-
数据分析
HR必看：如何用数据分析来提高员工参与度
文| karishma borkakoty
来源| towardsdatascience
根据Timesjobs.com最近进行的一项调查显示，60％的员工对他们目前的工作不满意，而80％的员工表示他们正在换工作。同时，员工的不满情绪年复一年地大幅增加。这项调查同时说到，员工的负面情绪可归因于组织中人力资源管理不善。 2015年，78％的员工表示，他们对目前的工作感到满意，尽管他们仍然乐于接受其他工作机会。这些日子，员工对工作的不满情绪在不断上升，其中工作与生活的不平衡，工资低，工资增加幅度低，工作琐碎是造成这种状况的原因。
对于我们很多人来说，故事是把我们带回记忆之路的东西。有些故事足以影响我们的印记，让我们与现实保持联系。同样，故事可以在连接组织内的人员方面发挥重要作用。这些故事中可以有情节和次要情节，可以帮助组织了解他们的员工对工作，他们的经理以及他们可能希望雇主改变以提高透明度的感受。
但问题是，你是否花费了足够的时间和资源来理解为什么有些员工有不好的故事，有些有好的故事？您是否正在深入挖掘、解决，保留，参与和脱离的奥秘？您是否将员工和公司数据与行业数据结合使用，有助于促进更好的员工敬业度决策？
如果您对所有这些问题回答“是”，那么您的公司可能拥有最佳的互动政策。如果在说出是的话之前你必须思考一段时间，现在是时候重新思考如何进行员工参与活动了。
数据是维持员工积极性的关键
每家公司都使用客户互动记录，购买历史记录，社交媒体，在线社区和调查等来更快更准确地预测客户的未来行为。但是，我们经常忘记我们的高优先级客户是我们的员工队伍。
就像公司与客户建立长期关系的方式一样，这些公司也需要加强与员工的关系。但许多公司无法做到这一点，因为他们无法准确解读调查获得的数据结果，从而无法制定可改善员工参与度的策略。
虽然人力资源数据储备巨大，但企业无法收集其员工的相关指标，这使人力资源团队难以分析，理解员工行为以及采取相应的行动。从解释数据的基本问题开始，比如“你的员工为成为组织的一员而感到自豪吗？”，“作为一名雇主，你是否给了他们足够的激励以保持动力？”，以及“你是否花足够的时间听到并解决员工的不满？“可以帮助企业获得有趣实用的见解。
还有一些组织应该思考的一些数据分析的着手点，以便在个人和组织层面上更好地理解其员工的参与。事实上，这些数据集中的很多可能会在各种人力资源系统中进行跟踪和收集。
数据分析在人力资源管理中的价值 - 案例研究和举措
虽然人力资源分析仍处于初始阶段，但其市场上成功应用的例子却不断增加。在哈佛商业评论文章中，米克柯林斯强调了黑山公司如何利用人力资源分析的优势。
Black Hills Corp.是一家拥有130年历史的能源集团，收购后将其员工人数翻了一番，达到约2,000名员工。像许多能源公司一样，各种挑战（老龄化劳动力，专业技能需求以及让员工获得全面胜任的漫长时间表）带来了巨大的人才风险。
为了防止大规模的人员流动灾难，该公司使用劳动力预测分析来计算每年有多少员工退休，需要替换的员工类型以及这些新员工最可能从哪里来的员工。其结果是一场劳动力计划论坛，对89项旨在解决潜在人才短缺问题的行动计划进行了分类和优先排序。
同样，BRIDGEi2i帮助全球商业服务组织识别并采取行动，提高其庞大而多元化的员工群体的满意度和参与度。
在TLNT发表的一篇文章中，国际知名的人力资源思想领袖John Sullivan博士列举了谷歌过去和现在在人员分析方面的一些举措。
氧气项目：帮助他们确定伟大领导者的八个特征。数据证明，除了优秀的技术知识之外，周期性的一对一辅导，包括表达对员工的兴趣和频繁的个性化反馈，被列为成为领导者的关键特征。
PiLab：一个独特的小组，在Google内部进行应用实验，以确定管理人员和维护生产环境的最有效方法（包括识别使员工最快乐的奖励）。
