First Round Review - HRTechChina.com

First Round Review

传说中的用数据招聘可能是这样编者按：本文来自醉创业（微信号：drunkstartup）。原文来自 First Round Review，由醉创业编译。导语：如果说创业以来，对做一个公司的哪方面感触最深，那一定是招聘。作为「人」的信徒，我一直觉得，能否做成一件事，一切最终都会回归到「人」上。可惜，人也是最复杂的动物。「醉创业」也从没停止讨论过这件事。关于创业公司如何招聘这件事，我有很多零碎又深刻的记忆。想起 Sam Altman 说的，创业公司应该「Hire the best people you can」，现在再想起来，什么是 hire, 什么是 best, 什么是 you can，都有了些新的认识。想起人们总在争论，早期员工应该有一定的「多样性」（diversity），还是风格都差不多更好。想起雷军老师初期招人，在大公司楼下的咖啡厅一坐，轮流给人打电话说下来坐着聊聊。也想起钱晨老师看不上罗永浩老师，后来又加入的故事。想起 CS183C 里 Reid Hoffman 说，早期你应该多雇 generalist, 越往后你应该越雇佣多一些 specialist。当然，能不能把他们搞来就是你的本事了。想起年初去 Zenefits 参观时，中国的员工给我讲他们一年多从 30 人到 600 多人的神 (kong) 奇 (bu) 经历，与文化上的巨大挑战。想起和朋友喝酒时我诉苦说，哎公司太小没钱又没品牌，招好的人很难。也许度过这个弱小的时期，之后再融融资可能会好点儿。然后朋友看着我说：在公司的任何阶段，你都应该找的是能把公司带到下一个层面的人。所以之后如果你的招聘变容易了，那就说明你的标准放太低了。 ...... 「招聘」真正的纠结之处在于，它是一种很难预估「投入产出比」的东西。虽然我们一直被教育「招人很重要」，但我们也都遇过那种，面试了几十个人，或者搜寻身边一大堆朋友，仍然碰不到合适人选的挫败时刻。这时候，「调整一下产品界面」和「做一点市场营销活动」就看起来更有吸引力了。于是，我们时间的天平就开始远离招聘...好的人自然也就不会自动出现...如此循环，万劫不复。这篇文章又描绘了我幻想过的另一种招聘景象，那就是你的 HR 突然像销售团队管理销售业绩那样开始用数字管理招聘了...她 / 他们不但知道要招来一名好的工程师首先需要看多少份简历，还能告诉你每个招聘渠道的成功率是多少，或者去哪个学校宣讲的成功概率最高...妈呀，这简直是仅存在乌托邦里的故事。我不知道有多少创业公司能做到，maybe data-oriented recruiting is like teenage sex. Everyone talks about it, nobody really knows how to do it......但是不管怎样，看看也是好的。正文： Eric Feng 在仅仅三年内就将 Hulu 改变了很多。作为该公司雇佣的第一个高管，他在发展 Hulu 网页、App、市场推广及营销方面扮演了至关重要的角色。同时，他还是公司的发言人，甚至自己编写了网站前端的大部分代码。他的付出得到了回报——Hulu 一跃成为了第二大视频网站，每月吸引着 4300 万名观众。Eric 的一个特殊技能将以上变为可能：他非常会招聘。在他离开上一家公司的时候，就已经组建并领导了一支横跨技术、产品、设计和运营领域的 80 人的队伍。现在，作为 Flipboard 的首席技术官，他在用自己学会的众多策略培养另一支明星队，尤其是这一条：你需要像重视产品数据一样地重视招聘数据。你是否将候选人入职率看得与产品 DAU 一样重要？你的 HR 是否能除了告诉你招聘进行得不错，还能用数字告诉你为什么不错？「W·Edwards Demming （通常被认为是世界上第一个数据科学家）说过，『你无法管理你不能测量的事物。』（You can't manage what you don't measure）」Feng 说。在我们最近一次 CTO 论坛上，他概括了他处理招聘数据、吸取重要教训的策略，以及如何将他们学以致用。同时，他也为公司如何将世界级人才招进门提供了很多忠告。开始你需要的第一个公式比较简单。当你在考虑招聘每一级的目标数值时，就直接把上一级的数值除以 4。像很多其他 HR 经理一样，Feng 指出了在招聘流程中的四个重要阶段：寻找、筛选、面试、聘用。