精益数据分析笔记-别再欺骗自己了

从数据分析的角度整理笔记，有关精益创业的部分会省略

最小可行化产品：是指足以向市场传达你所主张的价值的最小化产品。最小可行化产品并不对产品的真实程度做出要求。也就是说，有时并不值得你为了产品的开发而耗费时间与金钱，你只需要调研“人们会接受陌生人的搭车吗”，而显然不是“我能开发出一款配对司机和乘客的应用软件吗”。最小可行化产品可以以最小的投入快速完成对产品理念的测试。精益数据分析思维是指提出正确的问题，并重点关注那项可达成你期望结果的关键指标。 第2章 创业的记分牌

  数据分析跟踪企业关键指标，而企业的关键指标一般与商业模式(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。

  好的数据指标能带来你所期望的变化。衡量指标好坏的准则一般有如下几条：

好的数据指标是比较性的。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，则可以更好地洞察产品实际走向。好地数据指标是简单易懂的。好的数据指标是一个比率。原因如下：比率的可操作性强，是行动的向导；比率是天生的比较性指标；比率适用于比较各种因素间的相生和相克(正相关和负相关)。好的数据指标会改变行为。这是最重要的评判标准；这还要求在收集数据之前需要先行确定好针对各种不同情况的应变措施。 2.2 如何找出正确的数据指标？

定性指标和量化指标
量化指标涉及很多数值和统计数据，使用方便，具有科学性也易于归类、外推和置入电子表格。然而，在产品初期量化数据可能很难获得，这时需要收集定性数据。
定性指标是杂乱的、主观的、不精确的。收集高质量的定性数据需要很多准备工作。比如向潜在客户提问题时既要具体，又不能带有诱导性，使他们偏离初衷。
定量数据排斥主观因素；定性数据吸纳主观因素。虚荣性指标与可付诸行动的指标
虚荣性指标不能为业务带来丝毫改变。而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。常见的虚荣数据指标：点击量、页面浏览量、访问量、独立访客数、粉丝/好友/赞的数量、网站停留时间/浏览页数、收集到的用户邮件地址数量、下载量。探索性指标与报告性指标
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。先见性指标和后见性指标
先见性指标可用于预测未来，后见性指标能提示问题的存在。后见性指标和先见性的数据都可以指导行动，区别只是先见性指标能预示将来会发生什么，缩短迭代周期，精益求精。相关性指标和因果性指标
相关性指标是指两个指标总是一同变化。如果其中一个指标可以导致另一个指标的变化，则他们之间具有因果关系。
在两个数据之间发现相关性不是一件坏事，发现相关性可以帮助你预测未来，但仅仅关注单一的关联而不追溯因果关系会导致错误的决定，所以需要去发现因果关系。
因果关系并不是简单的一对一关系，很多事情都是多因素共同作用的结果。即使只发现部分因果关系也是很多价值的。
如何证明因果关系：找到一个相关性，进行控制变量试验并测量因变量的变化。 2.3 移动的目标

  在创业过程中，调整目标和关键数据指标都是可行的，只要调整后的指标可以更好地反映用户使用产品的习惯。

  测试是精益数据分析的灵魂，可以验证某种改变是否合理。常用的测试方法如下：

  市场细分就是一群拥有某种共同特征的人。市场细分不仅可应用于网站，它对任何行业、任何形式的营销都大有裨益。

  同期群分析比较的是相似群体随时间的变化。产品会随着你的开发和测试而不断迭代，这就导致在产品发布第一周就加入的用户和后来才加入的用户有不同的体验。
  同期群分析中每一组用户构成一个同期群，参与整个试验过程。通过比较不同的同期群，可以获知：从总体上看关键指标的表现是否越来越好了。
  同期群分析能够观察处于生命周期不同阶段客户的行为模式，而非忽略个体的自然生命周期，对所有客户一刀切。
  同期群分析适用于营收、客户流失率、口碑的病毒式传播、客户支持成本等数据指标。

  A/B测试看似简单易行，但有一个软肋。只有用户流量巨大的大型网站能对单一的因素进行测试并迅速得到答案。如果没有庞大的用户流量，你将需要测试很多因素。(后续其他资料补充)

  多变量测试使用统计学方法剥离出单个影响因子与结果中某一项指标提升的相关性。(后续其他资料补充)

  数据分析很强大，但滥用数据容易导致局部优化，进而忽视大局，这是极其危险乃至致命的。数据是检验假设的极佳工具，除非结合人类的反思，否则很难产生在新假设方面有建树。常见的数据圈套：

假设数据没有噪声。忘记归一化。排除异常点。包括异常点。忽视季节性。抛开基数谈增长。数据呕吐。如果你不知道什么数据对你更重要，那么即便你的数据统计板再大也没有用。谎报军情的指标。倘若警报设置的阈值过于敏感，警报就会不停地聒噪，就会渐渐开始无视各种异常。“不是在这儿收集的”综合症。将不同来源的数据合在一起能带来很多独到的见解。关注噪音。人类与生俱来的模式识别能力，容易使我们误以为无规律的事物是有规律的。