(1)好的数据指标是比较性的。比较在不同的时间段,用户群体,竞争产品之间的表现,可以更好的洞察产品的实际走向,本周的用户转化率比上周高比用户转换率2%更有意义。
(2)好的数据指标是简单易懂的。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作为会十分困难,
(3)好的数据指标是一个比率。仅仅查看几个比例就能够对一个极公司的基本状况作出判断,你也需要几个这样的比率为自己的创业公司打分。
想要找出正确的数据指标,有5点需要牢记于心
(1)定性指标与量化指标。
定量数据指的是那些我们跟踪和衡量的数字,比如电影的评分、PV,UV。定性数据指的是难量化的数据,比如在做用户访谈时问用户有什么棘手的问题。
定量数据回答的是“什么”和“多少”这样的问题,定性数据回答的就是“为什么”。
定量数据排斥主观因素;定性数据吸纳主观因素。
(2)虚荣指标与可付诸行动的指标。
当我们拿到一个指标,下意识地问自己:“依据这个指标,我将如何改变当前的商业行为?”如果回答不了这个问题,那么这个指标就很有可能是一个虚荣指标。
比如“总注册用户数“就是一个虚荣指标。这个数字只会随着时间增长,它并不能传达关于用户行为的信息:他们在做什么?是否对你有价值?他们中的很多人可能只是注册了一下,就再没有使用过。
8个需要提防的虚荣数据指标——
1)点击量;//随便什么网站,只要上面可点的东西多,这个数字都会很高
2)页面浏览量(pv);//
3)访问量;//你的100访问量究竟来自于1个访问了100次的用户,还是100个访问了1次的用户?它无法指导行动。
4)独立访客数;//只能显示有多少人访问了网页,却不能告诉你这些人在页面上做了什么,他们为什么停留?是否离开了?
5)粉丝/好友/赞的数量;
6)网站停留时间;
7)收集到的用户邮件地址数量;
8)下载量
(3)探索性指标与报告性指标
(4)先见性指标与后见性指标
先见性指标可用户预测未来。比如投诉量这个数据指标,如果投诉量增加,很有可能更多的客户会停用你的产品或服务,作为一个先见性指标,客户投诉还能帮你深入了解产品和服务的真实状况,分析投诉量上升的原因,然后解决问题。
后见性指标能提示问题的存在。比如用户流失,不过等到你有机会收集数据,找出问题,往往为时已晚,已流失的用户不会再回头,但是可以通过分析问题避免新的流失。
(5)相关性指标与因果性指标
发现相关性可以帮助你预测未来,而发现因果关系意味着你可以改变未来。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。
举个例子——在加拿大,冬季轮胎的使用率和交通事故的减少量是一对相关数据。人们会在寒冷的冬季换上更软的冬季轮胎,而夏天是交通事故的高发季。这是否以为着我们应该要求加拿大的司机一年司机都装着冬季轮胎?当然不是,因为软轮胎在夏天的刹车性能很差,会导致事故量增加。所以,冬季轮胎的使用率和交通事故的减少量之间的相关性,可以帮助我们预测未来,但是对于决策的价值则有限。
在加拿大夏天交通事故增加的例子中,酒精消费量、新手司机数量、白昼变长和暑假等因素与交通事故增加具有一定的因果关系。通过对因果关系的分析,确定调整策略。
相关性很好,因果性更佳。有时候,你只能找到一些相关性,但你永不应停止寻找因果性