保留算法：Google开发了一种数学算法，主动并成功地预测哪些员工最有可能成为保留问题。
可操作的分析正在推动人力资源管理的成功
人才分析成功的故事鼓励其他组织毫不拖延地采取分析措施。根据SHL全球评估报告，全球企业中有不到50％的人在做出人力决策时使用客观数据，只有不到20％的人对他们当前的数据管理系统管理人才数据的能力感到满意。
但是，凭借可操作的分析，领导者和管理人员拥有巨大的机会来利用人才数据来降低员工成本，确定收入来源，缓解风险并执行业务战略。
旨在追踪员工敬业度，满意度和保留率的分析解决方案是建立和维持快乐和积极进取的员工队伍的关键。分析可以帮助企业找到激励员工的方式，促进与员工奖励，定制培训等有关的计划。数据驱动型员工敬业度战略的早期采用者必将在竞争中茁壮成长。
现在是唤醒数据分析并加强大多数组织缺乏的数据分析专业知识的时候了。
以上内容由HRTechChina AI翻译，仅供参考
-
数据分析
为企业提供数据分析深度报告，Datatron获270万美元种子轮融资
今日Datatron为其虚拟助手Emma筹集了270万美元种子轮融资。也许虚拟助手在现在看来已经不是什么新鲜事物了，但Datatron的虚拟助手能帮助员工从网站繁多的历史数据和实时数据中找到深层见解。
公司每时每刻都会产生大量的数据，有些数据更新得慢（比如Uber在某座城市里的注册司机数量），有些数据的更新则非常快（比如Uber在某座城市的活跃用户数量）。如果只是盲目地把这么一堆数据和公司的商务逻辑结合起来，那么你就很难从中得出什么有用的结论。
Datatron由Harish Doddi和Jerry Xu所创立，它能帮助公司们把这些数据用在特定的目的上，比如销售、营销和融资等。这家公司会提供一个非常简单的界面，用户可以从平台给出的预测模型里找到所需的关键指标。
最初，Datatron只是为企业提供了一种平台化的解决方案，它能进行实时的特征提取和数据清理，帮助企业更快地从数据中得出结论。在最近几个月里，这家公司推出了上文提及到的这些功能，这能帮助它获取更多客户。
这个系统曾在早期为销售业务推出过优化服务，它能帮助销售团队更快地评估潜在客户，从而将自己宝贵的时间和资源花费在合理的地方。Datatron可以说是集成了Zuora、Salesforce、Marketo和Zendesk的一系列核心功能。
目前这家公司已经从Start X、Credence Partners、Authentic Ventures、Enspire Partners、Plug and Play和 500 Startups那里获得过投资，目前它已经和一批早期客户建立了合作。
【猎云网（微信号：ilieyun）】7月12日报道 （编译：叶展盛）
-
数据分析
新加坡HR创企EngageRocket获32.2万美元天使轮融资，用数据分析帮助企业管理员工
新加坡创企EngageRocket能通过职场分析来提高员工保留率和生产效率，公司昨日宣布融资45万新元（折合32.2万美元）天使轮融资。
公司由Leong Chee Tung和Dorothy Yiu创立，该公司表示，本轮融资将加速公司的产品开发，并扩大公司的运营规模，以满足更多的当地需求。
EngageRocket的首席执政官兼联合创始人Leong Chee Tung说：“如果能打造一个员工参与度很高的工作环境，那么公司的营收和利润都会实现快速增长，员工的保留率和生产效率都会提高。但问题是，大多数公司没有数据系统以打造这样一个可靠的工作环境。”
“世界上最顶尖的公司，比如亚马逊和谷歌，都会对员工进行频繁的调查，从而通过员工的反馈更灵活地对其行为和工作流程做出调整。而EngageRocket能将这一过程推广给世界上所有的公司。”他补充道。
公司的云端软件分析反馈能帮公司领导人建立并维持企业文化，并让调查管理、分析以及后续的意见生成等过程自动化。
