Google聯合創始人：什麼是數據分析閉環？如何引爆百億美金公司訂單3倍增長？

原文作者：Google聯合創始人Avinash Kaushik
編譯作者：吆喝科技創始人及CEO王曄

最近讀了Google聯合創始人 Avinash Kaushik 寫的《The Lean Analytics Cycle: Metrics > Hypothesis > Experiment > Act》一文，個人認為其中的方法論對我們應用數據分析來指導商業實踐是非常有價值的。

我是做技術出身，不太喜歡重複造輪子，在對 Avinash Kaushik 這篇文章做了大部分編譯的基礎上，也提出了我的一些個人看法和思考。限於篇幅原因，原文裏的四個案例，這裏只摘了 Airbnb 的例子，感興趣的朋友可以在文末查看原文。

我的一些思考：

數據驅動（Data Driven）的概念在國內有了很長時間了，但真正實現數據驅動的公司卻少之又少。要做好精細化運營，需要用好數據，用數據來驅動運營和產品增長，而其中的關鍵則在於實現數據分析閉（循）環。
要讓數據閉環的價值充分體現出來，企業必須具備兩個核心條件：

1、創造和使用數據的人，需要具備用數據來分析和決策的能力，特別是能夠把具體數據對應的業務意義理解清楚，這些人矽谷互聯網圈稱之為“增長黑客”。

舉例來説，如果Airbnb的一個A/B測試的試驗結果是房屋詳情瀏覽下降而訂房率上升，那麼説明什麼問題？應該採取什麼行動？是不是因為在試驗裏房屋展示列表改進了，讓用户可以更加快速的發現自己想要的房屋（從而減少瀏覽房屋的次數而提高下單的可能）？另一個相反的可能，試驗裏房屋列表展示有問題，讓用户能點的房屋變少了，下單的增加僅僅是因為試驗裏增加了促銷獎勵？增長黑客需要對數據進行合理的判斷，然後做出相應的決策（顯然，不同的判斷往往帶來不同的決策）。如果試驗結果的分析不明朗，我們可能還需要重新設計試驗，比如減少試驗的變量，或者增加更多的試驗版本。

注意，選擇合適的關鍵KPI作為核心優化指標（訂單量），試驗數據會更加容易分析。

2、產生數據的工具，需要保證數據的準確和可信，特別是A/B測試的統計結果必須足夠收斂。
假如數據統計的結果是B版本比A版本提高了10%的下單，但是“誤差”達到了50%，那麼這個試驗數據的可參考價值就幾乎不存在了，對於我們的產品優化也沒有用。

在關鍵性的企業決策工作中，人的作用依然大於機器，就是因為人可以通過經驗和思考幫助判斷數據的可信性，從而避免讓錯誤的數據帶來錯誤的決策。

對原文的編譯：

（可能未必準確，建議在讀了中文之後有興趣再讀一下原文）

那麼，什麼是數據分析閉環？

數據分析閉環有四個步驟：指標--->假設--->試驗--->行動。無論你做的在線，離線，或是非線上的業務，都需要這個閉環來指導業務增長。


數據分析閉環

過分迷戀於數據收集和標準的指標報告或許不是好事，很多人對這些很熱衷有時候只是在跟風，因為數據和指標的作用和價值很多年前就有人在強調。但這種現象是不正常的，只有把指標和數據用於指導實踐，形成一個數據分析的閉環，才能體現出數據的價值。怎麼解決這個問題，又或者説怎麼形成數據分析到應用的閉環？


《精益數據分析》這本書裏提到了精益數據分析閉環這個概念，它的目的就是幫你創建一個可持續的方式來選擇重要的指標，並把這些指標跟基本的業務問題關聯起來，然後提出對問題解決方案的假設，通過測試（當然包括A/B測試）驗證假設並最終驅動業務增長。

下面，我們會從四個步驟，解讀數據分析閉環的一些細節並用 Airbnb 的案例讓大家更好的理解精益分析循環如何指導業務實踐。

精益數據分析模型

精益數據分析循環非常簡單，它的4個步驟清晰的解釋了你該如何來用它指導業務。首先，要找出你想提升什麼；然後創建並運行試驗；最後衡量試驗結果並決定採取什麼行動。
這個循環裏結合了精益創業（精益創業是指基於數據分析進行持續的迭代提升）的概念，它能幫你放大已經驗證有效的想法，拋棄無效的想法，並根據數據反饋來調整目標方向。

