什么是好的數(shù)據(jù)指標
好的數(shù)據(jù)指標是比較性的好的數(shù)據(jù)指標是簡單易懂的好說數(shù)據(jù)指標是一個比率 - 比率的可操作性強，是行動的向導 - 比率是天生的比較性指標 - 比率適用于比較各種因素間的相生和相克（正相關和負相關）好的指標會改變行為
定性指標與定量指標
定性指標通常是非結構化的、經(jīng)驗的俺祠、揭示性的偏瓤、難以歸類的；量化指標則涉及很多數(shù)值和統(tǒng)計數(shù)據(jù)管呵，提供可靠的量化結果版扩，但缺乏直觀的洞察。
定量數(shù)據(jù)排斥主觀因素甜刻；定性數(shù)據(jù)吸納主觀因素。
虛榮指標和可付諸行動的指標
如果你有一個暑假正勒，卻不知道如何根據(jù)它采取行動得院，該數(shù)據(jù)就僅僅是一個虛榮指標。
8個需要提防的虛榮數(shù)據(jù)指標（模式）
- 點擊量——可點的東西越多章贞，點擊量越大祥绞，統(tǒng)計點擊的人數(shù)更好
- 頁面瀏覽量（PV值）——除非商業(yè)模式直接掛鉤（展示廣告），否則統(tǒng)計訪問人數(shù)更好
- 訪問量——無法得知訪問來自多少人的多少次行為
- 獨立訪客數(shù)——訪客行為更重要
- 粉絲/好友/贊的數(shù)量——對活動的相應人數(shù)才有意義
- 網(wǎng)站停留時間（time on site）/瀏覽頁數(shù)（number of pages）——除非你的商業(yè)模式與這兩個指標綁定
- 收集到的用戶郵件地址數(shù)——重要的是是否真正打開郵件鸭限，并為郵件中的內(nèi)容買單
- 下載量——需要衡量的是：應用下載后的激活量蜕径、賬號創(chuàng)建量
探索性指標與報告性指標
探索性指標是推測性的，提供原本不為所知的洞見败京，幫助你再商業(yè)競爭中取得先手優(yōu)勢兜喻。報告性指標則讓你時刻對公司的日常運營、管理性活動保持信息暢通赡麦、步調一致朴皆。
世上的事務可以分為這樣幾類（唐納德理論）
- 我們知道我們知道的
可能并不為真的事實，須經(jīng)由數(shù)據(jù)的檢驗 - 我們知道我們不知道的
是可通過調研回答的問題 - 我們不知道我們知道的
是直覺泛粹，需要我們評估并訓練以提高其效能及效率 - 我們不知道我們不知道的
是探索遂铡，蘊含我們自身獨特的優(yōu)勢，能帶來有趣的頓悟
數(shù)據(jù)分析在唐納德理論的應用
- 檢驗手頭事實和假設不是自欺欺人晶姊，我們的商業(yè)計劃是切實可行的
- 檢驗我們的直覺扒接，把假設變成證據(jù)
- 為業(yè)務預測表、瀑布式開發(fā)流程圖和董事會議提供數(shù)據(jù)
- 幫助我們發(fā)現(xiàn)黃金機遇们衙，大展宏圖
先見性指標與后見性指標
先見性指標用于預言未來钾怔，例如潛在客戶數(shù)；
后見性指標用于解釋過去蒙挑，提示問題的存在蒂教，例如用戶流失；
某一團隊的后見性指標有時是另一個團隊的先見性指標脆荷。例如凝垛，季度訂單量對于銷售團隊和財務團隊懊悯。
相關性指標與因果性指標
如果兩個指標總是一同變化，則說明它們是相關的梦皮；如果其中一個指標可以導致另一個指標的變化炭分，則它們之間有因果關系。
發(fā)現(xiàn)相關性可以幫助你預測未來剑肯，發(fā)現(xiàn)因果關系意味著可以改變未來捧毛。因果關系并不是簡單的一對一關系，很多事情都是多因素共同作用的結果∪猛現(xiàn)實中很難找到100%的因果關系呀忧。即使只發(fā)現(xiàn)部分因果關系也是很有價值的。
證明一個因果關系：找到一個相關性溃睹，進行控制變量試驗并測量因變量的變化而账。如果擁有足夠大的用戶樣本，其他自變量對因變量的影響會被拉平因篇。
相關性很好泞辐，因果性更佳。有時竞滓，你只能找到一些相關性咐吼，但你永不應停止尋找因果性。
移動的目標
在創(chuàng)業(yè)過程中商佑，調整目標和關鍵數(shù)據(jù)指標都是可行的锯茄；只要你能夠做到實事求是，了解此番調整對企業(yè)的影響茶没，而不是無視事實撇吞，降低期望，得過且過礁叔。只有調整后的閾值或準繩可以更好地反映（某個細分市場中的）用戶使用產(chǎn)品的習慣牍颈，調整才是合理的、必要的
市場細分琅关、同期群分析煮岁、A/B測試和多變量分析
測試是數(shù)據(jù)分析的靈魂。通常涣易，測試就是通過市場細分画机、同期群分析、A/B測試來比較兩個樣本的不同新症。
市場細分
細分市場就是一群擁有某種共同特征的人步氏。
同期群分析
縱向研究，沿著客戶群體的自然生命周期收集徒爹，比較相似群體隨時間的變化荚醒。
同期群分析使你能夠觀察處于生命周期不同階段客戶的行為模式芋类。同期群適用于營收、客戶流失率界阁、口碑的病毒式傳播侯繁、客戶支持成本等。
A/B和多變量測試
橫向研究泡躯，同一時間段對不同被試群體提供不同的體驗贮竟。
軟肋：只有流量巨大的大型網(wǎng)站能對單一因素進行測試并迅速得到答案。如果沒有龐大的用戶流量较剃，你將需要測試很多因素咕别。
進行一連串的單獨測試會延長你走向成熟的周期。多變量分析法可以同時對多個屬性進行測試写穴。原理為惰拱，用統(tǒng)計學方法剝離出單個影響因子與結果中某一項指標提升的相關性。
精益數(shù)據(jù)分析周期