当你考虑需要雇用多少人的时候，做一些快速的除法（或者乘法，取决于你从哪头算起）就可以。假设你现在想招一个工程师，你的招聘倒金字塔应该看起来这样：如果你确定了 64 个候选人应该会有 16 个能够进入到你的筛选阶段 4 个人能够走到招聘阶段 1 个人应该拿到最后的 offer （并且他非常有可能会接受这个工作）当然，这只是一个大致的指导方针，但它很有帮助。「当你明白这个流程以及你在每个阶段需要有大概多少人，你就能够调整那些不是很平衡的地方。」Feng 说道，「就像个漏斗一样，如果你想招一个人，你的漏斗最上方就不可能只有一个人。那样是不会成功的。我可以向你保证。」去算一下这些数字，按照每一级别除以四的标准，你就能找到在招聘过程中出现的问题或效率比较低的地方。当然，在每一个阶段，仅仅数字上成立是不够的。还有一些可以帮助创业公司招聘到最好人才的方法：找人：从 64 到 16 在你进入到下一步之前，你需要去找到足够多的满足你要求的候选人。Leader 们在这一过程中最重要的就是要做到多样化。也就是说，你应该在三个最大的招聘渠道中找到数量大致相当的候选人：主动招聘、等待招聘（即候选人自己找上门）和内部推荐。当来自一个渠道的人数明显超过了其他渠道，公司就会出现问题。所以你需要知道来自每一个渠道人员的数字，Feng 说。「接受内部推荐但不要只关注内推。如果你只关注内推，你的候选人圈子就会缺少多样性。而且当你用完你的人际关系时，内推这个渠道也会开始枯竭。」要建立一个可持续的招聘通道，一个可以在公司壮大的时候能够继续满足你的招人需求的通道，这要靠你对于这些渠道的掌握：内部推荐（最受欢迎的渠道）：「我看到有些公司实行内部推荐项目时犯的最大错误就是当他们说，『好了，现在我们得进行内部推荐，所以我们要给推荐人发奖金。来吧。』」金钱鼓励很好，但是 Feng 说，一个成功的推荐渠道需要的不只是奖金。事实上，你应该不断向你的团队告知你现在最需要什么新人选。「在 Flipboard，这已经成为新职员入职流程的一部分了：在第一周，新人们和招聘队伍坐在一起，讨论公司的内推机制。」Feng 说。他们坐在一起的时候，新职员甚至会被要求快速过一遍他们在 LinkedIn 和 Facebook 的关系网，看看他们有没有认识的可以推荐的人。内部推荐不应该止步于此。「你应该在每周的内部讨论会和员工大会时强调空缺的职位，比方说，『嘿，数据组缺两个人，他们需要这样那样的经验。』这样的信息往往能走得很远。」 Feng 甚至定期在 Flipboard 举办人员内推活动，他把寻找优秀候选人变得非常简单，只需要团队的人带着他们的笔记本电脑和披萨，聚在一个房间里就行了。「HR 走进来告诉大家现在空着的职位。然后我们让所有人都坐下来刷一遍 LinkedIn, Facebook, Twitter, GitHub，任何他们可能会认识人的地方，然后列出一个推荐人的名单。」积极强调这件事在鼓励人们推荐候选人方面十分有效。在推荐人入职的第一周的员工大会上，我们不仅会欢迎新来的人，还会说明这个人是怎样进入公司的。我们会当场给推荐人奖金。这是一个对于推荐制招人所能带来的双赢局面的一个非常公开的、有价值的提醒。在看到过这一幕之后，人们会把推荐这件事情牢牢地记在心中。主动招聘： Feng 说，高效地进行主动招聘的一个秘诀就是在意想不到的地方寻找候选人。「很多人看完 LinkedIn 之后就算结束了。这样是行不通的。你需要有一个非常多样化的索引，这个索引应该连结你平时寻找候选人的各个地方。」首先有一些已经证明可行的地方：Facebook，Github，Stack Overflow 。Feng 也建议创业者们去看一些较新的市场，像 Whitetruffle，Hired.com，Greeklist，和 HackerRankX 这些网站对寻找资历较浅的应聘者尤其有用。当你在招聘倒金字塔顶部时，找招聘 / 猎头机构仍旧是帮助寻找人才的重要方法。「只要你让招聘机构去做他们最擅长的工作，他们就会很有价值，他们能够帮你找出一列可以从中挑选的候选人。我发现机构能够很好地寻找资历较深的应聘者。」Feng 说。等待招聘（Inbound recruiting）：「无论你是一个小公司还是谷歌，都应该有一群人积极地来到你的公司应聘职位。」Feng 说。但不管你是推销产品还是空缺的职位，你的秘密武器都是一样的：会讲故事。