本书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。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验,呈现了30多个具有价值的案例分析,可以为各阶段的创业者提供行为准则。那些想要验证自己的创意、解决实际问题和渴望拥有成功事业的人,可以把本书当成一套明确的实践计划、一幅清晰的创业路线图、一本实践指南,或者一套反复实践的方法论。
两位博学创业家联手打造创业宝典
适合各阶段创业者学习
100多位创始人、投资人、内部创业者和创新者的成功创业经验荟萃,30多个具有价值的案例分析指导你创业成功
(加)阿利斯泰尔 克罗尔(Croll,A.)
企业家、作家、演讲家,用户体验管理先锋公司Coradiant联合创始人。曾花大量时间研究各种规模的组织如何使用数据做出优良决策、加速创业过程。他职业生涯的大部分时间都是技术公司的产品经理,是O'ReillyStrata、TechWebCloudConnect、Interop企业云计算峰会、InternationalStartupFestival(国际创业节)等5个国际知名技术大会的主要发起人。
(加)本杰明 尤科维奇(Yoskovitz,B.)
目前担任广受欢迎的二手货买卖应用VarageSale产品管理副总,主要负责Web和移动平台的产品开发。他是StandoutJobs和YearOneLabs公司联合创始人,曾积极指导众多创业公司和其他加速器项目。他创办了以精益创业、产品管理、创业公司和企业家精神为主题的博客InstigatorBlog,并定期在创业会议上演讲。他也是天使投资人、连续创业者,具有15年以上的互联网产品运营经验。
数据——精益创业里最不精益的工作
序
前言
致谢
及时部分 别再欺骗自己了
第1章 我们都在说谎
第2章 创业的记分牌
第3章 你把生命献给谁
第4章 以数据为导向与通过数据获取信息
第二部分 找到当前的正确指标
第5章 数据分析框架
第6章 及时关键指标的约束力
第7章 你所在的商业领域
第8章 商业模式一:电子商务
第9章 商业模式二?
第10章 商业模式三:免费移动应用
第11章 商业模式四:媒体网站
第12章 商业模式五:用户生成内容
第13章 商业模式六:双边市场
第14章 创业阶段的划分
第15章 阶段1:移情
第16章 阶段2:黏性
第17章 阶段3:病毒性
第18章 阶段4:营收
第19章 阶段5:规模化
第20章 模式 阶段决定你跟踪的指标
第三部分 底线在哪里
第21章 我是否足够
第22章 电子商务:底线在哪里
第23章 SaaS:底线在哪里
第24章 免费移动应用:底线在哪里
第25章 媒体网站:底线在哪里
第26章 用户生成内容:底线在哪里
第27章 双边市场:底线在哪里
第28章 没有基准时怎么办
第四部分 应用精益数据分析
第29章 进入企业市场
第30章 企业内部的精益之道:内部创业者
第31章 结语:超越创业
附录 参考书目和延伸阅读
索引
开始,你想要的只是一些定性数据。你取得的成绩并不以数字衡量。恰恰相反,你在和真人对话,确切来讲,你在和目标市场中的潜在用户对话。这意味着你在探索,你在突破固定思维。收集高质量的定性数据需要很多准备工作。比如你向潜在客户提出的问题就很有讲究,问题既要具体,又不能带有诱导性,使他们偏离初衷。在提问的过程中,还必须避免他们被你的热情和现实扭曲场所感染。准备不充分的客户访谈,可能会得出误导性或是无意义的结论。
虚荣指标与可付诸行动的指标很多公司都声称自己是由数据驱动决策的企业。可惜,它们大多只重视这句互联网谚语中的"数据",却很少有公司真的把注意力集中在"驱动决策"上。如果你有一个数据,却不知如何根据它采取行动,该数据就仅仅是一个虚荣指标。它毫无意义,的作用是让人自我膨胀。你需要利用数据揭示信息,指明方向,帮助你改进商业模式,决策下一步的行动。
每当看到一个指标,就应该下意识地问自己:"依据这个指标,我将如何改变当前的商业行为?"如果回答不了这个问题,你大抵可以不用纠结于这个指标了。换言之,如果你并不明白哪个指标能够改变企业的行为,那你压根就不是在用数据驱动决策,而只是在数据的流沙里挣扎。
考虑这样一个例子:"总注册用户数"(或"总用户数")其实就是一个虚荣指标,这个数字只会随着时间增长(经典的"单调递增函数")。它并不能传达关于用户行为的信息:他们在做什么?是否对你有价值?他们中的很多人可能只是注册了一下,就再没有使用过。
"总活跃用户数"稍微好些,前提是你对"活跃用户"定义正确。但它依然是一个虚荣指标,也只会随着时间增长,除非你犯了什么严重的错误。
这里真正应该关注的指标,即可付诸行动的指标,是"活跃用户占总用户数的百分比"(活跃用户占比)。这个指标揭示了产品的用户参与度,因而显得格外关键。当产品作出调整时,这个指标也会相应地变化。如果调整的思路是正确的,这个占比就应该上升。这就意味着,它可以指导你试验、学习和迭代。