1704198440
统一的数据仓库不仅可以为你指明试验方向，还可以帮助你设计更好的试验，以改进关键增长指标。最优秀的增长团队一定会花时间把数据收集和分析做好。脸谱网的增长团队就深刻认识到了这一点。2009年1月，他们甚至暂停了所有试验，花了一整个月的时间改进数据跟踪、收集和整合。据脸谱网增长团队里的第一位产品经理内奥米·格雷特回忆，2008年的时候，他们在优化增长方面走得有些漫无目的，而进行了数据整合之后，他们获得了完整的数据，能够看到每个用户在网站上的活动，这帮助他们更全面地了解到用户使用脸谱网的方式以及在使用过程中出现的问题。这使增长团队提出了更多有针对性的试验，从而有效地推动了增长。14
1704198441
1704198442
对于像脸谱网和沃尔玛这种大企业，要整合数据绝对是件麻烦事，但是对于小公司或者某个项目来说就容易得多了，况且还有一系列工具和服务可以帮助它们更轻松地收集并整合多个来源的数据。营销专家罗布·索伯斯就提出了一个利用现成工具搭建数据跟踪系统的简单方法，只需要每月花费9美元（在本书创作时）就可以使用。（我们不会在书中详细介绍这一方法，但是你可以在本书注释部分找到相关链接。15）
1704198443
1704198444
数据不是唯一
1704198445
1704198446
关于数据的重要性我们已经谈了很多，但再详尽的用户数据也有其局限性。毕竟，即便是最为精细的分析也只能确切地告诉你用户在做些什么，而不会告诉你他们为什么这么做。有时你能够很容易地推测出某个行为规律背后的原因。例如，如果你看到大量的用户流失都发生在他们试图使用某个功能（比如视频播放器）的时候，你往往能够很快发现这个功能哪里出了问题，也就是产品设计师所说的可用性问题。以视频播放器为例，如果你深入分析数据，或许会发现当用户在安卓手机上使用播放器时这一问题出现得更频繁，那么你就会发现视频播放器在安卓设备上的运行功能存在问题，导致视频缓冲时间很长。这样的可用性问题很容易发现。但是导致用户对产品丧失兴趣的其他原因可能就没有那么容易发现了，要找出这些原因就需要开展用户调查或采访，或是二者的结合。
1704198447
1704198448
虽然在产品原型开发测试初期进行用户调查或采访已经成为被广泛采用的做法，但是在太多的创业公司和成熟企业，一旦产品推出之后，这个做法就被丢到一边。事实上，进入快节奏试验过程之后你仍然应当持续利用这一关键资源，这至关重要，因为用户的反馈能够帮助你发现很多十分有效的试验思路。换句话说，在进行定量分析的同时，这种定性分析同样重要。
1704198449
1704198450
简洁明了的报告
1704198451
1704198452
在数据方面要说明的最后一点是，要以最简洁明了的方式汇报你的数据分析及试验结果。即使你跟踪了合适的指标，收集并分析了所有有效的数据，如果团队里除了数据分析师之外没有人能够看懂分析结果，一切就都没有意义了。大量的用户数据表、数据库查询资料和各种技术性演示对于数据分析师来说可能如获至宝，但是对于团队其他成员来说可能就像是在看天书了。这就是为什么应该花些工夫在报告中生动地说明你的工作进展，特别是与增长杠杆和北极星指标相关的进展。这时就可以利用所谓的“总览图”了。
1704198453
1704198454
我们非常喜欢总览图。首先，它能够帮助团队聚焦关键趋势或指标；其次，它能够帮助你将你的发现分享给公司其他同事，也就会使更多人参与到增长过程当中。当我（肖恩）邀请GrowthHackers公司里的所有人（包括我们信任的顾问和董事会成员）一起为促进网站社区增长提出想法时，我们收到了很多非常棒的建议，其中不少都成功推动了增长。
1704198455
1704198456
为整个公司提供更简洁明了的数据演示也能够使整个公司的人将北极星指标和其他重要指标作为关注的重点，促使增长团队以外的各个团队都能更加以数据为导向。Freelancer.com（一家外包接活网站）的前高级增长副总裁威利克斯·哈利姆曾经做过一个测试，想看看在工作区域展示数据总览图会对团队工作有何影响。他发现，对每个团队所负责的指标数据的固定展示大大提高了团队提升相应指标的能力。16
1704198457
1704198458