越来越多的公司正在远离传统的「条件加要求」式的职位描述，他们希望更全面地展现公司，以及说明他们招人的职位是如何的重要。Medium 公司就是一个很好的例子，它贴出来职位描述的目的就是告诉读者在这个公司的工作生活是什么样子，以及如果加入这个公司他们可以期待些什么。在这个非常有创造性方法的的基础上，Flipboard 更进一步，为每个功能区都创建了自定义网页，在功能区中引用了该区高管的原话，也链接了该队伍中其他成员关于 Flipboard 产品的分享。就算你刚刚写下了招聘页里最吸引人的职位描述，把它上传公司网站就放着不管了是远远不够的。「你需要把话说出来。你需要在尽可能多的地方把那个故事讲出来，在任何你的目标候选人可能会搜索的地方。大约有 40%的人用 Facebook 和 LinkedIn 之外的社交网站找工作。」你知道你的公司有着令人激动，快节奏的工作环境，所以一定要确保你的招聘启事不是在漫不经心地讲着一个并不准确的故事。不要让你的招聘启事变得过时。大约在 16 周之后，你会看到人们对这份启事的兴趣大幅下降。如果你遇到了那个兴趣下降的时间点，直接把这份启事撤下，把它重新调整一下，过一周后再把它发布出去。一旦你收到了感兴趣的人发来的材料，你需要快速地做出回应，保持住这些人的兴趣。「不要忘了，寻找人力资源的同时也是营销。在每一个寻找职员的渠道中，你需要在开口的同时用各种方法来推销你的公司。」对于推荐来的候选人：你需要充分利用推荐的那个人。「你可以说：『嘿，Susan 跟你是同学，你觉得 Susan 很棒，Susan 也觉得你很棒，我们应该聊聊。』」Feng 说。如果你只是简单地打了个电话，你的推荐人就失去了他的作用。「你因为和推荐人的关系有了其他公司没有的优势。一定要利用好这个优势。」对于主动招聘过来的候选人：Feng 说当你联系潜在的候选人时，最重要的就是要胆子大，不要不好意思直接说出你的目的。「LinkedIn 公布了一组很有趣的统计数据：在任意一个时间点，只有 25%的员工在主动地寻找新工作，但是 85%的人都愿意谈一谈。」你挑中的候选者很有可能对你发来的邮件很感兴趣。即便如此，你不能粗心大意。「你需要有人情味。也许你会用到邮件群发。也许你用了很多自动化操作。你用到了复制粘贴。但是尽你最大的努力使得这份邮件看起来像个人写的，因为这是候选人们会用的第一个筛选条件。」Feng 说道。尽可能地把你的交流变得个人化，并且一对一回应候选人申请的动机。尽量保证这份电子邮件的短小精悍。邮件越长，你看起来就越迫切，你就放弃了更多的权利。对于等来的候选者：「当你收到简历或者关于求职的邮件时，你应该 100%地回复他们。你真的应该这样做。当别人花时间联系到你的公司的时候，你没有借口不去回应。」Feng 说。你的回复可以很简单，几行字就可以。如果说招聘就是销售，那么你的回复率应该跟你公司销售人员的回复率一样高。「如果你的客户想要抱怨，如果他们直接发邮件告诉你出了故障，你八成会回复。同样的，如果有人对你的公司感兴趣，想要为你工作，你应该拿出刚刚那一份对顾客的尊重。」要记住世界很小，消息会到处传播。你会希望每个人都认为你很棒，都能听到对你的高评价。筛选：从 16 到 4 到了这一步，你搜寻候选人的努力帮助你收获了一批高素质的潜在雇员（差不多是你寻找总人数的 24%）。现在到了该评出前 16 位你最感兴趣的候选人，然后选择其中最好的 4 个来面试的时候了。这步寻找候选人和面试中间的关键步骤是很多公司的招聘流程有最大提升空间的地方。「我是一个工程师。我喜欢将科技应用到实际生活。在整个招聘过程中，筛选这一步是我看到的最有可能用技术的方式，做出重大改变与提升的地方。」Feng 说，「这一切全都从数据开始。」对于新手来说，如果你没有在用申请人跟踪系统（applicant tracking system）的话，你应该现在开始用了。「研究表明，通过申请人跟踪系统，你至少能够提高 50%的效率。」而且现在有大量的跟踪系统可供选择。找到那个最适合你招聘需求的系统。重点是一旦你开始用了这个软件，你招聘所花的精力也就有了一层数据覆盖。没有数据，你无法发现你在哪一环节出了问题——我成功了吗？还是失败了？你需要找到一个你可以存储并且经常提取数据的方法。Feng 推荐公司从追踪以下四个招聘数据开始：所有的空缺职位你得到的所有关于候选人的信息候选人完整的就职经历你有的关于候选人的所有反馈信息「如果你把这四个东西存在一个数据库的某处，在那一刻，你就有了能够评价你招聘水平的原始资料。」