移动的目标

你在早期所选定的目标往往是尝试性的，不是板上钉钉。你追逐的是一个移动的目标，因为此时你根本无法定义何为成功。

在创业过程中，调整目标和关键数据指标都是可行的；只要你能够做到实事求是，了解此番调整对企业的影响，而不是无视事实，降低期望值，得过且过。

你的最初版产品（最小可行化产品）面市之初，你还在获取产品的早期接受者，测试他们对产品的使用体验，这时你甚至不知道他们会用你的产品来做什么（尽管你在脑子里有一些假设）。有时用户对你的产品的真实用法会和你的假设大相径庭。你可能以为大家愿意玩你的多媒体游戏，结果却发现他们只把它当成了一个照片上传服务。不相信？这就是图片分享网站 Flickr 创业初期的真实故事。

然而，你的假设和用户真实行为之间的差别有时会更细微。你可能以为只有做到让用户每天都使用你的产品才能成功，结果却发现并不是这样。在这些情况下，及时调整你所观察的指标是明智之举，前提是你能证明此举的意义。

案例分析：HighScore House 对“活跃用户”的定义

HighScore House 始于一个简单的应用程序：家长能通过它罗列出希望孩子们完成的家务活及挑战，为其打分；而孩子们则能完成任务，获取分值，并将这些虚拟的分值兑换成他们想要的奖励。

当 HighScore House 发布他们的最小可行化产品时，有几百个志愿家庭愿意参与内部测试。当时，几位创始人摸着石头过河，为最小可行化产品的成功下了这样的定义：家长和孩子每周每人使用产品至少四次。达到这一阈值的家庭称为“活跃用户”。这个成功的标准定得很高，但清晰扼要。

然而，一个多月过去了，活跃家庭的百分比比他们的预期目标要低。几位创始人很失望，但决心继续试验下去，努力提高用户的参与度：

·他们调整了注册流程（使之更明了、更富教育软件特色以吸引高质量用户；同时，使用户更容易上手）；

·他们给家长发送每日邮件提醒；

·他们根据孩子在系统中所触发的行动，给家长发送事务性邮件。

虽然每一个新尝试都为产品带来了一些改善，但都没能充分地推动产品使创始团队宣称：产品成功了。

这时，创始人之一、时任 CEO 的凯尔·希曼做出了一个关键的决定：他拿起了电话。从那些已注册却并不活跃的家长开始，凯尔与几十位家长通了话。首先，他打给那些完全抛弃了 HighScore House 的家长（所谓“流失用户”），了解到很多人离开的原因是 HighScore House 解决的并不是他们的紧要问题。这没什么大不了的，创始团队从未假设过这款产品适用于所有家长——对于一个创业产品而言，“所有家长”这个市场显然定义得过大了。凯尔将精力放在寻找家长中的一个子市场，一个能认同 HighScore House 价值的家长人群，方便他聚焦于更加细分的领域。

接下来，凯尔给那些正在使用 HighScore House，但不够活跃的家庭打了电话。他们中的很多家长都对产品给予了正面评价：“我们在使用 HighScore House。它是一个很棒的产品。因为有了它，我的孩子终于能够坚持每天叠被子了！”

从这些家长处得到的回应令创始团队十分惊喜。尽管他们中的大多数每周仅使用 HighScore House 一到两次，但这已经足以使他们认可产品的价值了。从这些电话访谈中，凯尔学到了细分市场，了解了产品对哪类家庭更具吸引力。他开始认识到，他们一开始设定的划分活跃 / 非活跃用户的准绳实际上并不能很好地反映实际用户的参与度。

这并不是说 HighScore House 团队不该在一开始提出这样一条准绳。如果没有那个设想，他们也就不会为了修正准绳而学到这些东西，凯尔也不可能拿起电话。然而现在，他真正地理解了他的用户，定量数据与定性数据相结合是他成功的关键。

在这次经验的基础上，HighScore House 团队重新定义了区分“活跃”和“非活跃”用户的阈值，用以更好地反映现有用户的行为。在这个案例中，调整关键指标对 HighScore House 团队而言是可行的，因为他们理解此举的真正原因，并且能够对变化做出解释。

总结

·HighScore House 团队过早且过于激进地划了一条用于区分用户活跃度的准绳——一个不可能完成的任务；

·HighScore House 团队通过快速试验提高了活跃用户的数量，但是活跃用户的百分比总体没有很大提高；

·他们明智地拿起电话联系客户，发现那些低于假设“活跃度”阈值的用户能够从产品中获取很大价值。

数据分析启示

首先，了解你的客户。没有比直接与客户和用户对话更有效的手段了。任你得到的数据再多，它们也解释不了事情发生的原因。现在就拿起电话拨通一位客户的号码，即使是一位参与度不高的客户，也会对你很有帮助。

其次，尽早做出一些假设并定下你认为可称为“成功”的目标，但切忌在试验中迷失自己。如果需要，可以降低指标的阈值，但并不是为了制造达到这个阈值的假象，这样做只会自欺欺人。使用定性数据来理解你为用户创造的价值是什么。只有当调整后的阈值或准绳可以更好地反映（某个细分市场中的）用户使用产品的习惯时，调整才是合理和必要的。