《精益数据分析》作者Alistair Croll：垃圾邮件发送者比我还要懂营销!

Alistair Croll（阿利斯泰尔·克罗尔）， 企业家、作家、演讲家，哈佛商学院的访问执行官。

从业以来，花费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。职业生涯的大部分时间都是技术公司的产品经理，同时，在美国、加拿大等地运营孵化器和加速器，热衷于组织会议与活动，包括Enterprise Cloud Summit、the International Startup Festival、Strata、Pandemonio、Interop & Cloud Connect，是 大数据、云计算、人工智能等领域全球顶尖会议的联席主席 。

1999年，他创办用户体验管理先锋公司Coradiant，后被BMC收购。先后担任Google、DHL、Recruit Holdings、BBC、华为、Capital One、the White House、Unisys、Naspers、Teradata等公司的战略顾问。

著有畅销书 《精益数据分析》 、 Complete Web Monitoring 、 Managing Bandwidth 。

纵横互联网行业18载的 网易CEO丁磊 曾力荐《精益数据分析》一书，号召全体员工学习这一实用的理论与方法，破除创业教条，把营销变成学习，把产品开发变成与客户的交流，实现旗下各产品的良性稳健发展。

我知道您从事研究各种规模的组织如何利用数据做出优良决策的时间很长了。

我想说，从雇员到成为企业家，再到推动企业催化器的顾问，我一直在做这方面的事。从小被科学家带大，所以我总是会推崇科学的方法：做实验，收集数据，然后改变行为。我认为，只是到了最近几年，人们才开始用客观分析取代主观想法，因为有太多的数据不能忽略了。

怎么保证数据的真实性呢？

我在哈佛商学院开设了一门叫“大数据和批判性思维”的课程。学生很想了解数据的真实性。如果自己收集数据，很可能是正确的。在移动设备上装上测试仪器，就会知道有多少人在使用你的应用程序。但很多情况下，我们用来做出重大决策的数据是错误的。我常在课上用的两个例子如下。

希腊进入欧盟后，曾为欧盟提供了大量的财务信息。有人用本福德定律分析这些数据，发现数据并非真的。一开始没有人听他的，多年后才发现他是对的。

本福德定律非常简单，你可能都觉得它不是正确的。本福德定律认为自然产生的数据集里，以1为首位数字的数的出现机率高于以2为首位数字的数，以2为首位数字的数比以3为首位数字的数出现机率大…… 如果查看所有人的交易次数，动物的分布和规模，你会发现这些数据并不是随机的。你以为数量是一样的，但事实并不是这样的。所以，你可以用本福德定律检查数据，了解它们是自然数据集还是人为编造的。

我给你讲第二个例子。波士顿想要了解公路上减速带的位置，所以他们设计了一款应用程序street bump。你可以把street bump装在手机上，然后把手机放在你旁边的座位上。你开车去上班的时候，程序会记录下减速带的位置。波士顿就得到了这样一幅关于减速带的地图，但这些数据有什么问题吗?

所有这些数据只不过告诉我们富人住在什么地方，因为只有富人开车上下班，车上有空余的座位，愿意参与实验！即使你收集到的数据完全准确，也可能有抽样偏差。你真正应该做的是，批判性地思考数据在收集和处理的过程中有没有存在偏差。我认为，最后考虑的才是伪造数据。

人类绝不是理性的。即使不需要某件商品，经常会在朋友和家人的推荐下购买。所以生活中，我们并不是依靠严格的分析过活，大多依赖过去的经验和智慧。在做出决定时，如何平衡数据分析和人为因素？

你收集的数据应该会告诉你，人类是愚蠢的。数据会告诉我们决策是否合理。我并不认为，你必须要去平衡数据和直觉。直觉是如何得到一个好的实验或想法。之后，你要用数据来测试它。我们没有理由去忽视客观的事实。问题是，基于这些事实应该做什么样的实验。如果你认为人类做出了糟糕的决定，给我看数据，给我展示开展营销活动的更好方式。

为了找到正确的指标，如何剔除哪些“虚荣指标”？

事实上，你可以把虚荣指标变成真正的指标。如果你关心网站的访问数量（假设是一个虚荣指标），问问自己你希望访客做什么。买东西！你能向我证明虚荣指标（访问量）和真正指标（转化率）之间的相关性吗？你想要的指标应该是可以驱动商业模式的指标。

我最喜欢的一个例子是关于尼日利亚的垃圾邮件发送者。许多人认为，如果这些垃圾邮件里不包含“尼日利亚”这个词，人们会更容易相信。“尼日利亚”很容易告诉我们那些邮件是欺诈性质的。

有一个微软的研究员去了非洲，他采访了许多垃圾信息的发布者。他发现垃圾邮件发送者坚持要把“尼日利亚”一词放进邮件的原因是： “尼日利亚”这个词可以帮助他们确定潜在的消费者。虽然他们发送了1000封邮件，只有两三个回应，但70%的回应者会打钱给他们。对于尼日利亚垃圾信息发布者来说，虚荣指标是邮件点开率；真正的指标是那些寄钱去尼日利亚的“白痴”。

实际上，尼日利亚的垃圾邮件发送者比我还要懂营销，因为他们知道从邮件点开率这个虚荣指标转化到关注寄钱到尼日利亚的人这样的真正指标。如果你要统计真正指标，就应该能够说出它如何改变了你的商业模式。如果有人关注虚荣指标，他们就需要证明这些指标与业务指标间的相关性。

我们是不是可以用数学公式“商业模式+发展阶段=真正指标”来归纳精益数据分析理论？

精益数据分析可以归纳为：如果你了解你的商业模式，知道目前企业所处的发展阶段，就可以找到目前来讲最重要的衡量指标。

仅仅这两个维度就足够了？

我们认为只有这两个，但这可能是过于简单化了。创业公司需要一些简化，所以我们接受精简。重要的是，问问自己如何根据指标进行实验。

除了书里面提到的六个商业模型，还有其他的商业模型吗？

O'Reilly曾经要本和我考虑是否接着写再版。我们感到很荣幸《精益数据分析》能够取得这样的成功，也有点儿小惊讶。本和我可能写再版的原因之一是，确实有一些新的商业模式。实际上，我们有一章节的内容没有放进书里面，再加进一章内容的话，对于“精益”系列图书就太厚了。

众筹是其中一种模式，比如Kickstarter和Indiegogo。你可以在这种平台上发布产品的想法，获取其他人的支持。慈善和捐赠也是一种不同的商业模式。另外，我们认为聊天室也是一种模式，你可以跟AI或者其他任何东西聊天。还有一种不同的模式是关于虚拟和增强现实的，但是我们对虚拟环境下电子商务的形式有自己的独特见解。

其他新兴的商业模式还有智能代理。智能代理可以通过移动设备向我推送一些建议。我希望它能告诉我想知道的有用信息，不通知我不知道的事情，不错过警告性的事情。我们可以做相关的分析，让智能代理变得更有效。

所以，我们认为有几个新兴的商业模式，像众筹、捐赠、虚拟和增强现实、智能代理，都是值得写的。

做分析时，需要一些心理学背景知识吗？

行为经济学是非常迷人的领域。丹尼尔·卡尼曼在《思考，快与慢》里谈到人类的两种思维模式。如果我对你说，我有一个棒球和一柄棒球棒，一共1美元10美分，球棒比棒球多1美元，那么球棒多少钱？