一则2016年的报道表示，调查反馈工具的市场已经达到了3亿美元，年增长率为100%。
公司的投资方Huang Shao-Ning（JobsCentral Group的联合创始人）说：“作为一个企业拥有者，我认为员工的参与度数据对于提高团队表现而言，非常重要。Chee Tung和Dorothy巧妙地将相关知识、行业见解和科学技术结合起来，给出了这样的解决方案。”
当问及公司在新加坡及东南亚国家所调查的员工时，Leong说：“我们国家的很大一部分员工都是属于‘划水’或者‘业绩不佳’的那种。相关数据显示，新加坡76%的员工参与度极低，表现一般，但和那些表现良好的员工，拿着差不多的薪水。”
Leong还补充道，EngageRocket的愿望就是公司获得所有员工在任职时期的反馈和分析，从而支持其做出数据驱动的管理决策。
当问及公司的市场退出战略时，Leong表示：“我们大概会在A轮融资完成之后才会有答案，大概要4到5年时间。至于采取何种退出方式，我会和其它创始人一起商量。”
【来源：猎云网（微信号：ilieyun）】4月20日报道 （编译：叶展盛）
-
数据分析
通过数据分析帮助销售人员完成交易，Aviso 获 800 万美元 C 轮融资
Aviso 是一家利用机器学习技术，为企业提供销售预测的大数据分析初创公司，2 月 17 日，该公司宣布获得了一笔 800 万美元的 C 轮融资，投资方包括 Scale Venture Partners、Next World Capital 和 Shasta Ventures 三家风投机构。
Aviso 公司截至目前的融资总金额为 3100 万美元，虽然这次 C 轮融资金额比上一轮融资金额低，但该公司一位发言人特别强调称，本次并不是“Down Round”，估值并不比上次融资时的估值低。
Aviso 公司成立于 2012 年，总部位于加州门洛帕克，旗下共有约 70 名全职员工，该公司主要向企业销售“软件即服务（SaaS）”类软件，提供大数据预测分析服务，帮助企业提升销售业绩。该公司首席执行官 Michael Lock 表示：
企业管理者需要数据分析的支持，帮助他们更好做出决策。而另一方面，企业内部销售团队也需要根据人工智能的帮助获取更准确的数据分析结果，继而快速执行交易。
事实上，Lock 最近刚刚加盟 Aviso 公司，取代了原公司创始人兼首席执行官 K.V.Rao 的位置，后者将会“退居幕后”担任公司首席战略官。Lock 本人在企业级“软件即服务”领域里拥有丰富的行业经验，曾是 Google Cloud 旗下企业服务 Google Enterprise 的创始高管之一。
Aviso 公司目前已经获得了 30 家企业客户，包括 Apttus、HubSpot、Nutanix、Pandora、以及 Splunk 等。现阶段，他们的收入模式是根据企业客户的用户数量和 Aviso 软件使用频率来收取年订购费。
事实上，销售预测分析目前越来越受到企业的关注，而且该行业内最近也发生了几笔值得关注的收购交易，比如 2015 年，InsideSales 收购了预测云数据服务公司 C9，机器学习数据分析公司 DxContinuum 也是在最近刚被 ServiceNow 收购了。不仅如此，很多行业巨头——比如 eBay 和领英（LinkedIn）也在销售预测分析领域加大了投入。所以，如果未来有一天 Aviso 公司也被收购了，大家也不要感到太过意外。
据 Aviso 公司发言人透露，得益于上一轮融资，该公司目前的资金情况十分不错。但是考虑到新 CEO Michael Lock刚刚上任，不少看到该公司风险投资人希望通过加大投入，让他手头有更充足的资金来施展拳脚，而这笔 800 万美元的最新融资能够给 Aviso 公司下一阶段增长带来一臂之力。
接下来，Aviso 公司将会利用这笔投资扩大产品条线，并且招募更多销售、市场营销和客户服务人才。