要充分了解简单明了的报告有多大的价值，我们可以先来看看增长团队在跟踪关键指标时所创建的数据表有多么复杂。HubSpot的高级产品经理丹·沃尔考诺克提供了下面这张表格。这张表可能蕴藏着无比宝贵的信息，但是非专业人士要想看懂这样的报表并利用它开展相应的行动，可能就太困难了。
1704198459
1704198460
1704198461
1704198462
1704198463
图3–2 一份典型的增长跟踪报告
1704198464
1704198465
再来看一看Pinterest增长团队所做的图表，这是Pinterest增长工程师约翰·伊根在他十分受欢迎的博客里发布的。这篇博客介绍的是Pinterest追踪的27个指标。如图3–3所示，这样的图能够让人一目了然地看到重要的增长趋势。
1704198466
1704198467
显然，这三幅图所体现的每一个趋势都清晰可见。当然，我们无法确切知道图中的具体信息，因为伊根出于保密性考虑在提供给我们的版本中抹去了数据细节。数据分享必须谨慎，和增长团队以外的公司其他人员分享报告需要谨慎，而对于分享到公司以外的信息就更要谨慎了。
1704198468
1704198469
创建这样的总览图并不复杂，市面上可用的数据可视化工具数不胜数，既有像Geckoboard和Klipfolio这样适合小型创业公司的简单工具，也有像Tableau和Glik Sense这样企业级的解决方案。不论你选择哪个工具，你的报告都应当包含有意义的洞察，而且应可以作为行动的依据。正如谷歌分析专家阿维纳什·考希克所说，太多的报告都像是在“呕吐数据”。17杂乱无章地展示数据只会让人困惑，我们应该做的是清晰明确地呈现最为重要的指标数据。为此，总览图应当只包含与增长杠杆相关的最重要的指标。
1704198470
1704198471
在缩小汇报范围之后，下一步就是使呈现的信息能够指导行动。首先，指标应以比例而非静态数据的形式呈现。比如，总用户数是静态的，说明不了很多问题，而每日或每周新增用户数则有用得多，因为它是当前时期和前一时期的对比，能够反映出指标的升降。数字的旁边还应当附带显示一个标志，体现与过去相比是上升、下降还是持平。这个标志可以是一个表示变化的百分比，也可以是颜色标识，以便让团队一目了然地知道某个指标的变化情况。
1704198472
1704198473
1704198474
1704198475
1704198476
图3–3 Pinterest增长总览图18
1704198477
1704198478
也可以在总览图中将指标数据与既定目标进行比较。例如，在英曼，团队将订阅人数增长与他们的季度目标进行对比来确定他们的目标完成进度。总览图应帮助团队成员掌握业务增长情况并根据总览图提供的信息对相关问题给出快速清晰的回答。虽然数据可视化设计是一项复杂的技能，但一位出色的数据分析师通过与增长负责人合作能够创建一系列极富洞察并可以指导行动的总览图，使团队能够跟踪核心指标的变化。
1704198479
1704198480
万事俱备
1704198481
1704198482
明确增长杠杆、进行深入分析和汇报并辅之以客户调查，这几项结合起来就可以解锁并优化增长机会。让我们再来看一看乔希·埃尔曼和推特的增长团队是如何发现“30个关注”这一阈值的，也就是说，关注了至少30个人的用户会成为长期活跃用户。埃尔曼首先进行了所谓的“群组分析”，即将客户或用户按照某个共同的特征划分为不同的群组。对推特来说，可以按照用户加入的月份进行基本分组。这样的选择几乎毫不费力，不过如果数据量很大且很详细，就可以创建更加细分的群组，比如每天查看推特5次但自己从不发推特的人、只在周末发推特的人、每周新关注至少10个用户的人等。
1704198483
1704198484
当时，推特面临的问题是用户留存。很多人注册但又离开了，同时，留下来的那少部分人成了比较活跃的用户。于是埃尔曼和团队开始按每月访问推特的天数对用户进行分组，然后他们对同一组用户第二个月访问的天数与第一个月的天数进行比较，他们惊讶地发现，一个月访问至少7次的人中有90%~100%会留存到下一个月，这个比例非常之高。
1704198485
1704198486
1704198487
1704198488
1704198489
图3–4 基于第一个月访问次数的留存率