開門見山，我是從“零”開始互聯網創業的

開門見山，我是從“零”開始互聯網創業的。我本碩都是經管專業，畢業后從事會計核算工作，對互聯網的理解，和每個普通網絡用戶一樣：搜索、電影、新聞和游戲等，僅此而已。但是，創業的激情還是讓我毅然決然的辭了一大型國企，開始了我的互聯網創業之路。

　　創業初期的艱辛至今仍記憶猶新，感觸良多，但最最深刻的體驗是：技術和創業團隊的價值和作用。技術是關鍵，團隊是必須，這句話一點都不為過。在此嘮叨，希望能為準備創業，和正在互聯網創業的草根站長們提供些許參考。

　　一：技術必須過硬，團隊重要角色

　　前面我已經說了，我是從“零”起步的。技術對我來說簡直是天方夜譚?；ヂ摼W創業的第一步，肯定是網站的開發和建設。我用一個月的時間，整理了一套詳盡的房產網建設方案。拿著方案，尋找網絡公司。半個月的苦苦尋覓的結果：費用在5-15萬不等。完全超出我的預算!但是無奈，經過幾番還價后，以3萬的價格，終于簽了一家較小的網絡公司?？墒蔷W站開發出來，才發現我設想的房價走勢圖、戶型展示效果根本就做不出來。再就是，網站首頁眾多板塊，如最新房源、房產資訊等板塊竟然是靜態的;網站搜索功能無法使用;房產地圖無法添加內容等等。而后，我嘗試招聘技術人員，來維護網站。也許是三線城市技術稀缺的原因吧，要么無法勝任，要么開價高的讓草根站長的我“用不起”。

　　無奈，我做出了一個自己都不敢相信的決定：自學網站開發技術。一個多月的艱苦學習，也許是有幾分幸運，僅僅學過《計算機原理》的我，竟然奇跡般的弄明白了：php語言、div+css和數據庫，并利用這些知識搞定了網站的一系列問題。

　　我知道我學的僅僅是皮毛。在此說那么多，僅想說明一個道理：想互聯網創業，你必須得技術過硬!要么你自己能搞定，要么你有技術過硬的合作伙伴，或者有充裕的資金和技術過硬的網絡公司開展合作。不要求能達到多么高深的技術水平，但至少自己的想法、模式和功能能實現的了吧。

　　二：編輯、SEO優化人員和業務經理一個都不能少

　　眾多草根站長都或多或少面臨一個問題：資金。資金不充足，成就了眾多的“全才”的草根站長。平面設計、內容編輯、SEO優化、業務經理甚至網站開發和維護，一個人全拿下。

　　這些就是我曾經一個人做的事。自然，這需要充滿著“壯烈式”的激情：兩個星期沒出門，自學SEO技術;一個月時間，每天晚上學習photoshop和flash制作;每天更新網站內容和發外鏈。然后，很快我發現，我忙得焦頭爛額，并且問題出現了：網站業務無法開展;網站排名不見效果;圖片處理沒創意;內容更新不及時、外鏈添加不連續等等。

　　我不否認我們之中存在“超人”和“達人”。但是，我想說的是，個人的力量畢竟是有限的。我們得相信團隊的力量，打造一個高效的團隊，引領這個團隊朝著一個既定的方向，各司其職?；ヂ摼W創業項目，技術人員、編輯、優化人員和業務經理的人員配備一個都不能少，我們可能是“全才”，但請一定不要做個“全才”的創業者，不僅僅因為這真的很累，還因為這真的沒效率!用當前時興一句話說：不管你信不信，反正我是信了!

從網站的用戶層面，我們根據用戶訪問的行為特征將用戶細分成各種類型，因為用戶行為各異，行為統計指標各異，分析的角度各異，所以如果要對用戶做細分，可以從很多角度根據各種規則實現各種不同的分類，看到過有些數據分析報告做了各種用戶的細分，各種用戶行為的分析，再結合其他各種維度，看上去內容絕對足夠豐富，但很難理解這些分析結果到底是為了說明什么問題，也許作為一個咨詢報告反映當前整體的趨勢和用戶特征確實合適，但如果真的要讓數據分析的結果能夠引導我們去做些什么，還是要在做用戶細分前確定分析的目的，明確業務層面的需求。

既然要做基于用戶細分的比較分析，自然是為了明確某些用戶分類群體的行為特征與其他用戶群體的差異。這里主要從指導內容層面的調整為導向，通過比較各用戶細分群體對內容需求的差異，優化內容運營，將優質的內容或者符合用戶偏好的內容推薦給相應的用戶。

既然是基于用戶細分，首先明確用戶的細分規則，這里舉例3類細分：流失用戶與留存用戶、新用戶與老用戶、單次購買用戶和二次購買用戶，基于這3類細分，對每個分類的用戶購買商品進行比較分析，明確哪些商品更加符合用戶的預期。

流失用戶和留存用戶比較

當然，要區分流失用戶和留存用戶，首先必須對用戶流失有一個明確的定義，關于流失用戶的定義可以參考博客之前的文章——網站的活躍用戶與流失用戶。有了定義我們就可以做統計和細分了，還是以電子商務網站為例，電商網站的內容就是商品，我們基于每個商品計算購買這些商品的用戶中購買后造成流失的用戶比例，如下：

這里的指標定義應該比較明確，每個商品的流失用戶比例應該是購買該商品后流失的用戶數在所有購買該商品的用戶中的占比，但只知道每個商品的流失用戶比例無法評價這個商品是否對用戶保留有促進作用，或者在一定程度上造成了用戶的流失，只有通過與總體水平的比較才能得出相應的結論。所以這里需要重點解釋的是“與總體比較”這個數值是怎么計算的到的，這里的百分比不是直接相減的結果，而是一個差異的幅度體現，這里假設總體用戶流失率為56%，那么以A商品為例，與總體比較的結果是：（ 58.13% – 56% ） / 56% = 3.80% ，使用同樣的計算方法也可以得到其他商品與總體比較的差異幅度。最后就是展示，在Excel里面通過“條件格式”里面的數據條功能可以直接展現出圖中的效果，非常方便。

很明顯，上面圖中的分析結果對運營調整有直接的指導性，目的是促進用戶保留，所以我們要做的就是將有利于用戶留存的商品（F商品的用戶流失率明顯要比總體低得多，說明F產品更有利于用戶保留）推薦給用戶，而將那些可能導致用戶流失的商品（C商品）進行優化或者下架。

新用戶和老用戶比較

同樣，使用上面的方法可以區分不同用戶群的購買偏向。新老用戶的細分是最常見的用戶細分方法，我們可以使用類似的方法來看看新老用戶對商品的不同喜好：

從上圖中你看出了什么？購買D商品的用戶中新用戶的比例明顯偏低，也許新用戶根本就不喜歡這個商品，而B商品和F商品顯然更加符合新用戶的口味。如果你的網站可以進行新老用戶區分的定向推廣，那么上面這個分析結果將讓你受益良多。

當然，這個數據呈現的特征可能跟商品的推廣渠道有一定的關系，比如上圖的D商品比較多的是使用老用戶比較集中的推廣渠道（比如EDM），那么自然購買用戶中老用戶的比例會偏高；或者把某些商品放在新用戶比較集中的Landing Page中展示，那么購買該商品的新用戶比例也顯然會偏高。所以，在做諸如此類的分析時需要注意根據推廣渠道的差異，具體問題具體分析，不能一概而論。