本文来自翻译：venturebeat.com，如若转载，请注明出处：http://36kr.com/p/5064187.html
-
数据分析
Box收购数据分析创企Wagon，后者服务将于10月3日关闭
【来源：猎云网（微信号：ilieyun）】 编译：何弃疗
1
云文件同步及共享软件公司Box今天宣布他们收购了初创公司Wagon Analytics的团队，该公司推出了一款可以帮助分析师查询和分析数据的应用。
1
“加入Box之后，Wagon的团队将帮助我们搭建一个能提供更深见解的数据分析平台，通过这一平台我们的客户能够更好的利用Box。”Box公司联合创始人兼首席执行官Aaron Levie在博客中如是写道。“Wagon团队深入的工程技术以及专注用户体验的产品研发能力，数据建模能力和快速可视化技术能够提高我们的数据分析能力。”
1
Wagon应用能够支持多种数据库，为同事之间的数据分析共享提供了一个便捷的方式，在OS X和Windows系统均可使用。Wagon官网上称Linux版本很快也会面世。Wagon团队在博客上宣布，服务将于10月3日关闭。
1
“Wagon和Box都相信知识共享会让个体和团队都更高效。Box能帮助企业更好地做内容，通过提供一个中央现代化内容平台帮助企业提高工作效率。”Wagon团队写到。“横跨不同行业的《财富》五百强企业都信任Box，且让Box处于他们业务的中心。我们非常期待为Box研发数据分析产品，和Box一起去帮助人们更好的理解他们的数据，提高工作效率。
1
2014年Wagon公司在旧金山创立。联合创始人是Matthew DeLand、Mike Craig和曾经在Groupon工作的Jeff Weinstein。投资人包括Fuel Capital、Harrison Metal、Homebrew、Lerer Ventures以及SV Angel。竞争对手有Mode Analytics。
1
除了收购之外，Box今天公布了2017财年第二季度的盈利（截止至7月31日）。该公司公布每股亏损30美分，净亏损总额为3810万美元，营收9570万美元。本季度Box再添4000位用户。
-
数据分析
企业云计算公司 Salesforce 收购数据分析公司 BeyondCore
编者按：Salesforce 是一家主动出击的团队，今年至少吞掉了 9 家公司。
今日，企业云计算公司 Salesforce 宣布收购数据分析公司 BeyondCore ，具体数额尚未披露。之后，这支团队将致力于 Salesforce 的分析云。
Salesforce 是一家企业云计算公司，提供给用户通过浏览器即可运行销售、服务以及全部业务所需的一切资源。基于 Salesforce 的实时多租户体系结构，公司的平台和 CRM 应用程序彻底变革了公司协作以及与客户之间的沟通方式。
Salesforce 的产品主要如下：
-销售 SalesCloud ：全球首屈一指的销售应用程序
-服务 ServiceCloud ：客户服务的未来
-协作 chatter ：在整个企业范围内实现协作
-平台 force.com ：构建企业应用程序的云平台
至今， Salesforce 已为全世界大约 100,000+ 不同规模的公司管理客户信息。
图片来源｜TechCrunch
BeyondCore 致力于通过计算分析和数据分析提高商业智能，2004 年创建并在 A 轮融资获得 Menlo Ventures 的 900 万美元。
BeyondCore 执行总裁 Arijit Sengupta 表示：“我们已经决定将自身优势特长与 Salesforce 融合并作为 BeyondCore 7 与大家见面。”
本月初， Salesforce 确认收购团队协作应用软件 Quip ，收购总金额约为 7.5 亿美元。Quip 推出 PC 版办公室软件，在功能方面，可以取代微软 Office 。此外， Quip 还具备聊天功能，方便同事间交流。
