精益数据分析

非常干货的一本精益创业指南，有非常多的数据和现实案例支撑，足够让读者慢慢吸收其中的知识内容。 其实我最开始是为了学习数据分析才开始看的，也确实学到了很多关键数据和指标。但是这本书更多的还是关于精益创业的内容，可能对具体的数据分析方法没有很多的教学，但对于构建大的商业分析框架是非常有用的，让我知道了为什么要分析、分析什么、怎么分析。 数据分析决不是想尽办法拿了一堆数据，然后用公式一套，画个好看的仪表盘就完事了。 首先我学会了电子商务、SaaS、免费移动应用、媒体网站、用户生成内容、双边市场这几大领域的商业模式。从获客、营收到客户流失的整个生命周期都捋得明明白白，作者的思维导图画得非常清晰。 其次我知道了所有创业都要经过的五个阶段：移情、黏性、病毒性、营收、规模化。每个阶段对应的关键指标也不一样，要把精力集中在最重要、最关键的一个过程指标上，然后跨过当前阶段的关隘后，再进入到下一个阶段。 最后我知道了很多关键指标的底线，对很多数据有了基本判断基准，比如流失率应该低于2.5%、媒体网站或用户生成内容网站应该让用户每天在网站上花17分钟、只有少于2.5%的人会与内容互动、有65%的用户会在安装90天内停止使用移动应用……有了正确的目标来比较才知道自身做的如何，以及后续该如何进步。 说实话这本书看得我有点痛苦，因为太干货了很多知识我还没有实践过、经历过，甚至完全没有听过，导致理解上有些困难，也不太能记得住。但是我已经大概的了解了这本书可以解决的问题，之后会带着具体的疑问来重新阅读里面的部分内容。

这本书很好，是在讲数据驱动商业，我只看了数据部分，收获很大，这本书以后还得继续看： 总结如下： 1️⃣好的数据指标： ①具有比较性 ②能够指导行为 ③符合目标 （补充：数据指标需要符合目标，比如目标是客服提高服务质量，那如果客服一直在说服好评，那这个好评数量就不是好的数据指标） ④相互可能有耦合性 （补充：数据指标可能相互依赖，比如病毒传播系数和病毒传播周期，和产品普及率有关） ⑤可随时调整的 2️⃣数据指标的分类： ①定性指标和定量指标 定性指标是主观的，定量指标是非主观的，收集定性指标要充分准备，用户访谈要充分，避免诱导，产品初期缺乏数据，所以往往采用定量指标。 ②虚荣指标和可付诸行动指标 虚荣指标，看起来很美，但实际上没有什么用。比如我们常常会关注总用户数、用户活跃数、点击量、PV、UV、下载量、注册量，但是这些用户不能留存和转化，并且没有一个可衡量的范围，实际上就是虚荣指标。 可付诸行动指标，就是能够指导商业行为。比如用户活跃数占比（用户活跃数/总用户数）、新增用户增速（新增用户数/一段时间） ③探索性指标和报告性指标 顾名思义，需要探索和平常报告的指标 ④先见性指标和后见性指标 先见性指标可以大致预测未来，比如投诉量增多，可以预测未来可能用户流失。比如潜在客户，也是一个预测未来新增客户的先见性指标。 后见性指标可以解释过去，比如餐饮店月营业额可以解释该月的收入。 ⑤相关性指标和因果性指标 相关性指标指的是两个指标一起变化，比如冷饮销量和冰淇淋销量一起升高（可能是夏天因素影响），但是无法知道因果关系。 因果性指标是一个指标变化可能导致另一个指标变化，比如夏天餐饮店销量高，冬天餐饮店销量低，但不是全因果关系，还有其他因素，比如味道，环境，人流。 ⑥关键绩效指标kpi 业绩增长指标，如果是餐饮老板，每天的翻桌量就是kpi。比如投资者，ROI就是kpi。 3️⃣测试方法： ①市场细分：细分人群，比较差异，比如A的销售量比B的销售量高，可以挖掘背后的原因，将A的成功要素复制到B，看看B的效果。 ②同期群分析：相同时间点作为一个同期群，比较不同同期群的差异。比如第一个月首次到店的用户的消费趋势，和第二个月首次到店的用户的消费趋势做对比。 ③AB测试：需要有一定量的用户，能够支持两个版本的开发或运营工作。对于非核心页面，可以对流量均等切分，比如老版本切33%，新版本A切34%，新版本B切33%，进行灰度测试。对于核心页面，先切小部分流量，新版本A切5%，新版本B切5%，先灰度测试，后面慢慢切多流量。 ④多变量分析：同时改变多个变量，看看哪个对结果影响最大。 （补充：测试验证方法还有灰度测试，灰度测试又包括随机灰度，定向灰度，邀请灰度/还有计算同比增速，环比增速。） 4️⃣常见的数据分析框架： ①AARRR：海盗模型，获取Acquisition，激活Activation，留存Retention，营收Revenu，自传播Reveral。 （获取可以通过广告投放，流量导入，换量合作。数据指标：点击量，CAC，CPC，新用户增速，新用户数） （激活可以通过短信推送或EDM提醒用户，或者通过功能和界面吸引用户点击，互动。数据指标：日活，月活，分享率，评论率，月活占比） （留存可以通过社交关系，活动开展，优惠券，提高用户粘性。数据指标：留存率，流失率，距上次登陆时间。） （营收可以通过广告，会员订阅，增值服务实现商业模式。数据指标：付费转化率，DLC，广告营收，LTV，ARPU，GMV，溢价率，复购率） （自传播：用户自发进行传播，或者其实通过品牌合作传播。数据指标：病毒式传播，病毒传播周期） ②粘着性增长：让用户留存，往往是因为用户社交关系，优惠券，积分，订阅服务，情感连结，导致切换成本高。 ③病毒式增长：让用户帮忙传播品牌，可以通过KOL运营，营销手段，自媒体传播，群体运营，适当话题讨论。 ④付费式增长：让用户付费，可以通过定价策略，会员服务，游戏装备。还需要考虑CAC，即收获一个新客户的成本，包括广告成本等。 （补充：除了以上数据指标体系，还有用户生命周期：尝试，吸引，依赖，放弃。产品生命周期：建设期，引入期，成长期，成熟期，衰退期。） 5️⃣第一关键指标OMTM：One Metric That Matters ①指的是对当前阶段完成目标最重要的唯一指标 ②虽然数据很多，但是不要被分散注意力，重点关注第一关键指标 ③OMTM随时间变化，比如某个阶段目标是让用户留存，那OMTM是日活/月活。 6️⃣注意 ①防止过渡依赖数据，只关注数据的局部最优 ②需要对数据去噪，归一化 ③忽视了时间季节性，忽略了基数 ④数据异常警报阈值设置过于敏感 ⑤数据和其他数据一起讨论可能有所启发 ⑥关注数据异常点，可能会挖掘新的需求 （补充：比如在微信聊天中语音输入的功能，可以实现将语音转化成文字，但是团队发现用户退出功能次数多，聊天条数多，但每一条发送的语音时间短，这说明用户觉得翻译不对，或说的不好，但是没有取消功能，于是只能退出再进入。于是后面加了个清空按钮。）

读完这本书有点吃力。大概也就理解一半，书中介绍了很多主流商业模式，而且每种商业模式的各个阶段都有详细分析，如果可以结合现实工作会更好理解这本书。

关键数据如何避开陷阱指标，驱动平台业务持续发展？ 在阿里斯泰尔的《数据精益分析》中，不仅批判了传统指标陷阱，更为TOB（企业对企业）类项目提供了分阶段实施的框架。结合这个框架，本文将探讨TOB项目在SaaS和双边市场两种模式下的各阶段注意事项，并提出数据驱动决策的具体建议。 一、核心观点： 1、关键指标与商业模式适配性 文章指出，SaaS企业常因过度关注表面指标（如注册量）而忽视长期价值，导致资源浪费和增长停滞。这种“指标陷阱”在TOB项目中尤为突出，因为企业客户决策周期长、转化路径复杂，容易让团队陷入短期优化而牺牲可持续性。作者强调，真正的精益分析应引导团队关注客户获取质量、留存率和终身价值，而非虚荣指标。例如，在SaaS模式下，付费转化率和客户流失率是核心，而双边市场则需平衡供需双方的增长，避免单边失衡。 