IMVU的创新核算
这里显示了IMVU早期创新核算看起来的样子。我们的最小化可行产品有许多缺陷,第一次发布时,销售额极低。我们想当然地认为,产品卖不出去的原因和质量有关,所以我们周复一周地把工作集中在提高产品质量上,并坚信我们的努力是值得的。每个月末我们会召开一次董事会议,介绍工作成果。会议前一晚,我们收集常规分析数据,测量转化率、顾客数量和收入数据,来显示我们干得不错。但是,产品质量的提高并没有产生任何顾客行为的改变。几次会议之后,我们产生了一种大祸临头的恐慌。有一些董事会议着实令人沮丧:我们可以展示很多产品“进步”,但业务表现却没有进展。过了一阵子,我们不再等到最后一分钟才来担心,而开始更频繁地追踪各项指标,缩短产品开发的反馈循环。但结果让人更加郁闷。几周下来,产品的改动没有带来任何效果。
每天花五美元提升产品我们追踪了一种对增长引擎非常重要的“漏斗式衡量指标”行为:即从顾客注册、下载应用程序、试用、重复使用到购买行为。为了有充分的数据来获取认知,我们需要足够多的顾客来使用产品,以取得他们每个行为的真实数据。我们每天拿出5美元的预算:刚好能购买谷歌关键字广告(那时这项服务才推出)上的点击。当时,你可以用最少5美分的价格买到一个点击,而且并未规定最低购买额。因此尽管我们的预算很少,但还是付得起钱开个账号,使用这种方法。1 5美元带给我们每天100个点击。从营销角度而言并不多,但对获取认知来说却是无价的。每天,我们都能在新的客户群中测量产品表现。
同时,每次修正产品之后,我们在第二天就能获得一份新的产品成绩报告,看看做得如何。
举例来说,某天我们会针对新增用户首次推出一个新的营销信息。
第二天,我们可能会改变产品接纳新顾客的方式。另一天,我们会添加一些新的功能、修补漏洞、推出新的视觉设计或者尝试新的网站排版。
每次我们告诉自己,我们正在把产品做得更好,但这种主观的信心是要被放诸酸性测试中检验真实数据的。
我们日复一日地开展随机产品试用。每天都是一个新实验。每天的顾客都是独立于以往顾客之外的。最重要的是,尽管总体数量在增长,但很明显,我们的漏斗衡量指标却没有发生变化。
这是IMVU早期某次董事会议上使用的一张图。
这张图显示了将近七个月的工作。在那段时期,我们不断改进IMVU软件产品,每天发布新的功能。我们亲自作了很多顾客访谈,产品开发团队工作得非常辛苦。
同期群分析
要读懂这张图就先要了解一下什么是“同期群分析”(cohort analysis)。它是新创企业分析中最重要的工具之一。虽然听上去很复杂,这个分析还是基于一个简单的前提假设。它看的不是总收入和总顾客数量这样的累积总额或总数,而是分别接触产品的每组顾客的表现。
每一组被称为一个同期群(cohort)。该图中显示了IMVU每个月内增加的新顾客的转化率。每个转化率说明了在当月注册的顾客中,有多少比例的人接着做出了一些我们预期的动作。举例来说,在2005年2月加入IMVU的顾客中,有60%的人登录我们的软件至少一次。
有企业销售背景的经理人会认出,这个漏斗分析和传统上用于管理潜在顾客群转化为真正顾客的销售漏斗类似。精益创业把这个漏斗应用到了产品开发上。因为每个公司都是以一系列的顾客行为(称为“流向”)作为立身之本,所以这种技巧对很多业务有用。顾客流向决定了顾客和企业产品的互动关系。它让我们可以量化地理解一项业务,而且比使用传统的总数衡量指标有更强的预测力。
如果仔细看一下,你会发现该图清楚显示了一些趋势。有些产品改进是有用的——或者说有一点点用处。我们看到,使用软件至少5次的新顾客百分比从不到5%上升到近20%,尽管多次使用的顾客量增加了4倍,但购买IMVU的新顾客百分比还是停滞在1%左右。仔细想想这一点。经过几个月的工作、几千次的修改、小组讨论、设计会议和可用性测试,更多顾客有机会试用我们的软件,可是掏钱购买产品的新顾客百分比和项目刚开始时的数字是一样的。
好在有同期群分析,我们才不会把失败归咎于以前的顾客不愿意改变,或外部市场环境,或其他什么理由。每个同期群代表了一张独立的产品成绩报告。不管我们怎么努力,我们得到的分数都是“中”。这令我们意识到存在问题。
我当时负责一支小小的产品开发团队。我和我的创业搭档们交流了一下想法,感到问题应该是出在我们团队的工作上。我更加拼命地工作,专心提高各项功能的质量,度过了无数不眠之夜。沮丧的情绪日益滋生起来。到了黔驴技穷的地步,我终于要祭出最后一招了:和顾客谈一谈。在调整增长引擎上的进展失利之后,我准备好了要提出正确的问题。
这次失败之前,在公司创立之初,我们和潜在顾客的谈话相当轻松,对自己的前进方面也很有把握。实际上,以前把顾客请来办公室访谈并进行可用性测试的时候,我们很容易否定顾客的负面评价。如果他们不想使用软件,我就认为他们不属于我们的目标市场。我会对负责招募受试人员的管理者说,“不要这个顾客,给我找一个我们目标群中的人。”如果下一个顾客的反应比较积极,我就认为自己对目标群体的看法得到了确认。如果情况相反,我就把这个顾客打发走,再找下一个。
但眼下一旦数据在手,我和顾客的互动方式就改变了。突然之间,我发现有很多迫切需要解答的问题:为什么顾客对我们产品的“改进”无动于衷?为什么我们努力付出却得不到回报?比如,我们不断简化顾客和他们当前好友使用IMVU的方式,但不幸的是顾客却根本不想用,因此不管产品再怎么简便易用都是徒劳。一旦意识到要找的是什么,我们很快真正理解了产品。正如第三章所述,这些认知最终促成了至关重要的产品转型:放弃开发用于现有朋友之间的即时通信附加产品,转而成为让人们结交新朋友的独立网络。突然之间,我们对工作效率的担忧化为乌有。当我们的努力方向和顾客真实所需一致时,我们的实验就更可能把顾客行为往更好的方面调整。
从每月只有几百美元收入到实现几百万美元收入的这段时间里,有一种模式反复发生。事实上,这是一个成功转型的好迹象:总的来说,新运行的实验比过去的实验更富成效。
这种模式就是:糟糕的量化结果迫使我们宣告失败,并由此产生了更多量化研究的动机、背景和空间。这些研究产生了新想法——即新的假设——有待验证,并带来转型的可能,接着这个循环再次发生。每次我们都重复着一个简单的节奏:建立基准线,调整引擎,并决定是转型还是坚持。
本书评论