Salesforce 是一家主动出击的团队，今年至少吞掉了 9 家公司。
来源：鸵鸟电台（微信：鸵鸟FM），任何不尊重原创的行为鸵鸟电台都将进行责任追究。
-
数据分析
永洪科技获投2亿人民币 要做“傻瓜式”数据分析工具
日前，永洪科技正式对外宣布，已完成2亿元人民币C轮融资，领投机构为腾讯创投，元生资本、东方富海、经纬创投、艾瑞咨询跟投。
记者了解到，永洪科技于2015年12月份完成1亿元人民币的B轮融资，领投机构为东方富海，经纬中国、达泰、艾瑞咨询跟投。同年1月，永洪科技还曾完成5000万元A＋轮融资，资金来自经纬创投。
永洪科技方面介绍称，其提供敏捷型大数据分析工具，可以实现5分钟一键安装、5分钟快速数据源配置以及5分钟报表设计，大部分的业务分析需求变化，都可以在一天内得到响应。从使用门槛来讲，永洪科技的绝大多数操作体现为点击和拖拽，即便是零技术背景的业务和运营人员，也可自助式地完成大数据分析。
永洪科技创始人何春涛认为，使用永洪的使用体验是，只需几次点击，就可以在可视化界面上变更运算条件，在新的维度组合下，数据将得到实时处理，并且实时生成新的报表。
-
数据分析
数据分析和协作平台 Data.World 获 1400 万美元 A 轮
7月11日，数据分析和协作平台供应商 Data.World 宣布完成 1400 万美元的 A 轮融资，共有超过 24 家天使轮投资者参与了本轮融资，由 Shasta Ventures 领投，Capital Factory、 Chicago Ventures、Floodgate、FYRFLY Venture Partners 等参投。
Data.World 公司最初创立于 2015 年 12 月，在经过了八个月的隐身模式运行后，公司于昨日宣布正式启动。该公司是一家公益机构，总部位于德克萨斯州奥斯汀，通过100% 的投资者支持来实现业务增长、IPO 及进一步发展，从而创造社会价值。公司的主要业务是利用公司软件设计帮助用户迅速、轻松地找到数据，进行准备和共享工作，然后利用数据来实时协作解决最复杂的学术、商业和社会问题。Data.World 致力于成为全球最有意义且拥有最丰富数据资源的协作平台。公司的创新式企业结构有助于其在全球数据民主化使用及可持续性档案创建方面发挥作用。
Data.World 的联合创始人兼 CEO Hurt 表示：“开放数据也就是说任何人出于任何目的都可以自由使用、修改和共享数据，这一数据开放运动将被塑造成为当今人类最重要的影响力量之一。这项运动能够加速癌症治愈进程，保持政府问责，遏制气候变化并且对其他世界性问题施加积极影响力。我们创建 Data.World 让专业和业余的科学家、分析师和研究人员能够即刻查找、使用和共享数据，就是为了促进数据公开领域能够取得突破性进展。”
Jason Pressman 是 Shasta Ventures 的合伙人，同时也是 Data.World 董事会成员。他说道：“每隔两三年，你就能发现一个可以引发巨大变革的公司和想法，Data.World 就是这样的一个公司，它有这样一种潜力，能够重新定义在我们有生之年可以实现的一些可能性，并且为社会创造巨大的价值。”
目前 Data.World 开放数据集超过 1800 万，比谷歌网站推出数量的 7 倍还多。在数据共享和合作潜力的驱动下，研究人员、企业、政府、非政府组织和公民将向大众开放新的数据集，使更多地数据集逐渐为大众所用。
然而，寻找数据、理解数据意义并利用数据仍然是极其困难的一件事。在所有的开放数据中，只有不到 10% 的数据可被机器读取，平均一个项目 80% 的时间都花费在为数据分析进行相关准备工作上。需要进行协作的数据项目是很有难度的，因为它在数据持有者和数据需要者之间创建了一个数字鸿沟。此外，有一部分人希望能够通过安全结合企业内部数据与开放数据的方法来强化企业内部数据，事实上，他们几乎没有办法来实现。总体来看，这些技术和社会障碍使得开放数据难上加难。
