Lean Analytics de Alistair Croll y Benjamin Yoskovitz

Lean Analytics es un interesante y completo libro práctico sobre la medición de datos basado en las metodologías de desarrollo de clientes, lean startup, y desarrollos ágiles. El libro contiene numerosos ejemplos de gran utilidad que nos ayudarán a probar y validar la idea inicial de un negocio. De ese modo podremos desarrollar productos y empresas con mayor agilidad y eficiencia, encontrar a los clientes adecuados y vender los productos o servicios de forma rentable para hacer crecer la empresa rápidamente.

Es un libro bien documentado con numerosas entrevistas a emprendedores, intraemprendedores (emprendedores dentro de una organización) e inversores y más de 30 casos prácticos. Lean Analytics es un libro de referencia para comprender y aplicar de forma óptima las métricas y la analítica web del proceso de Construir – Medir – Aprender de la metodología lean startup.

Si no puedes medirlo, no puedes gestionarlo. Peter Drucker

Una de las partes destacables del libro es la definición y características de una buena métrica así como la clasificación de los tipos que los autores consideran más importantes. Este es un resumen:

¿Cómo es una buena métrica?

Los autores resaltan los siguientes criterios que debe cumplir una buena métrica:

  1. Permite comparar
  2. Es comprensible
  3. Debe ser un ratio o un índice
  4. Nos permiten actuar

Una buena métrica es comparable

Comparar una métrica en diferentes periodos de tiempo, grupos de usuarios, o competidores nos ayuda a entender de qué forma estamos avanzando o se están produciendo los cambios. Saber que estamos incrementando la conversión respecto a la pasada semana es más significativo que saber que tenemos un 2% de conversión.

Una buena métrica es comprensible

Es necesario que la métricas sean comprensibles para facilitar los cambios.

Una buena métrica es un ratio o un índice

Con los ratios es más fácil actuar  y son intrínsecamente comparativos. También permiten comparar factores opuestos o con cierta tensión entre ellos.

Una buena métrica cambia la forma en la que actuamos

Ya que debe estar alineada con los objetivos de la empresa y no con los objetivos individuales de personas o departamentos.

Los cinco tipos de métricas

Los autores clasifican las métricas en los siguientes tipos:

  1. métricas cualitativas frente a métricas cuantitativas
  2. métricas de vanidad frente a métricas accionables
  3. métricas exploratorias frente a métricas informativas
  4. métricas predictivas frente a métricas históricas
  5. métricas correlacionadas frente a métricas causales

Métricas cualitativas frente a métricas cuantitativas

Las métricas cualitativas son imprecisas, subjetivas y difíciles de medir o cuantificar. Nos permiten conocer el porqué de lo que está sucediendo. Obtenemos información cualitativa escuchando a los usuarios y clientes lo que nos permitirá conocer mejor nuestro mercado de clientes potenciales. Por otro lado, las métricas cuantitativas son más fáciles de entender y cuantificar. Nos proporcionan valores que se pueden medir y calcular. Nos permiten conocer el qué y cuánto de lo que está sucediendo.

Métricas de vanidad frente a métricas accionables

Las métricas de vanidad (o egocéntricas) no nos permiten tomar decisiones basadas en la información que proporcionan. Si tenemos datos de una métrica sobre la que no podemos actuar se trata de una métrica vanidosa. Son métricas que sólo sirven para alimentar nuestro ego, y no ayudan. Necesitamos datos que nos informen, que nos guíen, que nos ayuden a mejorar nuestro modelo de negocio, a decidir y a tomar decisiones.

Un ejemplo de métrica vanidosa son los usuarios registrados. El número de registros se verá incrementado en el tiempo pero no nos dice nada sobre qué hacen estos usuarios o porqué tienen valor para nosotros. Pueden ser usuarios que se han registrado y no han vuelto utilizar nuestra aplicación o servicio. Otra métrica vanidosa son los usuarios activos totales. Esta métrica también irá creciendo gradualmente en el tiempo, a menos que lo hagamos muy mal.

En cambio, una métrica de interés y accionable puede ser el porcentaje de usuarios activos, ya que nos indica el nivel de vinculación de los usuarios con nuestro producto. Si mejoramos algo en nuestro producto, esta métrica se incrementará.

Otra métrica interesante es el número de usuarios adquiridos en un periodo de tiempo concreto. Nos permitirá comparar el rendimiento de diferentes acciones de marketing, como por ejemplo una campaña de Facebook, una campaña de Adwords y una campaña de LinkedIn en diferentes momentos. Si Facebook funciona mejor que LinkedIn ya sabemos donde debemos invertir nuestro dinero.

Ocho métricas vanidosas:

  1. número de hits
  2. número de páginas vistas
  3. número de visitas
  4. número de visitantes únicos
  5. número de seguidores, amigos o me gusta
  6. tiempo en la página o número de páginas
  7. número de e-mails registrados
  8. número de descargas

Métricas exploratorias frente a métricas informativas

Avinash Kaushik, autor de evangelista de analítica web en Google explicó que el ex secretario de Defensa de EE.UU tenía un gran conocimiento sobre analítica, y lo mostraba con el siguiente ejemplo:

  1. Cosas que sabemos que sabemos: Son hechos que pueden ser incorrectos y tienen que ser contrastados con datos
  2. Cosas que sabemos que no sabemos: Son preguntas que podemos responder midiendo y con informes, las cuales debemos establecer y automatizar.
  3. Cosas que no sabemos que sabemos: Son intuiciones que tenemos que cuantificar y mostrar para mejorar nuestra efectividad y eficiencia.
  4. Cosas que no sabemos que sabemos: Son descubrimientos, que nos permiten obtener ventajas competitivas. A nivel de negocio son las más interesantes ya que su descubrimiento nos permiten alterar un mercado.

