7年多以前,我第一次在 LinkedIn 大会上听到彼得·德鲁克的一句话,他说:如果一个事情,你不能衡量它的话,那么你就不能增长或者促进它。这句话的核心理念沉淀出了精益创业,即创业公司必须要做三件事——Build(建立)、Measure(衡量)、Learn(学习)。
创业时,首先你要有一个很好的概念,让他迅速地落地,然后我们用数据去证明它是不是有效率。现在流量越来越贵,所以,我们需要通过迅速循环的方法,用数据来证明我们做的事是有效果的,这种效果可以很快地叠加和堆积,形成未来的增长,这就是精益创业的核心。
举个例子,网站用户注册,大家都在做,但这里面有很多的坑。LinkedIn 优化了好几年,非常小的改动,就能带来几何倍数的变化。
GrowingIO 的用户注册步骤是三个页面,有一段时间,我们的最终注册转化率是 7.7%,听上去 8% 和 15% 又能怎么样呢?但是很多东西要看细节,我们当时把这个注册转化率通过浏览器做了一个分群,发现用 Chrome 的人注册成功率是 12%,用 IE 的注册成功率是 1%:
注册页面
因为我们用了一套新的 Java 的框架,在老版 windows 浏览器里得不到支持。因此我们接下来只要提高 IE 的注册成功率,就可以把整体的成功率提高。
在数据分析之前,我们其实查过很多文献,普通一个 SaaS 软件的话,基本上从访客到最后成功的注册应该是 5% 左右,我们当时觉得 7% 还挺好,但实际上很多人想进来,想买东西都买不了,因为他根本堵在中间了。
数据是 LinkedIn 增长战略里面一个很重要的环节,无论在产品设计、业务运营里面,数据都是一个很重要的环节。LinkedIn 是 2002 年底成立的,2003 年业务框架基本上设计完成,成立早期它就已经把用户数据和变现的框架讲得很清楚了。
整体战略就是这三个圆圈,第一个是用户的增长、使用和活跃度,第二个是产生大量的数据,然后数据变现,进行业务变现和增长,再次促进用户使用,产生数据,变现,使用,增长,数据变现。
哈弗曼设计 LinkedIn 战略的时候,他收集大量的用户信息,想了三种变现方式。
第一种,通过用户的基本信息来变现,比如说公司发布职位。
第二种,用户数量增长到一定程度的时候,有 B2B 企业投广告。
第三种,当有大量人的信息以后,公司的猎头会用这个平台来找候选人。
变现的方式他也想得很清楚,但并没有在第一天就去做,他核心关注的是用户体验和使用度,是整体的增长,增长产生大量的数据,他从数据里学习,未来才做变现。
LinkedIn 在只有 1 万用户的时候就开始用数据驱动业务。早期的时候,第一批用户获取就完全靠创始人冷启动,所有的联合创始人和最早期的 10 个员工,每个人需要拉 500 个朋友进来,这就是他获取的第一批 1 万个用户。
之后,招来第一个产品经理,开始做下一轮的增长,从 1 万到 2 万 5 千,这段时间他们去观测两个渠道,一个是电子邮件,一个是搜索:
LinkedIn 刚出来创始团队都有一些光环,所以会有用户主动搜索 LinkedIn 或者搜索人。我们从数据里发现,从 SEO 的渠道里进来的用户,比电子邮件邀请进来的人数量差不多,但在产品平台上的活跃度要高 3 倍。这是之前没有想到过的,于是做了一个决定:如果要获取同样数量的用户,他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的,所以,放弃低活跃的用户,专注活跃的用户。
我认为,这是他的产品战略执行层面里面第一个事情正确做的事情。
Greylock 也是投资人,以前是 Pinterest 的产品经理。当时增长速度非常快,每年他们都是几倍的增长,他总结出来一套框架,在产品整个生命周期里面,创始人在什么时候应该对数据敏感。
在产品最早期,不需要太多数据,凭借创始人的直觉,产品经理的直觉,做决策占很大的比例。但是到后来的话,数据化运营就越来越重要了,一个人在赌场里面不可能永远的赢,一个团队不断变大的话,不可能所有的员工都有直觉决策力,到未来以后数据来驱动决策能保证效率。