本文来自翻译：www.pehub.com
-
数据分析
销售数据初创公司 LeadiD 获1000万美元B轮融资，更名为Jornaya
Jornaya是一家销售数据分析初创公司，前身为业界熟知的 LeadiD。今天该公司宣布获得 1000 万美元 B 轮融资，领投方是Edison Partners。
作为 Jornaya 的前身，LeadiD 提供一个独立、中立、开放的销售数据预测分析技术平台，企业可以利用这个平台追踪每一个销售引导事件的历史记录。LeadiD 平台非常重视供应商的数据安全，不会暴露敏感数据。但是，他们可以基于明确的原始和历史销售数据，帮助销售引导买方和销售引导卖方制定实时决策。LeadiD 打造了一个交易信任环境，在他们的平台上，销售引导买方和销售引导卖方都能获得最有效的价值。不仅如此，LeadiD 几乎算得上是销售数据分析的行业标准，不管是什么规模的企业，如果想要获得销售引导服务，LeadiD 平台绝对是不二选择。
更名之前，LeadiD 公司曾募集到总计 970 万美元融资，其中包括一笔由 Comcast Ventures 领投的 700 万美元 A 轮融资。
更名之后，该公司透露：
Jornaya 的预测分析平台将继续在企业品牌业务拓展中扮演重要角色，为企业客户提供消费者购买记录实时分析，提升客户获取产出。
本文编译自：venturebeat.com，如若转载，请注明出处：http://36kr.com/p/5048832.html
-
数据分析
创业公司如何构建数据指标体系？
对于从 BAT 等互联网公司出来的，已经经历了数据分析的历练，会有一个做事情看数据的习惯。而对于毕业之后就创业，或者是产品经理或运营专员新手，一般会对构建指标体系比较困惑，不知如何下手。甚至有些在微信公众号后台或者百度统计后台看到的几个指标，就觉得算是有了数据指标体系了，但又会发现与许多实际的工作脱节。我这里给大家介绍两套构建指标体系的方法，第一关键指标法和海盗指标法。
第一关键指标法
现在我问你一个问题，对你所负责的产品来说，最关键的一个指标是什么？我尝试问过一些人，特别是同一个公司的几个人，你会发现他们冒出来的第一关键指标是不同的。当然，这还不是最惨的，更惨的是根本就找不出来关键指标。对于一个大公司来说，比如像百度，因为产品很复杂，有很多的产品，即使同一个产品，也有不同的职能部门，他们会有不同的关键指标或者 KPI，情有可原。但对于一个创业公司，尤其是刚成立的初创公司，几十个人的团队都不是围绕同一个目标努力的，那问题就比较严重了。
第一关键指标法是在《精益数据分析》（Lean Analytics）一书中提到的方法，这个方法不是说一个公司用于只为一个指标负责，而是说在任意一个时间点，肯定只有一个最关键的指标。随着业务的发展，你的关注重点会有变化。我对第一关键指标的方法又做了一个延伸，关键指标又可以衍生出许多其他的指标。比如对于一个成熟的电商产品，它最关心的可能是销售额。但销售额我们又可以衍生出访问量、转化率、客单价等指标，我们通过优化这些衍生指标，来实现关键指标的增长。对公司来说，基于关键指标制定目标。
这样做的好处有两点：一是确定了现阶段的最重要的问题，二是可以基于关键指标的当前的状态，制定清晰的目标。否则你可能问题没找对，努力达到的数字也是没有意义的。
对于一个创业公司，不同的阶段需要关注的重点是不同的。我把创业公司分成三个阶段：
1、MVP 阶段：
MVP（Minimium Viable Product，最小可用产品） 是《精益创业》（Lean Startups）一书中提出的理念，在创业的最早期，你的关注点是确定用户需求，并做出一个最小可用的产品来验证需求的真实性。大量失败的创业最后发现解决的是个伪需求，为一个不存在的需求做出了一个不需要的产品。更好的方式是用最小的代价满足需求，然后再想更高效的方法去优化它。在这一阶段，数据分析的价值比较小，你需要的是定性分析，通过用户访谈，直接确定产品的满足情况，并不需要在数据分析方面投入大量工作。