Feng 说。除了帮助你分析你的筛选过程，技术能够做到更多——它还能够实实在在地帮你筛选。电话和邮件筛选是很普遍的方式，但是 Feng 认为，语言只能表达出一位候选人真正想表达的一半不到的内容，想想身体语言，面部表情等等。「视频筛选是一个能够收集到候选人更多信息的有效方法，而信息能够帮你做出更好的决定。」从 2011年以来，Feng 提到，视频面试的使用增加了 49%，10 个人力资源经理里有 6 个都在用视频面试候选者。对于招聘工程师来说，编码挑战是另外一种很有效的方法，能够利用科技快速而且有依据地在筛选过程中更多地了解一个候选者——用 Feng 的话来说，就是能够提取更多的信息——花费最小的精力。「在 Flipboard，我们建了网站 chanlleng.flipboard.com，在这里我们上传各种工程问题。我们大部分的候选者都参加了这个挑战，我们获得了很多有趣的数据。」Feng 说。为了能最好地利用这个挑战，Feng 举出了一些要做和不要做的事情： Do：建一个你自己的编程挑战。「你可以用第三方服务，而且现在有很多这种服务，但构建你自己的挑战其实很有意思。」在 Flipboard，建编程挑战甚至变成了鼓舞员工士气的一部分。「我们让公司的工程师做我们出的题，这样很有意思，而且我们知道这题出得难不难了。」 Don't：弄得太复杂。「你不需要分 A/B 组测试你的题目。你不需要为一个职位写 7 个不同的测验。」这样就会浪费很多时间，回报率也很低。 Do：出开放式的题目。「挑战是否只是针对一种特定的语言或者领域并不重要。」一个开放的挑战才是最有效率的，而且可以重复使用，所以让每一个候选人用他自己最舒服的方式解决问题吧。记住，我们的目标是尽可能多的开展可以帮助筛选技能的交流。本着发掘每个候选者新的一面的目的，你可以在每一个电话筛选或者面试中寻找。「我们直接问候选人关于这个挑战的感觉。」Feng 说，「『你为什么决定用这个语言？为什么你决定用这种方式执行？』」通过每个人关于刚刚自己行动的解释，我们能够筛选出表现优异而且善于交流的能力者。面试：从 4 到 1 等你到了现场面试这一步的时候，你就在和你候选人圈子里表现最好的那一拨人打交道——而你还要再淘汰他们中的 75%。「我发现面试这一步实际上是整个招聘流程里最有争议的地方之一，因为我们假定 25%的成功率——也就是非常高的失败率。」Feng 说。考虑到这也是整个流程里最贵的一步——你贡献了你的时间，甚至还有你团队的很多时间，还有可能需要付飞机票，住宿费，晚餐费，还有更多——这样高的失败率可能让这一切的花费听上去很不合理。但 Feng 坚持这是十分值得的。「当你在面试的时候，你实际上是在努力做四件要事：评估能力，当然还要互相评估合适度；你还需要达成团队内部的一致；你需要让你的团队相信你们招了一个很好的人；最后，你有一个建立公司口碑的机会。」值得注意的是，无论你是否最后聘用了一个候选人，你能够完成四件事中最后的两件。大多数公司甚至并不把招聘看作是一个可以加强他们口碑或者锻炼当前队伍的机会。这里有很多可以利用的机会。公司可能也想不到那 75%的人在离开面试之后会做什么，这也是一个错误。对于一个人来说，在跟你公司几周的深度交流之后，他可以随时成为你公司的品牌推广大使——也可能不会。你的招聘过程是对你公司品牌的一个深刻反映。「候选人会跟人们谈论你的公司。他们可能说好话也可能会说坏话。和候选人一起的整个过程是你创造一个热情支持者的机会，他会帮你把你的信息传递给这个世界，这是非常有用的。」Feng 说。候选者同时也是潜在客户。你在招聘过程中对待他们的态度会影响到他们是否想要用你的产品。「确保你考虑到了品牌推广这件事。如果你最后没有聘用那个人，不要认为面试是浪费时间或者是一个傻的差事。」Feng 说。无论面试结果如何，都可能得到一个积极的结果。把所有环节拼在一起当你熟悉地明白了你招聘的过程——分解到不同阶段，在每个阶段都达到目标数字——你就可以更好的了解你的公司运行地如何了。除此之外，你可以重点关注如何在表现不佳的环节改变、完善以及试验你的步骤，Feng 说。你是否最后面试了 30 个候选人并且浪费了很多时间？或者你是否只面试了一个人——如果是的话，那是因为你在搭建招聘倒金字塔的时候没有找到足够多的人，还是因为你筛掉了太多的人？「通过数字来了解招聘过程是怎样运行的，真的能够帮助你清楚地看到不足，并且让你有机会把这些系统中不足改掉。」

