除了A/B测试,你还需要搜集这些数据!

简介:

本文作者Steve Blank是最早提出用户拓展的硅谷企业家,被誉为“精益创业之父”,他著有The Four Steps to the Epiphany《四步创业法》,同时担任斯坦福、加州伯克利、哥伦比亚大学的创业课导师。在这篇文章里,他将告诉你什么样的数据和信息才是对企业有价值的。

“问问用户”就行了吗?

收集来自用户的真实反馈是用户拓展的核心概念,也是精益创业的核心思想。

但是应该收集什么样的信息呢?

有个我以前的学生向我诉苦说,只有2%的早期测试人员回复了他们的在线调查。

这份调查问卷是这么开头的:

这份问卷包括57个问题,最后3题是开放性问题,仅需约20分钟即可完成。请注意,一旦开始作答则需全部完成,不可中途停止并保存答案。

仅需20分钟。哈!

我给他打了个电话,告诉他甚至一些SAT(美国学术能力评估测验,相当于高考)的试卷都没有这么多问题。我接着问他,有没有亲自走出办公楼,和这些潜在顾客谈一谈?或是给他们打电话?

他有点困惑地说:“我们是一家互联网公司,所有用户都通过互联网获得,为什么不能让他们通过网上问卷给我需要的答案呢?”

根据用户拓展理论,创始人要做到持续并及时地获取用户、渠道和市场的信息。他们需要以下三种类型的数据,或者是可视化数据图表,以真正了解业务该如何开展:

  • 第一手市场信息

  • 鸟瞰全局的数据

  • 从用户和竞争者角度出发的思考

第一手市场信息

获取第一手市场信息就要“走出办公楼”,和潜在或是实际客户交流。用户拓展理论提出,获取用户数据最好的方式是个人观察和体验——从办公桌后面走出来,和用户、竞争者以及市场建立较为亲密、私人的关系。

46907d1185ab3de7c771032566fd793e4325291e

科技公司的创始人经常将通过A/B测试和在线调查获取的数据与信息混淆成第一手市场信息,然而非也。

事实上,这种错误的认知甚至可能引致事业失败。

定量的度量标准能让你知其然,却无法知其所以然。

A/B测试可以告诉你一种方式优于另一种,但不能告知你是什么导致了这种差异。用户的在线调查可以给你一部分答案,但你无法获知调查过程他们的瞳孔是否扩大、也听不到他们说话的语调。没有这些可实际观察、体会的现象,我是不会将事业建立在这些调查结果上的。

收集一些定量的信息当然是必需的,但企业创始人若不“走出办公楼”,就会错失用户拓展的一个关键点——你收集的数据反而会使你盲目,意识不到自己很可能在优化错误的商业模型。用户需求是会变化的。

鸟瞰全局的数据

第二种创始人需要的信息,是综合了客户、市场和竞争环境的多角度“鸟瞰图”。整合出这种全方位的信息,需要从多种渠道收集信息:

  • 网页

  • 社交媒体(脸书、推特、博客等)

  • 销售数据

  • 盈亏信息

  • 市场调研数据

  • 竞争分析

  • A/B测试

  • 客户调查数据

  • ……

根据鸟瞰全局的数据,创始人可以弄清楚市场的形态以及竞争和客户情况的整体模式。与此同时,他们可以衡量行业数据和实际销售情况与公司收入和市场份额预期的匹配程度。

b79c57503a93699dd925408b4f95ea3a2e929bbc

不过别忘了,大多数市场研究公司擅长的是预测过去。如果它们善于预测未来的话,那些研究者早就自己去创业了。

我一般会这样测试一位创始人如何理解这种“竞争思路”:我会给他一支马克笔,让他走到白板前,画出市场中所有参与者的关系图,并说明每位参与者所处何处。

从用户和竞争者的角度考量

第三种角度来自于用户和竞争者。换位思考,把自己假想为用户和竞争者,以此推断竞争者可能采取的措施、预测用户需求。

对于已有的市场,你应这样问自己:“如果我正是自己的竞争对手,掌握他所拥有的资源,接下来会如何行动?”

对于新市场或是细分市场,应当自问:“为什么相当数量的早期使用者会选择这个应用、网页或产品?怎么能让我90岁的外婆了解并购买这个产品?”

从客户的角度考虑,应该这样自问:“为什么我非选这家公司不可呢?”