2、增长阶段：
这个时候你的产品已经出来了，并且有用户在用，是时候需要做数据分析了。这一阶段我又把它分为有重叠的两个阶段：留存阶段和引荐阶段。我们在推广产品之前，一定要确认我们的产品确实是能够给客户带来价值的，并且有比较好的体验。那怎么确认这一点呢？除了直接听用户反馈之外，最重要的就是看用户的活跃度了。这里我们就需要做留存分析，比如看次日留存，如果发现你的用户次日留存率非常低，那说明根本吸引不住用户，还是要先优化产品。
等产品优化做的差不多了，我们就要进入引荐阶段了。一个好的产品会说话，最直接的就是口碑力量。对有些产品来说，它天然的带有病毒性质。比如，PayPal 的一个用户向朋友转钱，那么就会促使朋友也注册 PayPal。你可以通过人工的方式促进这一传播速度，比如 PayPal 每引荐一位朋友注册，可以得到 10 美元的奖励。这里需要关注的是 病毒系数 和 病毒周期，如果一个用户会推荐两个用户成功注册，那么这个病毒系数就是 2，如果这是经过 1 年才做到的，那么病毒周期就是 0.5 年了。
当然，并不是每个产品都能找到病毒传播的途径，找不到也没关系，我们还可以通过口碑。就拿我们来说，我比较关心的是 NPS（Net Prompter Score，净推荐值）。假设我们有 100 个客户，这 100 个客户中，有多少是给我们推荐了新客户的，有多少只是自己用的，有多少是通过私下或公开途径对我们进行负面评论的。拿推荐我们的减去否定我们的，就是 NPS。一个好的产品，NPS 应该在 50 以上。比如微信，说微信不好的很少，如果你的朋友没有在用，你会直接推荐他用，所以 NPS 会非常高。在 2006 年的时候，360 安全卫士刚出来，我真的觉得很好，以至于只要有亲朋好友的电脑有垃圾插件，我就推荐他们装一个，当然，我现在已经很久没推荐它了。
3、营收阶段：
这个阶段产品已经相对比较成熟，我们考虑的重点就变成了如何赚更多的钱，以及如何规模化。我们关注的重点成了 LTV（Life Time Value）、CAC（Customer Acquisition Cost）、渠道分成比例、渠道用户盈利周期、成本等。一般到这个阶段，创业公司就不再那么有趣了，最大的乐趣可能是获得量级上的增长。这个时候公司就需要寻找一些新的方向，为下一步增长做准备，而新的方向，又可以重复这三个阶段。
当然，我这里只是列举了不同阶段的典型关键指标，对于你的项目本身，还是要具体来看。比如，对于百度知道这个产品，因为属于百度搜索的子产品，它本身并不需要太关注盈利的问题，所以现在依旧还处于增长阶段，只是产品已经比较成熟了。接下来我分享一下我在加入百度知道后，寻找第一关键指标的经历。
2007 年我毕业后加入百度知道做后端研发。作为 RD，我每天也收到一系列报表邮件，这些报表里面有很多统计的一些数据。比如，百度知道的访问量、检索量、IP 数、Session 数、提问量、回答量，设置追加答案的数量，这一系列指标。当时，看的其实感觉很模糊。
我在思考：这么多的指标，不能说这也提高，那也提高吧？每个阶段肯定要思考哪个事最关键的，重点要提高哪些指标。开始的时候其实是没有任何区分的，不知道什么是重要、什么是不重要。
后来，慢慢有一些感触和认识，就发现其实对于访问量、检索量这些指标并没那么重要。因为百度知道大部分流量都是来自于大搜索，把它的展现做一下调整或者引导，对量的影响非常大。虽然，跟百度知道本身做的好坏也有直接关系，但是它很受渠道的影响——大搜索这个渠道的影响。
提问量我认为是非常重要，提升提问量，那么整个百度知道平台的问题就多了。提升回答量，让这些问题得到回答，高质量的内容就非常多了。提问和回答都很重要，都要发力，这让我很困惑。
