《精益數據分析 Lean Analytics》讀書筆記

春節期間看的這本書，隨手在知乎想法記錄了幾條筆記。想法沒有搜索功能，查找很不方便，現在整理在這篇文章里。以後寫讀書筆記想法，記住加書名標籤！

《精益數據分析》尋找關鍵數據指標

1. 我們都在說謊，避免虛榮數據，比如總註冊用戶數，PV，點擊量等

2. 好的數據大多是探索性，先見性，可直接付諸行動，且和營收具有因果關係

3. 同期群cohort分組從用戶整個生命周期往往可以看到隱藏在數據背後的數據

4. 沒有已有數據參考憑直覺想出的解決方案往往更具有創新性

這本書乾貨很多，值得細讀

《精益數據分析》之 電子商務

1. 看復購率決定重點在新客戶獲取還是老客戶忠誠度，比如婚紗店眼鏡店和淘寶京東。大部分其實是兩者混合，不同時期選擇側重一點。

2. 三種搜索關鍵詞：SEO（最熱門的相關詞），SEM（購買轉化效果最好的），站內搜索（包括無結果的搜索關鍵詞）

3. 分解到每一步的棄購率，從支付最後一步開始往前推，同時對比行業平均值。

4. 每一次推廣活動最後那些沒有買的客戶實際是浪費了時間和感情，思考怎麼盡量減少。

5. 我經常會在商品推薦中看到我幾天前已經下單購買的商品，這個值得優化。

《精益數據分析》SaaS模式

1. 為什麼選擇SaaS? 對用戶訂閱付費更便宜更划算；對企業增加一個用戶的邊際成本幾乎為零（底層IaaS和PaaS，減少了硬體耗材）
2. 新指標：revenue（分攤月收入），生命周期價值，續費率。舊指標：booking（銷售額），客單價，付費率；前者比後者重要很多
3. 先驗證 客戶獲取成本(CAC) < 生命周期價值 （LTV），然後縮短成本回收周期 = CAC/LTV*Churn Rate
4. 關注用戶行為參與度，拋開是否付費，看用戶生命周期活躍度。只要粘性高，耐心培養用戶習慣，不必擔心付費轉化周期長。
5. 思考用戶留下來是否得到了回報？（遊戲也有防沉迷系統，不只是kill time）
6. 區分早期/主流用戶，理想/非理想用戶；目標/目標用戶，實現跨越鴻溝。
7. 修正流失率 = 流失用戶/(開始時用戶數+結束時用戶數)/2
   流失率永遠不可能100%算準確，注意統一指標時間單位，區分付費/免費用戶（90 inactive），用戶按註冊時間分群cohort，或直接以天為單位（噪音最小）
8. SaaS是把原來一次性買斷的費用平攤到年或月，價格本身會便宜很多，但不要太便宜（尤其B2B在預算內的價格高反而是優勢），也不一定非要把可以一次性直接付完的錢分期收，且後期up-sell及renew難以預測。（前提是不大幅打折影響LTV，我認識的一些知名B2B企業也容易忽視這一點）
9. Freemium 和免費試用實際是把從leads到opportunity過程線上化的一種銷售策略，更適合B2B SaaS，個人用戶本來大部分就是衝動消費。
10. 下面一張圖是不同 Churn Rate（流失率）的收入增長曲線（也是Salesforce，AWS市盈率高背後的原因）

歡迎喜歡和懂數據分析的朋友評論或私信交流。

推薦閱讀：