数据会告诉你很多信号,这些信号让你有一个标准,可促进增长的空间,你带着假设迅速的验证。我们现在还在持续的优化,今天我们变成 20% 多的转化率了。
对数据的敏感度和判断力是可以通过日积月累培养的。LinkedIn 的 CEO 每天早晨是五点半、六点就起床,发大量的邮件,为什么搜索效率增加了,为什么昨天广告营收是这样的,产品经理就跟着起床,全公司的数据分析就跟着起床,全公司运营人就跟着起床。到后来,我们说全公司最好的分析师是谁,是CEO,他对所有的数据了若执掌。2014年,我邀请他去我们组里做一次分享,大家问他,你每天看那么多文件不烦吗?他说,对他来说不是一个报表,像一张热力图一样,他一看就有感觉了,就知道问题在哪儿。
LinkedIn 每年反复要去问的一个问题是:如果只有一件事全公司要做的话,是什么?得用数字来证明的:一星期内加到 5 个联系人的用户,他们的留存/使用频度/停留时间是那些没有加到 5 个联系人的用户的三倍到五倍,这是他们找到的驱动增长的魔法数字。
但是当时这样的人非常非常少,于是他们在产品各个入口都增加社交关系。LinkedIn 还有一个上传地址簿的功能,还给你推荐哪些人你可能认识,同时把这些功能点放在各个产品页面的入口。
LinkedIn 最早的时候并不知道为什么增加社交关系会产生那么大的留存度,我们分析了起码有两三百个各种不同的指标,最后没有任何一个指标能告诉我们,就是因为这个原因。
可是加权以后的结果是这些用户在上面花了很多时间,间接就成为变现的可能。但是产品经理就把非常复杂的问题简化,让所有的东西都关注这一个点:关注这个魔法数字,让更多的用户在第一周里加到5 个联系人。于是,当时增长速度是非常快的。
数据驱动首要的第一点是, CEO 要认识到它的价值;第二点,我们需要基本的框架和方法论,框架很简单,就是三个,有个 idea 迅速落地,进行验证,进入下一次闭环;第三点,必须要变成一种数据文化。
在 LinkedIn 全公司都有这样一种数据文化:
产品部门:虽然今天有 4 亿用户,但是从 1 万到 2 万 5 千个用户的时候就开始用数据分析。例如 2004 年发现不同渠道来的用户活跃度不一样,决定做更活跃的用户。
客户服务:利用用户的使用数据判断哪个客户会流失。例如使用度下降的客户会流失,客服每天观察各个客户公司的指标,及时跟进联系客户增加留存。
销售部门:95%以上的销售每个星期都在用用户行为数据,判断哪一家公司有购买服务的可能。他们对每一个客户进行数据应用量的排名,根据使用度高、使用频次多、上次距离近等各种因素进行排序,销售团队客户服务团队会有针对性的互动。智能预测客户流失,客户需求,为销售人员,客服人员提供协助。
市场部门:用数据每周都会优化广告投放,价格变动,电子邮件营销,线下活动效果的衡量来促进营业额的提升。
过去很多年,在美国的生活是很舒服的,我之所以从 LinkedIn 离开,是因为我们亲身感受数据驱动的力量。2010 年的时候我们做了销售分析,把公司按照使用度来排名,让销售就盯最活跃的和最不活跃的五个用户,当时给 LinkedIn 带来 21% 的增长。
数据有巨大的价值,这是我们创业 GrowingIO 的原因。它对很多企业都有好处,他不只是对大的互联网企业,其实,小企业没有那么多资源和时间,更需要工具化。今天是工具化的时代,如何很快的用工具来实现价值,是一个核心的竞争力的体现。
张溪梦:GrowingIO 创始人、CEO、前 LinkedIn 美国商业分析部高级总监,美国 Data Science Central 评选其为“世界前十位前沿数据科学家”。
本文根据张溪梦在联想之星的演讲整理,原标题是硅谷数据大神张溪梦:数据的价值在于快|联想之星。
数据分析不知如何下手?你需要一个得力工具
联系客服