2、商业模式与创业阶段的匹配 书中还强调了商业模式与创业阶段的匹配。TOB项目启动时，需明确自身处于“验证阶段”还是“规模化阶段”，并选择相应指标。验证阶段关注假设验证，如通过A/B测试优化产品；规模化阶段则需纪律性执行，确保指标驱动增长而非盲目扩张。作者的案例表明，忽视阶段适配性会导致资源错配，如过早追求用户量而忽略留存，最终损害长期收益。 3、数据驱动的客户获取与留存 作者提倡使用A/B测试优化营销策略，如比较不同定价模型对客户留存的影响。在双边市场，需确保供需双方同步增长，避免卖家过剩而买家不足。例如，通过激励措施平衡双方参与度，提升平台粘性。这种数据驱动的方法在TOB项目中尤为重要，因为企业客户决策涉及多部门协作，需通过细分和同期群分析识别高价值群体。 二、TOB项目各阶段注意事项 第一阶段：创意与商业模式验证（0-1阶段） ‌核心目标‌：验证产品与市场的契合度（PMF），避免过早规模化。‌注意事项‌—— 1、‌商业模式适配性‌：明确SaaS或双边市场模式。SaaS企业应聚焦订阅制收益，关注功能分层和客户生命周期价值；双边市场则需监控供需平衡，如卖家库存增长和买家转化漏斗。 2、‌避免指标陷阱‌：摒弃虚荣指标（如注册量），转向可付诸行动的指标，如活跃用户比例、付费转化率和客户获取成本（CAC）与终身价值（LTV）的比率。 3、‌数据验证方法‌：通过最小可行产品（MVP）测试核心功能，收集用户反馈。例如，SaaS企业可先提供核心模块，通过用户行为数据验证需求。 4、‌团队激励机制‌：重构激励机制，将奖励与长期价值挂钩，如留存率或客户满意度。销售团队绩效可基于客户续约率而非新签数量，确保资源投入产生可持续收益。 第二阶段：产品打磨与销售验证（1-10阶段） ‌核心目标‌：优化产品功能，验证销售流程和毛利模型。‌注意事项‌—— 1、‌产品定制化‌：根据客户反馈迭代产品，避免过度定制导致资源浪费。例如，优先解决高频需求，而非为少数客户开发复杂功能。 2、‌销售流程优化‌：通过A/B测试对比不同销售策略（如邮件营销文案或定价方案），确保样本足够大以提高可靠性。 3、‌客户成功管理‌：建立客户成功团队，监控客户健康度指标（如使用频率、续约意愿），及时干预流失风险。 4、‌数据文化构建‌：培养团队的数据素养，确保指标选择与业务目标一致。定性指标（如用户反馈）应与定量数据结合，避免片面决策。 第三阶段：规模化扩张（10-100阶段） ‌核心目标‌：快速扩大市场份额，同时保持运营效率。‌注意事项‌—— 1、‌供需平衡‌：在双边市场中，监控买卖双方互动质量，避免单边增长失衡。例如，通过激励措施吸引更多买家，同时优化卖家入驻流程。 2、‌渠道合作伙伴‌：利用代理商或分销网络扩大覆盖，但需确保其与公司目标一致。例如，通过培训和支持提升渠道能力，避免资源浪费。 3、‌自动化工具‌：引入自动化监控系统，实时跟踪关键指标（如留存率、CAC/LTV比率），及时调整策略。 4、‌增长纪律‌：设定底线指标（如最低留存率），确保扩张不偏离核心价值。例如，通过数据复盘会议将用户访谈结果与指标趋势关联，优化产品。 第四阶段：成熟期运营（100+阶段） ‌核心目标‌：提升品牌影响力，优化客户生命周期价值。‌注意事项‌—— 1、‌品牌建设‌：通过内容营销和行业活动提升品牌认知，吸引高价值客户。例如，发布行业白皮书或举办峰会，强化专业形象。 2、‌客户分层管理‌：根据客户价值（如收入贡献、使用深度）实施差异化策略。例如，为高价值客户提供专属服务，为长尾客户优化自助服务。 3、‌效率提升‌：通过管理会计工具优化成本结构，如分析销售团队毛利模型，调整资源分配。 4、‌持续创新‌：保持产品迭代，避免因市场变化而失去竞争力。例如，定期评估新功能需求，确保产品与客户需求同步。 三、项目建议：实践精益分析框架 1. 选择第一关键指标（OMTM） 根据作者的框架，TOB项目需在启动阶段确定一个核心指标驱动所有决策。在SaaS中，可能是“月度经常性收入（MRR）增长率”；在双边市场，则可能是“供需双方互动率”。例如，优先优化该指标相关的流程，如销售漏斗或用户激活策略。 2. 实施精益验证方法 ‌MVP测试‌：快速推出最小功能集，收集用户反馈。例如，SaaS企业可先提供核心模块，通过用户行为数据验证需求。 ‌A/B测试‌：对比不同策略效果，如邮件营销文案或定价方案。确保测试样本足够大以提高可靠性。 3、‌同期群分析‌：跟踪特定时间段内用户的行为，识别留存模式。例如，分析新客户在首月的使用频率，预测长期价值。 4. 构建数据文化 培养团队的数据素养，确保指标选择与业务目标一致。作者强调，定性指标（如用户反馈）应与定量数据结合，避免片面决策。例如，定期召开数据复盘会议，将用户访谈结果与指标趋势关联，优化产品。 5. 平衡增长与纪律 规模化阶段需严格纪律，但保持灵活性。TOB项目应设定底线指标（如最低留存率），确保增长不偏离核心价值。例如，通过自动化工具监控关键指标，及时调整策略。 四、结语 作者的《数据精益分析》为TOB项目提供了清晰的路线图。在SaaS和双边市场模式下，各阶段的核心是避免指标陷阱，聚焦客户终身价值，并通过数据验证假设。实践建议包括选择OMTM（第一关键指标）、实施精益验证、构建数据文化，以及平衡增长纪律。这些方法将帮助我们TOB项目在复杂市场中稳健起步，实现可持续增长。

一本建立创业整体概念的书籍，教导我们应该如何进行精益创业，制定一个好的指标很关键。 直觉是靠不住的：早期创业必须用数据验证假设，而不是依赖盲目的自信。 找不到产品-市场契合（PMF）前，所有增长都是徒劳的：数据不仅能帮你增长，更能帮你避开“过早扩张”的死亡陷阱。 好指标的标准 不是所有的数据都有价值，好指标必须具备以下特征： 可付诸行动：看到数据后，你知道该怎么做。不能指导行动的数据是“虚荣指标”。 可理解：团队里的每个人都能看懂它的含义。 可比较：能在不同时间、不同群体之间进行对比。 比率通常比绝对数更好：如“转化率”比“总点击量”更有意义，因为比率自带比较属性，且能揭示深层关系。 本书的价值指导意义： 如果你正准备创业：先判断自己处于哪个阶段（移情→黏性→病毒→营收→规模），然后找到你的OMTM，坚决不看虚荣指标。 如果你正在增长遇阻：回头看是不是前面的阶段没做扎实（比如留存没做好就去买量）。 终极奥义：数据是工具，不是主人。数据分析的目的是为了更快地“学习”和“试错”，而不是为了在报表上画一条好看的线。当数据与直觉冲突时，相信数据；当数据无法解释时，去和用户聊天。

商业数据分析领域的经典著作。上学时候曾尝试阅读，那是完全没有实战业务经验，对于书中说的各种指标不知所云，当时还觉得这哪里是讲数据分析的。工作一年了再回来读这本书，惊呼作者总结如此到位，很多情景和工作中遇到的一模一样。强烈建议所有泛数据分析的从业者多读几遍，本书所列举的商业模式几乎涵盖了所有行业，对于求职，职场突破都会大有裨益。 另外针对我曾经慧眼不识珠的经历再补充点想法，希望对想要从事数据分析以及初入职场的数据分析从业者会有些启发: 不要把重点过于放在硬技能上，数据分析并不等同python和sql，就像是摄影不等于单反和无人机一样。就如摄影的本质在于发现美的眼睛，数据分析的核心是分析性思维和对业务的理解。空会一些代码却不知道要分析什么指标，掌握了tableau各种功能却不知用怎样的指标画出怎样的图，就失去了用数据驱动决策的意义，对于没有职场经验的人来说因为没有情景，时常会重术轻道。而这本书，尤其是前三章则系统培养了数据分析的分析思维和业务思维，我愿称之为数据分析职场宝典！以后要多看几遍！

