您是否想开始一个副项目但不知道从哪里开始？验证业务创意的数据驱动方法是一个很好的入门方法。此方法可帮助您根据事实和数据而不是假设和猜测做出决策。 在本文中，我们将提供分步指南，以通过数据驱动的验证来生成和验证业务创意。 在本指南中： 我们如何产生想法？ 获取数据 使用 AI 验证想法 奖励：客户发现 结论 让我们开始吧！ 💡 我们如何产生想法？ 有很多方法可以找到商业创意：我们可以确定我们或其他人遇到的问题，研究现有的解决方案，寻找潜在客户并与之交谈，创建调查，使用竞争对手分析来了解市场等。或者，如 Paul Graham最近 ： 说 获得新想法的方法是注意异常：什么看起来很奇怪、丢失或损坏？ 然后，构建最小可行产品 (MVP)，将其交到用户手中，并衡量客户反馈。然后，我们获取反馈并对其进行迭代，直到找到合适的产品市场契合点（或转向，或干脆完全放弃该项目）。 与我们的潜在客户交谈在整个过程中都 关键，这可能是一种具有挑战性的体验，尤其是对于我们这些内向的企业家而言。更不用说有时候，不清楚在哪里可以找到那些潜在客户：Twitter、Reddit 等。 非常 那么，如果我们能找到一种在与用户交谈之前进行 验证的方法呢？ 一些 我们不需要重新发明轮子。从 0 到 1 可能不是唯一的路径。 Jakob Greenfeld 关于该主题的优秀 非常到位： 文章 大多数人从事商业不是为了改变世界。他们只是想提供价值，获得补偿，并按照自己的意愿去做。 如今，可以在线免费获取大量数据。诀窍在于，从我们的角度来看，数据不一定看起来像数据。在这个特定的例子中，我指的是应用程序商店。 应用商店是一个很好的来源，因为它们集中了许多不同类型的数据：评级、评论等。任何应用商店都可以为此工作（谷歌、Appel、亚马逊等）。同样的方法也将用于来自软件审查聚合器（G2、Capterra 等）的数据。甚至可以从平台内部可视化数据，但那将是一项付费服务。 我在本文中使用了 Android Play 商店，因为它是我最熟悉的，但这种方法适用于任何 Play 商店。 我坚信我们可以从成功中学到和从失败中学到的一样多的东西。考虑到这一点，使用应用商店数据来查找和验证商业创意并不仅仅意味着依赖表现最好的应用。我们还可以分析表现不如预期的应用程序，或者调查为什么一个有前途的概念没有起飞。 这个想法很简单：一个评价不佳但经常被下载的应用程序是一个信号，表明存在需求并且可以更有效地做到这一点。 🧲 获取数据 从 Play 商店获取我们需要的数据有些简单，这取决于我们对技术的了解程度。我们可以使用众多可用的在线工具之一来抓取它，例如 Octoparse。如果流程不清楚，可以考虑使用 进行梳理。应该比较简单。 本指南 我们正在寻找下载量超过 50 万但评级为 3 星或更低的应用程序。这将告诉我们什么是高需求（因为如果人们不需要它，为什么会下载它？）但执行不力导致用户不满的地方。 同样，查看下载量较低但评分最高的应用程序可能会很有趣。如果它能出现在合适的人面前，这可能表明一款具有潜力的伟大产品。 结果看起来像一个包含 4-5 列的 CSV，如下所示： 这可能需要一些快速的返工，因为提取提供的是 JSON 格式的数据，它不能很好地处理 CSV 格式。如果您需要帮助，请联系我！ 1. 数据清洗 有了手头的原始数据，我们就想对它有所了解并找到相关信息。 快速分析将使我们能够确定一些应该排除的部分。下载量超过 100 万的应用通常是庞然大物（Amazon Prime、Google 等）的移动版本。虽然梦想远大很重要，但目前并不重要。 不要误会我的意思；您可以选择在那里进行分析并深入挖掘；考虑到既定目标，我只是认为这不明智。 因此，我们将筛选出下载量在 50 万到 100 万之间的应用。 2.分析实践 我按类别汇总了数据，如下所示： 第二个字段只是我们数据中该类别的应用程序数量，最后一个是该类别的平均评分。 排名前三的类别是工具、娱乐和金融，平均评分徘徊在 2.7 左右。所有 3 个类别中的 1375 个应用程序已被下载至少 50 万次。那是 未满足的需求和不满意的用户。 很多 对于我们这些喜欢图表的人： 蓝色图表是平均评分，橙色图表代表该特定类别相对于整个列表的百分比。理想的位置是橙色图表与蓝色图表重叠（有一定幅度）的地方，表明该类别中的应用高度集中，同时显示差评。该图表证实了上表中已经透明的内容。 从现在开始，世界就是我们的牡蛎。我们可以在我们认为有趣的任何方向上进行更深入的分析。 例如，让我们仔细看看“工具”类别。 3. 