已然有了20名全职摄影师。
<img src="http://mmbiz.qpic.cn/mmbiz_png/VptssYpeOVM2Y6sKezibmXk7jloicbImHyOsNIlQic83aTjwPiaq12s18dErl6PGePjvjTISkbTq8MoArbibT0njGVg/640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1" style="width: 50%; margin-bottom: 20px;">
这张图非常令人印象深刻，对吧？ Airbnb 的业务和商场模式做了非常多对的事情，但精益过程和A/B测试是加强预订率的关键原因，显然，实验是成功的。
从 Airbnb 的案例中咱们学到什么？
精益数据分析循环是快速推动变革非常核心的原因。精益数据分析循环和精益模式是一个整体，她们能够用于处理不确定事件，但她们不是随机的。第1步里很大的考量是怎样确定 KPI （包括“一个关键指标”），这将作为咱们实验的指引。第二步里有非常多思虑，以保证能做出最佳假设，而后经过深入清晰地定义 who ， what ， why 来弄清楚怎样进行实验。最后，衡量咱们是不是成功。而后持续内化吸收，最后成功。
关于数分析闭环的有些思考
要让数据闭环的价值充分表现出来，企业必须具备两个核心要求：
1.创造和运用数据的人，需要具备用数据来分析和决策的能力，尤其是能够把详细数据对应的业务道理理解清楚，这些人硅谷互联网圈叫作之为“增长黑客”。
举例来讲，倘若 Airbnb 的一个A/B测试的实验结果是房屋详情浏览下降而订房率提升，那样说明什么问题？应该采取什么行动？是不是由于在实验里房屋展示列表改进了，让用户能够更加快速的发掘自己想要的房屋（从而减少浏览房屋的次数而加强下单的可能）？另一个相反的可能，实验里房屋列表展示有问题，让用户能点的房屋变少了，下单的增多仅仅是由于实验里增多了促销奖励？增长黑客需要对数据进行恰当的判断，而后做出相应的决策（显然，区别的判断常常带来区别的决策）。倘若实验结果的分析不明朗，咱们可能还需要重新设计实验，例如减少实验的变量，或增多更加多的实验版本。
重视，选取合适的关键KPI做为核心优化指标（订单量），实验数据会更加容易分析。
2.产生数据的工具，需要保准数据的准确和可信，尤其是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 版本加强了10%的下单，然则“误差”达到了50%，那样这个实验数据的可参考价值就几乎不存在了，针对咱们的制品优化亦无用。
在关键性的企业决策工作中，人的功效依然大于设备，便是由于人能够经过经验和思考帮忙判断数据的可信性，从而避免让错误的数据带来错误的决策。
原文链接：
<a style="color: black;">http://www.kaushik.net/avinash/lean-analytics-cycle-metrics-hypothesis-experiment-act/</a>
<img src="data:image/svg+xml,%3C%3Fxml version=1.0 encoding=UTF-8%3F%3E%3Csvg width=1px height=1px viewBox=0 0 1 1 version=1.1 xmlns=http://www.w3.org/2000/svg xmlns:xlink=http://www.w3.org/1999/xlink%3E%3Ctitle%3E%3C/title%3E%3Cg stroke=none stroke-width=1 fill=none fill-rule=evenodd fill-opacity=0%3E%3Cg transform=translate(-249.000000, -126.000000) fill=%23FFFFFF%3E%3Crect x=249 y=126 width=1 height=1%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E" style="width: 50%; margin-bottom: 20px;">

4zhvml8 发表于 2024-9-29 23:47:17

你的话语如春风拂面，温暖了我的心房，真的很感谢。

j8typz 发表于 2024-10-4 06:18:28

在遇到你之前，我对人世间是否有真正的圣人是怀疑的。

页: [1]

天涯论坛's Archiver

Google数字营销布道师，畅销书Web Analytics2.0作者：怎么样用数据分析闭环引爆百亿美金企业订单3倍增长？