本书的总结 1 什么是好的数据指标 ❶ 比较性的 ❷ 简单易懂的 ❸ 一个比率 2 找正确指标需要牢记的五点 ❶ 定性指标与量化指标 ❷ 虚荣指标与可付诸行动的指标 ❸ 探索性指标与报告性指标 ❹ 先见性指标与后见性指标 ❺ 相关性指标与因果性指标 3 市场细分、同期群分析、A/B测试和多变量分析 ❶ 市场细分：就是一群拥有某种共同特征的人 ❷ 同期群分析：比较的是相似群体随时间的变化 ❸ A/B和多变量测试：A/B test通常为同一个目标，设计两种方案，将两种方案随机投放市场中，最后看哪个方案更好 4 AARRR—麦克卢尔的海盗指标说 ❶ A 获取用户（Acquisition） ❷ A 提高活跃度（Activation） ❸ R 提高留存率（Retention） ❹ R 获取营收（Revenue） ❺ R 自传播（Referral） 5 埃里克·莱斯的增长引擎说 ❶ 黏着式增长引擎：黏着式增长引擎的重点是让用户成为回头客，并且持续使用你的产品 ❷ 病毒式增长引擎：所谓病毒式传播归根结底就是一件事情：让声名传播出去 ❸ 付费式增长引擎：核心是让用户付费，获取收入才放过来进行更多的投入获取客户 6 阿什·莫瑞亚的精益创业画布 ❶ 问题 ❷ 客户群体分类 ❸ 独特卖点 ❹ 解决方案 ❺ 渠道 ❻ 营收分析 ❼ 成本分析 ❽ 关键指标 ❾ 门槛优势 7 肖恩·埃利斯的精益创业画布 ❶ 产品与市场相契合 ❷ 理清思路 ❸ 规模增长 8 长漏斗 用户从最初得知该网站到发生所期望的行为（例如完成一次购物、生产一些内容、分享一段信息）的全过程 9 使用第一关键指标 ❶ 它回答了现阶段最重要的问题 ❷ 它促使你得出初始（区别创业成败的）基线并建立清晰的目标 ❸ 它关注的是整个公司层面的健康 ❹ 它鼓励一种实验文化 10 六种商业模式 ❶ 电子商务 ❷ Saas ❸ 免费移动应用 ❹ 媒体网站 ❺ 用户生成内容 ❻ 双边市场 11 创业阶段划分 ❶ 移情 ❷ 黏性 ❸ 病毒式 ❹ 营收 ❺ 规模化 12 底线在哪里 ❶ 电商：刚开始转化率通常为2%～3%，如果达到10%就已经很不错了 ❷ SaaS ：客户销售收入增长为每年20%就不错了 ❸ 免费移动应用：下载大小需要在50MB以下 ❹ 媒体网站：广告点击率达到0.5%～2%是正常的，低于0.08%就有问题了 ❺ 用户生成内容模式：日均停留时间达到17分钟；少于2.5%的人参与内容互动；65%的用户会在安装90天内停止使用移动应用 ❻ 双边市场：拥有洞察什么商品热销的能力 13 应用精益数据分析 ❶ 进入企业市场 ❷ 内部创业者 ❸ 超越创业

很多人把《精益数据分析》奉为商业分析的经典书籍。本书以一种创业新人和商界老手都能理解的方式，展示如何通过调整特定指标来找到你独一无二的商业之道。但在我看来，它是一本关于“Web分析和商业分析”的工具书。以前做过站长后来做过自媒体，这过程中一直要分析数据，读本书系统的完善了我的数据分析框架，撬开了我的大数据分析之门，曾让我顺利入职大公司。 《精益数据分析》是精益系列丛书之一，这部丛书的第一本是《精益创业》。 《精益创业》书中的内容可以分为三个篇章，分别是愿景（我理解为前瞻性）、驾驭（精益创业的方法，通过“开发-测量-认知”这个反馈循环来找到重要的突破点）、加速。 《精益数据分析》围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷/持续集成的精华。如果一名创业者、数据分析师，或者你是一名产品开发、产品管理、市场营销、公共关系和投资领域的商务专业人员，本书都可以拿来读一下。 这本书的整体结构分为4部分： 一、WHY-精益数据分析是什么？为什么数据会说谎？ 