有一次产品会，我就问当时的产品负责人是孙云丰，可能在百度呆过的或者说对百度产品体系有了解的都会知道这么一个人，非常厉害的一个产品经理。我当时就问了他这个问题，我对提问量、回答量都要提升这个困惑。
他就说了一点，其实提问量不是一个关键的问题，为什么？我们可以通过大搜索去引导，如果一个用户在大搜索里面进行搜索，发现这个搜索没有一个好的答案，那就可以引导他进行一个提问，这样其实这个提问量就可以迅速提升上去。
我一听一下就解决了这个困惑，最关键的就是一个回答量，我所做的事情其实怎么去提升回答量就可以了。
这里面把百度知道这个产品抽象成了最关键的一个指标——那就是如何提升回答量，在这个问题上当时做了一个事情就是进行问题推荐，根据用户的历史回答记录，或者是检索或浏览过的页面记录，给用户推荐感兴趣的问题，整个项目做下来提升了 7.5% 的回答量，是我非常有成就感的一个项目。
海盗指标法
2007 年，500 Startups 创业孵化器的创始合伙人 Dave McClure 针对创业公司应该关注哪些指标，提出了一套模型—— Pirate Metrics，即海盗指标法。他将创业公司需要关注的指标归结为五个方面：Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（营收）、Referral（引荐），简称 AARRR！。这一抽象经典的以至于过了 9 年了，都一点还不过时。Dave McClure 曾经是 PayPal 早期的营销总监，算是 PayPal 黑帮的代表人物之一，后来又是 500 Startups 的创始合伙人，有过成功的打造产品的经历，又指导过众多创业团队，能总结出这么牛逼的方法，也算是情理之中。网上的许多材料都是把这五个方面画成一个漏斗形状，以至于一些人理解这几块是顺序进行的，这是错误的。我也看了他在今年接受的一个采访，专门强调了这个误区。这一方法相比第一关键指标法，阶段划分更加清晰，但因为 Dave McClure 是营销出身，所以侧重点都在如何做营销方面。
我把这五点分为三个方面：
1、拉新：
首先是触达用户（Acquisition），让用户知道你，然后才可能选择你。之后是激活（Activation），一个用户到达你的首页，并不标明他就是你一个真正用户了，他可能成功注册，或者访问超过 10 个页面，才定义为激活。然后是引荐（Referral），一个好的产品，应该是自传播的，通过口碑，有越来越多的人使用。或者是通过一些激励措施，让老用户拉新用户。许多 Growth Hacking 的案例，都是在强调如何发挥引荐的威力。
2、留存：
在做好留存之前，最好不要花太多的功夫拉新。如果你的产品不能解决用户的问题，或者用户体验不好，那么拉的人越多，流失的越多，就像猴子掰玉米。留存就是要提升核心用户的重复频率，比如电商产品的复购，比如考察用户的次日留存率。
3、营收：
创业公司的最终目的都是为了赚钱，不是为了做慈善。就像百度如果不做竞价排名，也不可能有今天。如果一个产品有大量的用户但赚不了钱，那是很难持久的。比如我从 2011 年就开始用 Evernote，它是一个非常好的产品，但它即使天天推荐我升级为付费用户，我依旧没有动力。去年 Evernote 被唱衰的比较多，被认为是一个要倒掉的独角兽，CEO 都辞职了。烧钱可能能持续一段，但最终要实现正的增长。我介绍过他们如何像高交易量卖家收费的转型故事，非常成功。
下面这张图，描述了这五个环节的相关工作，我这里就不详细展开了。
而这里的每个环节，都会有一些需要衡量的指标。
表格里的指标都是和网站访问相关的，只是用于做参考，对于你的特有业务，还是需要具体问题具体分析。
本文作者桑文锋，神策数据创始人 & CEO，前百度大数据部技术经理。
来源：36氪
扫一扫 加微信
hrtechchina