用下面的這張圖來表示精益創業循環：


上圖的流程看起來有點複雜，我們把它簡化為任何業務和公司都能用於其數據分析實踐的四個關鍵步驟：指標--->假設--->試驗--->行動

步驟1：找出優化指標

這個循環不能幫你了解你的業務，因為這是你的工作。你需要知道業務最重要的是什麼，以及需要改進什麼。

• 是提升轉化率？
• 是提升訪客註冊數？
• 是提高用户分享率？
• 還是降低用户流失比例？
• 也可能簡單到就像讓更多人去你的餐館就餐。

關鍵在於，它必須是你業務的核心指標。如果你不是業務負責人，只負責增長，那麼你可能需要業務管理者（老闆或業務總監）幫你確定這個指標。這是好事，意味着你跟業務是有關係的，如果這個循環最終成功，你會讓團隊離目標更進一步。

確定要改善什麼指標的另一種方法是根據你的商業模式。我們舉檸檬水攤的例子，那麼你的商業模式就是一張表格，這裏記錄了檸檬和糖的價格，經過攤點的人數，多少人停下來買水喝，以及你收費多少。這裏有四件事對你的生意很關鍵，其中一件有待改善。這就是現在你的業務非常重要的一個指標。只選一個指標出來，因為你要優化它。
這個指標跟 KPI 相關，如果是購買人數，那麼指標是轉化率。如果是發送的邀請數，指標就是病毒性。如果是離開的付費用户數量，就是流失率。

商業模式也能告訴你指標應該是什麼。比如，如果你需要每杯檸檬水賣5美元才能達到收支平衡，那麼這就是你的目標， KPI 的目標。

步驟2：提出假設

這是發揮你創造性的地方，因為你可以進行各種類型的試驗：

• 一次營銷活動
• 應用的重新設計
• 定價的改變
• 把運輸成本納入價格
• 改變吸引用户的方式
• 嘗試不同的平台
• 改變按鈕文字
  
• A/B測試一個新功能

無論如何，提出假設是需要靈感的地方，你可以通過兩種方式找到靈感。

如果得不到數據，你可以做各種嘗試。

• 嘗試理解市場。做調查，或看看別人怎麼做，或查看客户反饋，或者簡單地拿起電話。
• 從競爭對手那裏偷師。如果有人做的很好，那麼可以模仿。但切記不要為了不同而不同。
• 學習最佳實踐。了解其他公司的增長方式，從增長黑客到內容營銷，並從中找靈感。

如果能獲取數據，搞清楚用户之間有什麼不同點。比如説，你在想辦法降低流失率，有些用户一個月都不退出，他們之間有什麼共同點？最忠誠的客户跟其他人有什麼不同點？他們都來自同一個地方？他們都買一樣的東西？諸如此類。
無論哪種方式，這個假設都來自於用户，問他們問題，或了解他們的選擇。

假設這個詞有很多不同的解釋，個人覺得維基百科給的定義最貼切：

• 人們把問題的試驗解決方案稱為假設，通常稱為“有根據的猜測”，因為它提供的解決方案是由一些證據得出的。

我們對採取什麼動作才能改善 KPI 所做出的有根據的猜測是基於步驟1得到的。

步驟3：創建試驗

一旦有了假設，你需要先回答3個問題再進入試驗步驟。

• 首先：目標受眾是誰？事情的發生都是因為有人做了什麼。那麼你期望做什麼呢？受眾是所有人，還是用户中的一部分？他們是正確的受眾嗎？你能觸達他們嗎？直到你明確了你是要試圖改變哪些人的行為，才能去吸引他們。
• 其次：你想讓他們做什麼？你要求他們做的事情足夠清晰明確嗎？他們能很輕鬆的，或是以自己的方式做嗎？他們中有多少人今天做了這項操作？
• 第三：為什麼他們要這麼做？只有有價值的，並且充分信任你，他們才會做你要求做的事。你正確地激勵他們了嗎？當前的哪一項請求最有效？為什麼他們願意為你的競爭對手做這件事？

看起來 who 、what 和 why 這三個問題不難回答，但事實並非如此。因為這需要你對客户有很深入的了解。在精益創業裏，這叫做客户開發。創建試驗的步驟看起來就像是這樣：

• 弄清楚什麼人因為什麼原因做什麼事，才能明顯提高你定義的目標 KPI 。

這是我們採取行動的目的，用靠譜的假設來創建靠譜的試驗。這種方式也能讓每個人理解試驗的目的和意義。
一旦創建了試驗，並設置數據分析來根據當前的基準和你設定的目標來衡量 KPI ，接下來就是運行試驗。

步驟4.衡量和決定要做什麼

到這一步，就能知道你的試驗是否成功。這樣我們有了下面的幾個選擇：

• 如果試驗成功，碉堡了。慶祝一番，然後繼續找下一個最重要的指標，繼續下一個 who ， what ，why 週期。畢竟，生命不息，優化不止嘛。
• 如果試驗失敗，則需要重新審視我們的假設。然後把從失敗的試驗裏學到的經驗用於定義新的 who ，what ， why 。即使是失敗的試驗，如果能從中得到教訓，就不算是浪費機會。
• 如果試驗有一點結果，但不明顯，這時候就應該嘗試另一個試驗了。一開始提出的假設依然有效，但是你可以根據這次試驗對接下來的試驗進行優化，再試一次。

