书籍介绍
这本书最锋利的地方，在于它逼你承认：多数公司口口声声“数据驱动”，却只爱“数据”二字，丢掉了“驱动”——那些只能让你自我感觉良好的数字，是虚荣指标，除了抚平焦虑别无他用。全书反复追问一句：“看完这条数据，我要改变什么？”答不上来，就别纠结它。它把指标分成五组对立关系，核心主张是：相关性帮你预测未来，因果性才能改变未来。作者按业务类型（电商、SaaS、媒体、社区等）拆解“该盯哪个唯一重要指标”，实操性强，案例按产品形态分类，颇具启发。但也有人嫌它像把管理学老套路的互联网翻版，略显枯燥。它适合正在搭建数据体系、为产品决策发怵的创业者与产品经理，不适合只想速成、指望它讲炫酷分析模型的人。
AI导读
核心看点
- 聚焦单一最重要指标，拒绝虚荣数据
- 按商业模式匹配关键指标体系
- 区分相关性与因果性以驱动行动
读者共识
- 框架实用但部分章节略显啰嗦
- 适合入门建立数据分析思维
- 案例丰富但理论深度有待加强
精彩摘录
- "Many companies claim they’re data-driven. Unfortunately, while they embrace the data part of that mantra, few focus on the second word: driven. If you have a piece of data on which you cannot act, it’s a vanity metric. If all it does is stroke your ego, it won’t help. You want your data to inform, t"
- "一家电商公司关注的重要指标如下： * 转化率：访客中发生购买行为的比例。 * 年均购买率：每位买家的年均购买次数。 * 平均购物车大小：买家下单时平均每单的钱数。 * 弃买率：买家开始购买流程后放弃购买的比例。 * 客户获取成本：获一位客户所需的平均成本。 * 平均每位客户营收：平均每位客户终其一生在该网店消费的总金额。 * 导入流量最多的关键字 * 热门搜索词：既包括能带来营收的词汇，也包括没能带来任何结果的词汇。 * 推荐引擎有效性：买家将推荐商品加入购物车的可能性。 * 病毒性：口碑，以及平均每个访问量带来的分享次数。 * 邮件列表有效性：邮件中链接的点击率，以及招揽回头客的能力。"
- "想要找出正确的数据指标，有五点需要牢记在心： 定性指标与量化指标；虚荣指标与可付诸行动的指标；探索性指标与报告性指标；先见性指标与后见性指标；相关性指标与因果性指标。 如果你发现你能控制的事（比如播放什么样的广告）和你希望发生的事（比如营收）之间存在因果关系，那么恭喜你，你已拥有了改变未来的能力。"
- "请直面这样一个事实：你其实沉迷在妄想之中。 其实所有人都处于妄想之中，只不过一些人比较严重罢了，其中，症状最严重的当数创业者。 创业者尤其擅于对自己说谎，说谎甚至可以说是创业者取得成功的必备条件。毕竟，你需要在缺乏充分实证支持的情况下，让别人相信你所说的是真的。你需要“信徒”对你相当地信任。创业者需处于一种半妄想状态，方能直面创业过程中不可避免的高潮与低谷。 撒点小谎是必要的。微小的谎言创建了你的现实扭曲场，可谓是创业者的必备要素。但如果你也开始相信自己的那套说辞，那恐怕你离失败也就不远了。你会深陷自己创造出的假象而不可自拔，直到狠狠地撞到南墙才能够认清现实。 你需要对自己撒点小谎，但不能撒得"
- "在两个数据之间发现相关性不是一件坏事，发现相关性可以帮助你预测未来，而发现因果关系意味着你可以改变未来。"
- "什么是好的数据指标？ 好的数据指标是比较性的。 好的数据指标是简单易懂的。 好的数据指标是一个比率。（比率的可操作性强，是行动的向导。比率是天生的比较性指标。比率还适用于比较各种因素间的相生相克。） 好的数据指标会改变行为。"
- "世界上的事物可以分为这样几类：我们知道我们知道的（须检验），我们知道我们不知道的（需调研）；此外，还有我们不知道我们知道的（是直觉），以及我们不知道我们不知道的（是探索）。——唐纳德·拉姆斯菲尔德 “我们不知道我们不知道的”是创业魔法的真正所在。"
- "哈佛大学的迈克尔·波特教授就企业竞争的基本策略做了一些论述。公司可重点关注某利基市场（市场细分策略），也可以追求更高的效率（低成本策略），或是师徒变得与众不同（差异化策略）。一家本地的无麸咖啡馆关注的重点是特定的利基客户群，Costco超市则重点关注效率和低成本，而苹果则主要依靠自身的品牌设计和独特性。一些公司在供需方面有着不同的侧重，例如，亚马逊上供应端的后台基础设施十分高效，而需求端却十分在乎品牌的差异化。"
用户评论
这本书写得实在是太无聊了，废话很多，但是正文处又偶尔有几处很有用的，看得真是要骂骂咧咧的了。作为了解tech mkt还是挺好的，对我而言主要是为了面试吹牛，理解之前实习里的pipeline和分析思路，在case框架里能做到丰富一些细节，够啦。（重读了一遍做笔记，发现这本书太实用了，尤其是consumer insights analytics方面）
中间两章的案例蛮无聊的
简单实用
还算比较实用
有点太啰嗦了.... 适合看小标题还有各种图跳读
实在是读不下去了。太墨迹。
好书，用词简单很容易看进去。很适合新手从0开始搭建product sense的框架。前面30-40％关于各种business model的metrics的系统性总结就值得一个五星，不过后面略水姑且扣个一分吧，整体还是非常瑕不掩瑜的一本好书
各个business model 的framework 很好很实用; empathy stickiness vitality revenue scale
2021年终盘点。数据分析几乎是当代打工人必备技能之一，可能会发展成类似office操作技能一样的简历必备项。
O'Reilly Media的其他书籍查看全部
Developing Apps with GPT-4 and ChatGPT
Building Knowledge Graphs
Essential Math for AI
Running Lean (3/e)
Quarkus Cookbook
Learning React 2nd ed.
下载
收藏