First Round Review
2015年11月16日
First Round Review

Slack 如何通过用户反馈来打造令人尖叫的产品？编者按：本文来自First Round Review，他们的文章既讲故事，还会向创业者提供具有很强操作性的建议，以助力打造优秀的公司。如何通过获取和利用有价值的用户反馈数据信息来改善产品？大部分创业者都会为此头疼。本文中，堪称史上发展最快的 SaaS 公司 Slack 的首位产品经理分享了 Slack 获取和利用有价值的用户反馈信息、从而打造一款令用户尖叫的产品的经验。 Kenneth Berger 2014年6月加入 Slack，那时 Slack 正处于爆发式增长期，媒体报道也是铺天盖地。作为 Slack 的第一位产品经理，加入 Slack 后的 1年里，他全面负责 Slack 的产品功能。在这期间，Slack日活用户从 10 万猛增至 100 万 +，用户好评如潮。当时 Slack 的用户增长数据一直很抢眼，用户反馈也很好，不管从什么角度看，Berger 的工作似乎并没有太大难度。然而随着用户反馈数据的激增，Berger 需要快速从海量反馈数据中找到那些真正有价值的反馈数据并加以利用。他知道，满足于现有的业绩，光靠吃老本肯定是不行的。要实现 Slack 更快地发展，Berger 必须要走出去，搜集哪些他没有的有价值的反馈信息。近日，Berger 接受了 First Round Review 的专访，他分享了 Slack 是如何对用户反馈信息进行优先级划分的以及从中学到的东西。他分享了自己为何在 “指标” 和 “目标” 这两者中会更看重 “目标”，为何他认为公司创始人需要像科学家一样去思考和工作。最重要的是，他分享了如何从海量定性数据和定量数据中进行有效筛选并找到那些最有价值的数据的秘诀，这些数据包括网站统计数据、社交媒体上的反馈数据、留存率和客户支持数据等。要追求目标，不要单纯地追求数据对于大多创业公司来说，问题不是缺少用户反馈数据，而是他们不知道如何利用这些反馈信息。大多数情况下，人们对自己面前的已有信息或是容易获取的信息更为敏感，也就是说，人们更加看重这类信息渠道，而对其他的信息渠道漠不关心，这就会导致在很多时候无法获得真正有价值的反馈信息。根据 Berger 的经验，要想避免这种情况的发生，最好的办法就是将注意力和精力集中关注于公司最重要的目标上。“很多人只关注指标数据，并认为这是验证成功与否的标志。数据指标当然非常重要，但对我而言，它只是目标的一部分，让目标得以量化。” Berger 对创业公司非常了解，他最开始联合创办了自己的公司 YesGraph，后来加入 Slack，他深知创业公司的发展环境和用户心理是瞬息万变的。如果你不一直不断重新评估什么才是公司最重要的目标的话，你可能就无法知道什么数据指标对目前的公司来说才是最紧要、最值得关注的。如果你同时还在忙于扩充团队，事情就会变得更加复杂，因为不仅公司的目标在变化，你的责任也在变化。公司可能会成立新的部门，很多事都会朝着不同的方向发展，公司的重点也会随着时间的推移而发生变化。在确定公司的目标时，要坚持下面这个简单的原则：每个人都需要知道他们为什么做他们正在做的事情。在确定公司的整体目标后，确保每个部门或部门负责人都知道这一目标，并在这一目标的基础上确定各自部门相应的数据指标。只有当各个部门的人员都参与到数据指标的制定中时，数据指标才能发挥最大的作用。 “如果人们身上背负的任务指标是由其他人定的，这时数据指标很难发挥它应有的作用。只有当各个团队和团队里的每个人都能参与到数据指标的制定时，这是大家的工作积极性和才能才能被充分调动起来。” 对于绝大部分公司而言，有两个指标都是至关重要的：用户留存指标和营收指标。但这两个指标究竟定为多少才最为合适？除了要关注这两项指标外，我们还需要关注哪些指标？这些问题的答案因公司而异。公司的商业模式，公司的产品是企业级产品还是直接面向消费者的产品，以及你所在的团队，这些都会影响上述问题的答案。我个人是非常反对 ‘指标至上’ 的观点的。例如，如果你只关心收入增长指标的话，你怎么能知道客服团队在里面发挥了多大作用？客服团队通常是非常重要的，如果不给他们定一个和他们的工作直接相关的指标的话，就无法充分调动他们的积极性，也就无法将他们的价值发挥到最大化。