Métricas predictivas frente a métricas históricas

Las métricas predictivas intentan predecir lo que sucederá. Por ejemplo el número actual de clientes potenciales en el embudo de ventas nos proporciona una referencia de cuantos nuevos clientes tendremos en el futuro.

Por otro lado, las métricas históricas nos muestran lo que ya ha sucedido. Por ejemplo el número de clientes perdidos (churn rate) en un periodo de tiempo. Nos proporcionan un indicador de un problema, pero en el momento de obtener este dato e identificar el problema, es demasiado tarde para actuar.

Al iniciar la actividad de una organización no tendremos suficientes datos para saber en qué grado nos será de utilidad una métrica, por tanto utilizaremos las métricas históricas que nos proporcionarán una base de rendimiento. Para emplear las métricas principales necesitaremos hacer análisis de cohortes y comparar grupos de clientes sobre un periodo de tiempo.

Métricas correlacionadas frente a métricas causales

Las correlaciones entre métricas nos permiten predecir lo que sucederá. Por ello es importante encontrar correlaciones entre métricas. Además encontrar la causa de algo nos permitirá poder cambiarlo. Rara vez existe una sola relación causal entre métricas ya que siempre hay varios factores causales; varias métricas independientes permiten explicar partes de una métrica dependiente.

Es importante probar causalidad encontrado una correlación, y realizar un experimento en el cual podamos controlar el resto de variables y medir la diferencia. Las correlaciones son necesarias, pero las causalidades son imprescindibles.

Si te interesa este libro, puedes adquirirlo aquí.

Partes seleccionadas del libro

Frases

  • Si no puedes medirlo, no puedes gestionarlo, Peter Drucker
  • Una métrica debe estar relacionada con un objetivo de negocio, en caso contrario es una pérdida de tiempo.
  • Una start up debe invertir su tiempo en buscar un modelo de negocio escalable y repetitivo, Steve Blank
  • Los humanos ponen la inspiración, las maquinas la validación
  • Optimization is all about finding the lowest or highest values of a particular function
  • It is the framework which changes with each new technology and not just the picture within the frame. Marshall McLuhan
  • Marketing is about selling more stuff to more people more often for more money more efficiently, Sergio Zyman, CMO Coca-Cola
  • I see too many leaders trying to increase loyalty. If you’re in acquisition mode, you probably can’t—and shouldn’t try to—increase loyalty. The average customer only needs a couple of pairs of jeans a year, for instance. You can’t force the customer to buy more! Knowing your customer and mode is really important.” Kevin Hillstrom, Mine That Data
  • Success is not final, failure is not fatal: it is the courage to continue that counts, Sir Winston Churchill

Personas

  • Seth Godin
  • Marc Andreesen
  • Ash Maurya
  • Bud Caddell
  • Roger Liew, CTO Orbitz
  • Gail Ennis, CMO de analítica en Omniture
  • Sean Ellis fundador de http://www.startup-marketing.com/ y http://growthhackers.com/
  • Julien Smith, fundador y CEO de Breather
  • Joanna Lord, VP of Growth Marketing en Moz
  • Avinash Kaushik
  • Paul Graham, inversor de capital riesgo y cofundador de la aceleradora Y combinator
  • Kevin Hillstrom de Mine That Data

Libros mencionados

  • River Out Of Eden (Basic Books), Richard Dawkins uses the analogy of a flowing river to describe evolution.
  • Startup Growth Engines: Case Studies of How Today’s Most Successful Startups Unlock Extraordinary Growth, Sean Ellis
  • The Innovator’s Solution, Clayton M. Christensen and Michael E. Raynor
  • The Rules of Work, Richard Templar
  • Next, Michael Lewis
  • Start-up Nation, Dan Senor and Saul Singer
  • Confronting Reality, Larry Bossidy and Ram Charan
  • Business Model Generation, Alexander Osterwalder and Yves Pigneur
  • Growing Pains, Eric G. Flamholtz and Yvonne Randle
  • High-Tech Ventures, C. Gordon Bell with John E. McNamara
  • Running Lean, Ash Maurya
  • The Lean Startup, Eric Ries
  • Four Steps to the Epiphany, Steven Blank
  • Don’t Just Roll the Dice, Neil Davidson
  • 11 Rules for Creating Value in the Social Era, Nilofer Merchant
  • Measuring the Networked Nonprofit: Using Data to Change the World,
  • Beth Kanter and Katie Delahaye Paine
  • The Righteous Mind, Jonathan Haidt
  • Made to Stick, Dan and Chip Heath

Conceptos

  • Producto mínimo viable o PMV
  • Coeficiente de viralidad
  • Desarrollo de clientes (de Steve Blank)
  • Métrica
  • The Lean Canvas
  • Growth hacking
  • Bootstrapping
  • Key performance indicators (KPIs)
Compartir:

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *