雷锋网按：作者张溪梦，GrowingIO创始人、CEO；前LinkedIn（领英）商务分析高级总监，亲手建立了LinkedIn（领英）90多人的商务数据分析团队。原文发于GrowingIO技术博客和公众号，授权雷锋网。
人人都说数据重要，那么，创业者应该从什么时候开始关注数据？从公司成立吗？我认为，当然不是。产品早期，数据驱动是个伪命题，只有到了真正增长期，数据才能爆发力量。
我在LinkedIn做过很多年数据分析，发现中美在数据驱动这件事上面差异还是很大的。数据分析在国内一些特别大的企业才能得到重视，但是在美国，数据已经成为驱动众多企业增长的重要引擎。
为什么国内很多企业，表面上很重视数据分析，最后却流于形式？
许多公司处于疯狂增长时期，大家一拍脑子做的决定，可能已经产生很多价值了，这种情况下他们很难意识到数据决策能产生的巨大价值。同时，他们没有太多基础方法论的认知，技术和业务彼此不了解，进一步加剧了数据使用的缓慢，不能看到价值实现。最后就变成了凭感觉来做决策，而不是真正通过数据运营来做决策。
但是我们看看美国，以LinkedIn为例， 在过去6年间从一个7000万左右年营收的企业，一下子增长至 30 亿美元营业额的企业，这种增长速度在企业服务领域里面是惊人的。6 年多以前，我第一次在 LinkedIn 的公司例会上，听到德鲁克的一句话：一个事情，如果不能衡量它，就不能增长它。这句话沉淀出了 LinkedIn 的企业价值观：增长带动数据分析，数据带动变现，变现进一步促进增长。
LinkedIn 早期就有清晰的数据框架只有一万用户，就做数据驱动反复问一个用数据能证明的问题。
LinkedIn是 2002年底成立的，成立早期就已经把用户数据和变现的框架讲得很清楚了。无论是在产品设计还是业务运营，数据都是很重要的环节。哈弗曼（LinkedIn 创始人 & CEO）收集大量的用户信息，想了三种变现方式：
一、通过用户的基本信息来变现，比如说公司发布职位；
二、用户数量增长到一定程度的时候，有 B2B 企业投广告；
三、当有大量人的信息以后，公司的猎头会用这个平台来找候选人。
变现的方式他想得很清楚，但并没有在第一天就去做，他核心关注的是用户体验和使用度，是整体的增长，增长产生大量的数据，他从数据里学习，未来才做变现。
LinkedIn 在只有 1 万用户的时候，就开始用数据驱动业务。这段时间去观测两个渠道，一个是电子邮件，一个是搜索。从数据里发现，从搜索引擎的渠道里进来的用户，比电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高 3 倍。
这是之前没有想到过的，于是做了一个决定：如果要获取同样数量的用户，他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的人，所以，放弃低活跃的用户，专注活跃的用户。
LinkedIn 每年反复要去问的一个问题是：如果只有一件事全公司要做的话，是什么？得用数字来证明的？
一星期内加到 5 个联系人的用户，他们的留存、使用频度、停留时间是那些没有加到 5 个联系人的用户的三倍到五倍，这是他们找到的驱动增长的魔法数字。但是当时这样的人非常非常少，于是他们在产品各个入口都增加社交关系。
LinkedIn 最早的时候，并不知道为什么增加社交关系会产生那么大的留存度，我们分析了起码有两三百个各种不同的指标，最后没有任何一个指标能告诉我们，就是因为这个原因。可是加权以后的结果是，这些用户在上面花了很多时间，间接就成为变现的可能。产品经理就把非常复杂的问题简化，让所有的东西都关注这一个点：让更多的用户在第一周里加到 5 个联系人。于是，增长飞快。
每个阶段的重点不同，增长期是数据驱动的关键时期。虽然说数据很重要，那么，创业者应该从什么时候开始关注数据呢？从公司成立就开始吗？不是的。一般来说，创业者会经历 4到5个产品、企业的生命周期。
第一个阶段，冷启动。
这个时候公司特别早期，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来用这个产品。
第二个阶段，增长前期。
冷启动接近完成。
有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。
这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。产品本身没有黏度的话，去烧钱做增长，它不会真正地增长起来，因为流失速度超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有那么多种选择。但是今天如果你的产品很差，留存不高，口碑也不好，烧再多的钱也不能获得真正核心的自然增长。
第三个阶段，是增长期。
这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。
无论PR还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道？这个我觉得，是创业公司之间PK的核心竞争力。如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备类似，客户也一样，后者一定会胜出。
第四个阶段，是变现期。
业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。比如说，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付，或者到未来的退货。这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。为什么呢？因为不能衡量，就很难去做增长。
一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。而其中每个环节小幅提高，加在一起就是一个倍数的提高。这种倍增，如果没有做过数据化运营的人，很难体会到会有多大。比如，以前我们在LinkedIn做数据驱动转化时，要推送某篇EDM ，同样发给 10 万人，拍脑袋决策的转化是 0.01%，但是经由数据驱动部门做个简单的数据模型，同样推送后，转化率提升到了 0.3%，高出 30 倍。如果每周都那么做的话，这种转化效果还是非常可观的。
正在生成分享图...
nebula