要定期审视和评估你的目标，不管是一个月一次还是一个季度一次，只要符合公司的实际情况就行。你是否足够关注新用户的获取？是否在为老用户创造价值？公司目前的重点是什么？只有时刻想着这些问题，你才能知道如何处理利用用户反馈信息，才能知道哪些反馈信息是目前最有价值的信息。对于目前公司内部工作的优先级和重点，要及时分享给大家，让大家都知道。大多情况下，在同时面对几个产品功能需求时，你不得不先选择一个功能优先开发而不得不暂时放弃另外几个功能。或者在面对多个部门提出的不同需求时，你只能先满足其中一个部门的需求。不同渠道的反馈信息是什么以及是如何按优先级将它们进行划分的，这些信息一定要公开透明，让大家知道为什么有的反馈需求可以优先得到满足，这有助于让大家感受到自己的反馈是被认真对待并认可的。在创业公司，由于资源有限，你不可能一次性满足所有需求。因此，要在公司内部努力营造一种透明、畅通的交流氛围，让大家真正知道为什么有些需求可以优先得到满足。明智的假设有助于产生明智的见解实际上，制定和评估公司目标的过程和科学家的工作非常类似，都要不停地提出和验证假设。当科学家要做一项实验时，首先需要提出一个假设，然后思考确定验证假设的方法。运营公司也一样，你需要设定目标，然后围绕这个目标设定指标。但是你往往是无法通过一个简单的实验就能看清事情的大局和重点，可能是由于提出的假设不对，也可能是因为你选择的用于衡量目标的指标有问题。要科学对待处理你获得的反馈数据，首先要做到的一点就是能看清大局并以此为重，同时能根据实际情况对你的假设理论进行恰当地调整。在 Slack 早期，为了获得更多的用户注册，Berger 曾尝试了一些当时比较流行的市场推广方法。“我知道，大家通常用的推广方法中的很多我们还没有尝试过，所以我们决定尝试一些方法，看效果如何。我们首先尝试的是邮件营销，给给那些已经注册 Slack 但还不活跃的用户发邮件。接着我们尝试了免费试用的方法。” 我们在部分用户中尝试了上面的方法，也看到了一些效果，但非常有限。我们所做的这些尝试都是要付出一定的代价的，这实际上是一种权衡和交易。从我们尝试的结果来看，这种交易并不划算。用户留存率是提高了，这看似取得了不错的效果，但从全局来看，却并非如此。在认真分析数据后，我们发现，增加的留存率和我们所付出的种种努力其实并不成正比。验证假设还直接影响了 Slack 的策略转变。最初，公司决定不对外宣称自己是一款聊天类 App，而向外界传达自己长远的理念和愿景：变革现有的工作方式，创建更加透明的工作氛围和畅通的交流环境。不过当做了产品的可用性测试后，他们发现了问题。刚开始的时候，借助于出色的媒体 PR，Slack 获得了一大批用户。这些用户刚读过有关 Slack 产品的新闻报道，因此对产品有一定的了解，所以即使 Slack 官网上没有具体的产品功能介绍而只有抽象的描述，这也不妨碍他们了解和使用 Slack。然而从其他渠道来的用户就比较困惑了，因为当时 Slack 官网上没有产品功能介绍，没有产品截图，也没有强调即时通讯是 Slack 的主要功能。所以这些用户不知道 Slack 的核心功能是什么，是文件分享？内部沟通？还是效率工具？不去教育和引导用户，用户不困惑才怪。自从那时开始，为了更好地教育和引导潜在用户，Slack 在官网上专门放了产品功能截图。即便到后来没有再放产品截图了，但还是一直把 Slack 的即时通讯核心功能作为向用户传递的关键内容信息。 Slack 就通过这种方法来解决之前存在的问题。强调 Slack 作为即时通讯工具的功能性，方便用户了解这款产品，并以此为桥梁来向公众阐述你那更加宏伟的愿景。这并不是说 ‘变革人们的工作方式’ 这种理念和愿景是错误的或是不重要的，它非常重要。不过我们需要学着以一种人们容易理解的方式去讲述我们的愿景。 Slack 做的另一个实验是如何向用户证明自己的实用性。为了验证这一假设，团队使用了非常独特的实验方法——邀请潜在用户在一整天的工作中只使用 Slack 作为公司内部即时通讯和沟通的工具，不接发一封邮件。让人们放弃常用的工具而只使用 Slack，这实在是一种冒险的举动。但事实证明，这个实验是非常成功的。让人在 24 小时的工作中不使用邮件而仅使用 Slack 的情况下也能高效完成内部沟通交流，Slack 无疑证明了自己是一款多么高效的工具。了解你可能存在的偏见并努力加以遏制偏见是无法避免的，不管我们思想多么开放，我们都或多多少存在一定的偏见。这些偏见将影响我们如何解读用户反馈的数据。