第一部分阐述精益数据分析的基本概念和理念，为什么要依靠数据才能成功。作者将指标大致分为5类： ❶ 定性指标与量化指标 ❷ 虚荣指标与可付诸行动的指标 ❸ 探索性指标与报告性指标 ❹ 先见性指标与后见性指标 ❺ 相关性指标与因果性指标 将数据指标分类后，我们需要通过搭建数据分析框架去运用数据，或者说将数据投入的应用过程当中 ，如：市场细分、同期群分析、A/B测试和多变量分析。 ❶ 市场细分：就是一群拥有某种共同特征的人 ❷ 同期群分析：比较的是相似群体随时间的变化 ❸ A/B和多变量测试：A/B test通常为同一个目标，设计两种方案，将两种方案随机投放市场中，最后看哪个方案更好 二、HOW-找到“当前”正确的指标 在这里我在原翻译的基础上加了“当前”2字，主要是出于不同阶段的企业，他们要关注的目标是大相径庭的。很多企业都有第一指标，要注意的是：确定的商业模式和其发展阶段，只需要关注“第一关键指标”和有限的周边数据即可。而其他指标的分析介入没有太大意义，同时反而会让经营者的注意力不够聚焦。 这里围绕六种商业模式为例来深入阐述，如何确定第一指标。书中的六种商业模式是：电子商务、saas、免费移动应用、媒体网站、用户生成内容、双边市场。不过讲的都是战略层面的，而非战术层面，相应的场景和案例几乎都是基于精益创业的，实际应用的时候要触类旁通。 书中还阐述了创业的五个阶段：移情、粘性、病毒性、营收、规模化。商业模式+产品阶段决定着第一指标。读完后，你会知道你所在的商业领域、所处的发展阶段以及应该去做的工作，应该关注的数据指标。领完本章也罗列了业内的4大经典数据分析框架：麦克卢尔的海盗指标AARRR、埃里克·莱斯的增长引擎说、阿什·莫瑞亚的精益创业画布、肖恩·埃利斯的精益创业画布。 三、WHAT-对指标的正常范围进行审视，并制定驱动措施和最终底线 有人说这部分的内容比较水。我不这么认为，我认为作为一个分析师、企业经营者，你需要对数据非常敏感。何况是我们的第一指标。这部分给出了6种不同商业模式关键指标的一些参考值（底线），如何设置自己的目标。 四、精益数据分析在你的企业如何应用？ 如何将精益分析用于你所在的组织，不管是初创企业，还是大公司，都可以使用精益数据分析+数据驱动的方法。 通过以上章节的学习，我们的目标设置合理了，下一步要如何精益分析呢？读完“超越创业”，在你的企业或者工作上应用精益数据分析，会给我们带来一些思路。 说完《精益数据分析》干货，来说下本书不足处 1、《精益数据分析》有点老，内容多为传统PC网站的形态。如今网络上，APP形态占据主流。关于APP数据分析，本书并没有讲到。关于网站形态的细化分析，如搜索分析，本书也讲的很少。 2、本书是针对创业公司的。创业可大可小，大到一个公司，小到一个项目，都可以认为是以此创业。若没有类经历的人，读本书可能会有点累，比较难get到作者的点。不建议初入职场的人阅读。 3、除了后面宝洁那几个案例外，基本都是以互联网行业的案例，对于非互联网行业，需自己具备一定的知识迁移能力。 4、《精益数据分析》数据分析业务的思路，而不是非常专业的纯数据分析，如果要学习纯粹的数据分析，推荐《深入浅出数据分析》。 5、本书讲的是战略层次的比较多，战术和实施讲的并不够，或者说是：已经过时的手段。 需要本书完整思维导图，可以在评论区回复。 发布于 2022-11-28 17:40・IP 属地湖北