3860f3b12e8f80253aa591daf097af89f2821d5c

把这想成下棋的技巧,你应考虑到双方所有可能的对策。如果我们是自己的对手会做什么?会如何反应?会筹谋计划些什么?一段时间后,这种角色扮演会成为每个人思考、计划过程中的的一部分。

三种角度数据的优劣比较

第一手市场信息显然是最详细、最重要的,但所提供的视角稍显片面。只关注这些信息的创始人或面临有失全局的风险。

“鸟瞰全局”的数据体现市场大势,用以深究细节却有所不足。只依赖于此的创办人,其决策的准确性或许有所欠缺。

从用户和竞争对手的角度考虑是一种假想推测的练习,然而实际中没有人能确切地知道用户和竞争者究竟会如何行动

三种角度的信息相结合,可以帮助创始人对于其业务发展有更准确的认知,使他们更好地与产品或市场磨合。

即使有了上述三种角度的信息,创始人也应谨记:要想做出完美的抉择,现有的信息是永远不够的。

建立数据化、信息化的企业文化

数据收集过程中最重要的步骤是,一旦得到了信息,将会如何处理。对于精益企业和敏捷企业来说,用户信息的传递是其立足之基石。不管信息是好是坏,都不应被当作珍宝一样保护起来。大公司的文化总是青睐保密能力(尤其是打压坏消息的能力)较好的人,但在我的公司里,这样的人不会存在。

7d8c9ecb850204d2f192aa323f9fc8dc361c0801

所有的消息,尤其是坏消息,都应被传播、分析、理解,从而能够采取行动

也就是说,理解寥寥无几的点击率、员工流失率和销售损失的意义,比理解销售收益更重要。弄清楚竞争者的产品在哪些方面更具优势,比理解你的产品在哪方面仍有优势更重要。成功的创业公司通常建立了一种创业文化,这种文化不会惩罚带来坏消息的人。

总结

  • 每位创始人都需要考虑三个数据要点:第一手市场信息、鸟瞰全局的数据和从用户、竞争对手的第三者角度来进行的考量。

  • 创业公司经常陷入将度量标准、A/B测试和调查混淆为与现实客户互动的陷阱。

  • 应当确立信息化的目标,以此帮助达成产品/市场的适应性。



原文发布时间为:2018-04-7
本文作者:文摘菌
本文来自云栖社区合作伙伴“ 大数据文摘”,了解相关信息可以关注“ 大数据文摘”微信公众号
相关文章
|
24天前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法。本文介绍 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,同时提供 Python 实现示例,强调其在确保项目性能和用户体验方面的关键作用。
29 6
|
26天前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段。本文介绍了 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,强调了样本量、随机性和时间因素的重要性,并展示了 Python 在 A/B 测试中的具体应用实例。
28 1
|
2月前
|
存储 测试技术 数据库
数据驱动测试和关键词驱动测试的区别
数据驱动测试 数据驱动测试或 DDT 也被称为参数化测试。
35 1
|
2月前
|
机器学习/深度学习 监控 计算机视觉
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
本文介绍了如何使用YOLOv7进行目标检测,包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注,适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接,以及详细的步骤说明,适合深度学习实践者参考。
533 0
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
机器学习/深度学习 并行计算 数据可视化
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用PaddleClas框架完成多标签分类任务,包括数据准备、环境搭建、模型训练、预测、评估等完整流程。
147 0
目标分类笔记(二): 利用PaddleClas的框架来完成多标签分类任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
64 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
机器学习/深度学习 XML 并行计算
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章介绍了如何使用YOLOX完成图像目标检测任务的完整流程,包括数据准备、模型训练、验证和测试。
232 0
目标检测实战(七): 使用YOLOX完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
2月前
|
SQL 分布式计算 Hadoop
Hadoop-14-Hive HQL学习与测试 表连接查询 HDFS数据导入导出等操作 逻辑运算 函数查询 全表查询 WHERE GROUP BY ORDER BY(一)
Hadoop-14-Hive HQL学习与测试 表连接查询 HDFS数据导入导出等操作 逻辑运算 函数查询 全表查询 WHERE GROUP BY ORDER BY(一)
56 4
|
2月前
|
SQL 消息中间件 大数据
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
大数据-159 Apache Kylin 构建Cube 准备和测试数据(一)
72 1
|
2月前
|
SQL 大数据 Apache
大数据-159 Apache Kylin 构建Cube 准备和测试数据(二)
大数据-159 Apache Kylin 构建Cube 准备和测试数据(二)
87 1
下一篇
DataWorks