我们在意识到这一点的同时，还要知道如何遏制一些常见的偏见。选择偏见在搜集和评估产品反馈数据时，Berger 遭遇最多的就是这种偏见。例如，产品的支持请求通常只来自那些最活跃的用户，了解这一点很重要。如果你只和这些用户沟通交流，那么你就将所有的非活跃潜在用户都排除在外了，更不可能从他们那里获得有价值的数据。你可能会进行产品的可用性测试。进行可用性测试时，很多人的做法是从 Craigslist 上招募测试志愿者，这看似是很合理的做法。不过你需要时刻记住的是，通过 Craigslist 找到的测试志愿者并不能代表绝大部分的潜在用户。你要了解这种方法可能存在的局限，因为你找到的测试者都是一些经常参与测试的专业测试者，和大部分用户还是不一样的。因此你要意识到，你在测试中获得的数据的一部分可能是无用数据，要学会排除这些数据，然后继续。确认偏见 or 观察者偏见大家倾向于在数据中只看那些自己想看到的数据，或是想看自己之前预测的结论，这很自然。这其实也是一种偏见，我们需要努力抑制这种偏见的发生。不妨想象一下，同样一组数据，可能支持一种假设，也可能同样能支持另外一种假设。它可能符合你所想的，也可能完全不符。总之，不要只去看那些自己想看的数据，在这方面一定要极力克制。实际上，在 Berger 看来，处理上面这类数据偏见的过程是在一家创业公司工作非常激动人心的一部分。那些曾在大公司工作的人会习惯利用数据做一些细微方面的修正和调整——例如在 A/B 测试中，主页上的哪个词起到了一点作用。如果你是在一家成立不久的创业公司，你跟数据打交道的过程就会更加曲折，利用数据做的事情也会重要很多。要尽可能快地积极参与到这个过程中。它可以帮你学到很多关于产品和用户的新东西。报告偏见观察者偏见主要指在一堆数据中只看你想看到的部分，而报告偏见主要指只关注那类最让你觉得舒服的数据。这意味着对于那些比较难获取、分析起来较为复杂以及难以量化的数据，就不会给与太多的关注和重视。在就不同的产品决策做出取舍时，这种偏见表现得尤为明显。你可能有一组很容易定量分析的数据，所以你会优先分析这组数据，这组数据可能可以说明一个产品决策的正确性。但同时可能会有很多定性的分析来证明这个产品决策的错误。例如，你们产品的用户增长数据可能非常不错，但用户满意度如何呢？你经常要去面对和衡量来自不同渠道的用户反馈数据，并需要从不同的角度来评估产品决策，这些工作量虽然繁重但都是值得的。对于任何在产品决策中所面对的赞同意见和潜在的反对观点，都要保持清晰的头脑。数据的来源渠道是多种多样的，认识到这一点可以帮你获得更为清晰的视野。这已经帮助我们在 Slack 做出了很多明智的决策，例如之前提到的邮件营销，在我们从全局的角度来分析邮件营销所取得的效果时，我们才知道做邮件营销是不划算的。融合定量数据和定性数据，让他们共同发挥作用在你确定假设并对其进行验证时，你就需要从那些你认为比较有价值、有启发性的数据入手。你确定了哪些用于验证假设的问题？有哪些搜集反馈信息的渠道？又如何正确地开展这项工具？定量反馈和定量反馈的区别在哪里，Berger 总结出来的经验是：定量数据可以帮你了解某件事情的对或错，而定量数据则可以告诉你它为什么是对的或错的。当你在对你手中的反馈数据资源进行优先级划分时，你是否还需要去获得其它的数据。换句话说，在一个任何数据都可以获取的世界里，是否有必要去获得所有的数据，有备无患？其实在通常情况下，获取数据并非完全免费的，是需要获取一定的成本的，有时是显性成本，有时是机会成本。有时数据即使可以 “免费” 获得，但我们仍要考虑是否值得我们花心思去获得这些数据，因为里面通常会含有隐形成本。现在获取信息是非常容易的，正如你可以很容易浏览用户在产品官方 Twitter 上的反馈。你在工作中总会去搜集一些相关反馈信息，有时是定量数据，有时是定性数据。不过如果你有清晰的目标，并知道如何通过假设验证来实现你的目标，你就不会因为有一个用户不喜欢某项功能就匆忙地去改动你的产品。你需要知道哪些数据适合用作测试使用。你需要详细地了解并清楚你的数据来源，这比其它所有事情都要重要，但这并不是说你不需要关注其它事情。如果你认为新上线的产品功能非常重要，但用户的普遍反馈却一般，这时你就需要倾听用户的声音了。不过你不能对所有反馈数据都一视同仁的对待。搜集你手里没有的数据通常情况下，如果定量数据反馈暴露了产品中存在一个问题，你可以一眼就在分析仪表盘上发现。