2020年的第一本书，在家学习也是给国家做贡献[呲牙] 本书对于创业5大阶段，移情，黏性，病毒性，营收，规模化，以及4大模式，电商，saas，ugc，双边市场做出了业务纬度以及数据指标的分析，配合案例讲解，让读者更易理解。 第一次看完的，最大的收获就是理清了，病毒性，营收阶段的数据指标。k因子，病毒性传播周期，clv，cac，arpu，arppu等指标之间的联系与区别。 其次，每章结束的练习题可以认真做完，真的收获很大。 最后，结合业务，还会再次阅读，疫情结束返回武汉后，会刷做出思维导图。 PS，转记书评 在数据的海洋里，这意味着你要挑选一个唯一的值得你All In的指标，书中称之为第一关键指标（OMTM：One Metric That Matters），帮助梳理和解决核心战略问题，集中优势资源以及可供验证的实验条件。当然不同的商业领域和创业阶段，甚至相同的商业领域和创业阶段，因为商业模式的不同，需要聚焦的OMTM不同。 例如同样是重视新零售的电商公司，超级物种、7fresh、盒马的零售体验店模式更重，而每日优鲜的前置仓模式更轻。 盒马鲜生的亮点是门店招揽顾客一招鲜的是活物水产，餐饮+购物混合也太下的高品质的门店体验，以及半小时极速达的免费电商配送。横向对比，每日优鲜则通过货品运营思路+Costco模式，精选产品，加速流通，并提高前置仓的数量来覆盖更广的地域范围和摊薄建仓成本。 欧洲重甲骑兵最知名的对手，并非同样彪悍的马穆鲁克，而是来自亚洲草原马背上长大，擅长弯弓搭箭的蒙古轻骑兵。而动物界也同样可以找到同样的例子，牛椋鸟和体型敦厚但没有利齿的河马存在共生关系，特点是数量奇多，集体行动，常以河马身上的寄生虫和寄主的血肉为食，因为其体重只有河马的万分之一，且看不见、打不着、追不上也躲不掉，而让河马无可奈何。 正如牛椋鸟和犀牛的关系一样，只要盒马不发生大面积的关店潮，每日优鲜或将长期处于分流订单的寄体地位，但无法反客为主，彻底收割全部流量。这也是到店体验始终都存在纯电商模式所不具备的魅力。

本书核心内容 一、 核心数据思维 (Mindset) 抵制虚荣指标：警惕总下载量、总注册数等只增不减、无法指导决策的数据。 寻找第一关键指标 (OMTM)：明确在当前阶段，全团队只聚焦攻克的一项核心数据。 OMTM的四大特征：唯一性（高度聚焦）、可行动性（能推导出应对策略）、可比较性（能跨时间或群体对比）、比率优先（比率比绝对值更能反映业务健康度）。 二、 创业五大阶段 (Stages) 1. 移情阶段：目标是验证“痛点与需求”。核心指标为访谈质量、用户反馈评分。 2. 黏性阶段：目标是打造让人离不开的产品。核心指标为留存率 (Retention)、活跃度、流失率。 3. 病毒性阶段：目标是实现口碑自发增长。核心指标为病毒系数（K因子）、推荐邀请转化率。 4. 营收阶段：目标是跑通商业变现。核心指标为客户终身价值 (LTV)、获客成本 (CAC)、毛利率。 5. 规模化阶段：目标是进军新市场全面扩张。核心指标为渠道投资回报率 (ROI)、市场占有率。 三、 六大商业模式 (Models) 电子商务：核心关注转化率、客单价、复购率、购物车弃单率。 SaaS (软件服务)：核心关注月经常性收入 (MRR)、流失率 (Churn)、LTV与CAC的比例。 免费移动应用：核心关注日/月活跃用户 (DAU/MAU)、应用内付费转化率、平均每用户收益 (ARPU)。 媒体网站：核心关注广告展示量、广告点击率 (CTR)、页面停留时间、跳出率。 用户生成内容 (UGC)：核心关注内容创作者比例、互动参与度（转评赞）、内容分发量。 双边市场 (如外卖/打车)：核心关注供需平衡度（买卖家增长比例）、交易摩擦成本、双端留存。 四、 精益分析闭环 (Action Loop) 设定基准：明确行业的正常水平或自身历史数据的底线，知道什么是“好”。 提出假设：设定明确的因果关系，例如“如果优化功能A，指标B就会提升”。 实验测试：通过构建最小可行性产品 (MVP) 或进行 A/B 测试来收集真实数据。 测量与学习：根据真实数据反馈，果断决策是继续坚持方向 (Persevere) 还是全面转型 (Pivot)。