這就是流程之美，we’re being smart, fast, and iterative！制定慎重的計劃，衡量其結果，並圍繞更接近我們的目標。識別，假設，測試，反應，以及重複。

下面是一個具體的案例，來加深對精益數據分析循環的理解。

案例：Airbnb

Airbnb 是美國一家非常受歡迎的共享經濟公司提供閒時房屋租賃，他們發現了很多創造性的方式來實現增長，明智和數據驅動是它的代名詞。

步驟1：找出優化指標

Airbnb 想優化的指標是房屋租賃天數，這對它們來説比單純衡量收入更重要：如果房東出租房子的時間越久，那麼 Airbnb 的業務也會變得更好。為了成就房東， Airbnb 通過列出熱門租住房源，來保證留存。

Airbnb 知道，要取得成功，需要大幅提高每家物業的租住率。

• 一個關鍵指標：“房屋租賃天數”
• KPI ：房屋預定
• 目標：不明
• 當前水平：不明

步驟2：提出假設

我們不知道 Airbnb 是怎麼提出這個假設的，但我們知道它能得到熱門租住的房屋列表。

• 可能他們注意到這些熱門租住房屋的照片看起來更專業。
• 可能他們意識到房客的常見投訴是房子的照片和實際上不一樣。
• 可能他們發現人們在看了照片之後就放棄了列表。
• 可能他們他們分析了圖片的元數據，發現房屋租賃跟昂貴的相機型號之間有很強的相關性。

反正他們就是得出了這樣的假設：圖片越好看，房子租的越好。
步驟3：創建試驗

有了這個假設，接下來就是創建試驗了。通常來説，有一個清晰的假設能讓創建試驗更容易。 Airbnb 的 who ，what ，why 如下：

• 誰是試驗的目標受眾？在 Airbnb 上查看列表的遊客。
• 想讓他們做什麼？租房子更頻繁。
• 遊客為什麼會這樣做？因為照片看起來更專業，並且讓房子看起來更美觀。

那麼，這個試驗就變成了：

• 確定遊客們是否會因為更專業的照片列表更頻繁地預定房子，並把房屋預定提升 X%。

這種情況下， Airbnb 真的不需要任何當前數據，這就像對午餐的一次隨機評論引出的假設。但即使假設不是建立在硬性數據中，試驗設計也必須建立在硬性數據上。

為了運行試驗， Airbnb 創建了精益創業裏的最小可行化產品（MVP）。就像魔法師：大多數辛苦的工作都是在幕後做的，但觀眾認為他們看到的就是真相。

Airbnb 不確定試驗是否有效，所以團隊不打算僱傭全職的攝像師或給應用添加一個新功能。但同時，他們必須對實際功能進行真實測試。

這給我們一個很好的經驗，你不需要建造一個宏偉的閃亮城堡，你不需要萬事俱備才開始測試。你可以開始小的，精益的，低成本的測試，只對客户測試你想測試的部分，來驗證（或反駁）你的假設。

Airbnb 的試驗包含一些看起來像是一個真實功能的東西，但其實只需要攝影師就能解決。在試驗過程中，攝影師為房屋拍照，然後測量 KPI ，再把有攝影師拍照和沒攝影師拍照的房屋進行對比。


步驟4.衡量表現


在這個案例裏， Airbnb 衡量了有專業攝影師拍攝的房屋以及屋主自己拍照的房屋的預定量。那麼結果如何？有專業攝影師拍照的房屋平均預訂率翻了2-3倍。

引用記住原始數據不是唯一重要的部分，我們需要衡量統計顯著。 Airbnb 的試驗數據足夠證明結果的可行度。—— Avinash

到2011年，公司已經有了20名全職攝影師。

這張圖非常令人印象深刻，對吧？ Airbnb 的業務和商業模式做了很多對的事情，但精益過程和A/B測試是提高預訂率的關鍵因素，顯然，試驗是成功的。

從 Airbnb 的案例中我們學到什麼？

精益數據分析循環是快速推動變革非常核心的因素。精益數據分析循環和精益模式是一個整體，他們可以用於處理不確定事件，但他們不是隨機的。第一步裏很大的考量是如何確定 KPI （包含“一個關鍵指標”），這將成為我們試驗的指引。第二步裏有很多考慮，以確保能做出最佳假設，然後通過深入清晰地定義 who ， what ， why 來弄清楚如何進行試驗。最後，衡量我們是否成功。然後不斷內化吸收，最終成功。

本文為吆喝科技創始人及CEO王曄的解讀編譯，原文鏈接：

http://www.kaushik.net/avinash/lean-analytics-cycle-metrics-hypothesis-experiment-act/


資料來源：36Kr