定性数据反馈就不同了，它分析起来更加复杂和棘手。还记得上面说到的 “选择偏见” 吗？和网站流量数据和留存率数据不同，当你浏览产品支持反馈或是社交媒体上的反馈信息时，你通常只会本能地看一些局部信息，无法看清全貌。要想获得可直接使用的实用的定性数据，你需要主动走出去积极搜集相关数据。 Berger 加入 Slack 时，他面临的是一个貌似令人艳羡的问题：产品反馈都非常正面。“开始的时候，我就对自己说：‘如果在 Slack 官方 Twitter 账号下留言的人都说 Slack 是一款很棒的产品，那么我加入 Slack 是干什么来了？我怎么才能为 Slack 创造价值？'。所以 Berger 开始努力走出去接触那些还没有对 Slack 发表过评论亦或是还没用过 Slack 的人群。他知道 Slack 的下一步战略是为规模更大的团队提供服务。所以 Berger 开始拜访他能找到的规模最大的那些团队。这次团队拜访工作是非常有价值的，因为这些大团队使用 Slack 的体验和那些经常在 Twitter 上给 Slack 留言的活跃用户（这些团队的规模通常和 Slack 自己差不多）的体验是非常不一样的。 Berger 在用户拜访中发现，Slack 确实给这些规模较大的团队创造了很多价值，但 Slack 的有些地方却并未能很好地满足他们的需求，给他们造成了很大的困扰。而他们所遇到的问题其实是可以很快解决的，只是 Slack 之前一直没发现而已。“只通过一种渠道了解用户反馈当然很简单，而且这些反馈大都是正面的—似乎每个人都喜欢 Slack！但这么做从长远来看是存在问题的。” 搜集这种定性数据似乎和在分析监控面板上舒服地了解定量数据的方法是彻底背离的，其实并非如此。搜集和研究定性数据时，你同样需要首先作出假设，然后确定指标和验证流程。 “我的假设是我们的产品并没能很好地服务好规模较大的团队。所以我决定从离公司较近的旧金山湾区的一些使用 Slack 的大公司入手，在拜访这些公司的过程中，我问了他们很多问题，主要围绕他们的团队是如何使用 Slack 的。”我问的这些问题非常直接：你是如何使用 Slack 的？公司内部哪些人在用？他们主要用 Slack 干什么？他们还在用其他什么工具，Slack 是否能和这些工具实现互补？举个例子，Slack 最初内置有一定比例数量的默认通知和通知偏好的切换功能。所以当你在团队中工作的时候，你每天会收到一定量的有关其他同事工作动态的邮件或桌面通知。这个对小团队非常有用，因为这些通知可以帮助他们实时了解其他同事的工作进展。但同样的消息通知机制对于大团队来说就是一个灾难。 Berger 听到很多大团队在抱怨这个问题，最后 Slack 专门为大团队提供了一套不同的默认通知功能。新功能按比例减少了每天收到的桌面通知数量，同时为他们提供了了解团队全部动态信息的功能选项。这个功能对于大公司太实用了。定量反馈数据分析起来很方便，但类如 “我每天收到的通知太多了” 这样的定性反馈你如何分析并和团队分享呢？很多人不知道如何使用定性数据。例如你出去拜访 5 个用户，你可能会想：‘只拜访 5 个用户，我怎么知道该注意哪些东西，或者这访问到底有没有意义？’ 。这个时候就会发现前期准备工作的重要性了，因为你并不是访问随机选出的 5 个用户，你要清楚你的假设是什么，并知道应该访问哪些用户去验证你的假设。如果你拜访大团队，你只能做出和大团队相关的结论；如果你只和高度活跃的用户交流，那么你只能获取和活跃用户相关的有用数据。有时候，你收到的有些用户反馈并不需要去测试验证，因为你一看就知道怎么回事。有时你会碰到一个用户以一种非常不正常的方式使用你的产品，极少有人这么用，所以即使他在使用的过程中遇到问题，你也可以不用管，因为一般用户是不会这么用的。还有些时候，有用户在使用 Slack 时遇到了了严重的问题，这时你不需要了解其他用户的使用情况就能知道，每个人在使用 Slack 时都会遇到这个问题。走出办公室去拜访用户虽然很辛苦也很难，但它真的是非常值得的，因为你可以从中了解你的产品需要有哪些值得改进的地方，让你知道产品下一步的开发重点是什么。 Berger 建议早期的创业公司不要过多地担心自己是否知道如何利用用户反馈数据。“要小心谨慎地选择你的假设，然后选择适合的用户群去拜访，获得有价值的反馈数据来验证自己的假设，你自然而然就能知道接下来该做什么。”

First Round Review
2015年11月04日