交易的“工具” 在“工具”类别应用中，我们将搜索至少有 100 万次下载的应用，并按平均评分（升序）对它们进行排序。 清单仍然很长，但至少我们有一个利基市场和一些初始目标。然后，我们可以深入研究每个应用程序，并在适当的时候检查它们的功能、竞争对手以及市场潜力。我们可以对列表中每个产品收集的评论进行一些情绪分析，并提取主要主题/关键词。这将是确定该细分市场中任何新产品的直接改进领域（甚至功能）的好方法。 这将是另一天的话题，敬请期待！ 目标是获取有关特定细分市场的更多信息，并将该数据用于下一步。 因此，除了众所周知的验证方法之外，我还可以推荐两种额外的工具来进一步验证这些想法。所有这些都可以结合起来以解锁有用的见解；这实际上是确定什么在哪种情况下有用的问题。 🤖 使用 AI 验证想法 是的，人工智能风靡一时，不，它不仅仅是另一个利用趋势的指南。毕竟，这与 ChatGPT 无关。 。 现在 是一个面向创始人的创业情报平台。他们提供不同的数据服务，例如竞争格局、事后分析等。在我们的案例中，我们对他们的“Idea Validation”工具感兴趣。 Roiquant 第一个组件根据提供的输入衡量我们想法的“独特性”，如下所示： 为了说明这一点，我们以上面列表中的“智能空调”应用程序为例。我们将 显然，输入越精确，结果就越好。但与任何其他验证过程一样，目标不是达到完美信息的状态；不可能。相反，我们的目标是尽可能降低风险并在开始构建任何东西 确认最关键的假设。 尽我们所知输入信息， 之前 该工具在我写这篇文章时出现故障，我在修复后才得到这张截图，为了说明目的，我使用了一些随机输入。 我们得到了总体失败风险度量（本例中为 59.2%），它是根据每个类别的不同子度量计算得出的。例如，位置和市场获得 1% 的评级，反映了在世界这些地区开展业务的难度。 20% 的新颖性分数也表明我们的想法不是很创新，这在技术上增加了失败的风险（但并非总是如此）。 关于业务可行性的另一个组成部分也将改善结果，但是，一些所需的输入（业务估值、货币化……等）并不真正在我们的范围内，因为我们还为时过早。 这是我们应该做出走/不走决定的阶段。评估为“高风险”（70% 及以上）的想法应当场放弃。这是一个有点武断的门槛，它更像是艺术而不是科学。 🕵️ 奖励：客户发现 现在我们对我们正在寻找的东西有了更好的了解，是时候开始与潜在用户接触并获得他们的反馈了。确定与之交谈的合适人选非常重要，因为他们将能够提供有助于完善我们的想法的见解。 有许多工具可以通过关键字搜索、社交聆听等方式帮助找到那些潜在的第一批用户。我们可能会在以后的文章中解决这个问题。 现在，我想谈谈两个具体的解决方案。第一个是 CustomerDiscovery.io。 该公司“ ”。 通过为初创企业提供一个一体化的工作空间来收集、组织和分析跨多个部门的反馈，从而帮助初创企业更快地成长 简而言之，这个平台可以让创始人采访潜在的早期采用者并获得有价值的反馈，这正是我们现阶段所需要的！ 第二个解决方案是 Respondent.io。该平台适用于稍微更高级的用户研究项目，并提供了根据多个标准（职业、位置等）招募经过审查的用户以提供更深入见解的可能性。也有可能向参与者提供“奖励”，即向受访者支付指定金额（由项目所有者自行决定）。显然，奖励越高，我们得到的反馈就越好。 可以理解，这是我们达到某个成熟度阈值时的工具。它可能并不适合每个项目（尤其是独立黑客/独立企业家），但它仍然是一个很好的资源。 结论 那么，你有它！ 验证一个想法的过程很复杂，需要付出很多努力。这不仅仅是要有好主意，还要了解市场、竞争和潜在用户。 通过将传统的创意验证方法与基于人工智能的工具和客户发现平台相结合，我们可以更好地了解创意及其潜力。这将帮助我们就是否追求这个想法以及如何最好地实现它做出明智的决定。 这个过程应该是迭代的，不断地改进和调整。使用正确的方法和正确的工具，我们可以确保我们的想法有最大的成功机会！ 非常感谢您的关注！ 😄 我是旅途中的企业家！如果您喜欢这篇文章，将会有更多内容来自： 和 。 Twitter The Generalist's Thinkbox 时事通讯

This story contains new, firsthand information uncovered by the writer.

The writer is smart, but don't just like, take their word for it. #DoYourOwnResearch

該音頻是用故事的原始語言製作的！

太長; 讀書

Developers: Build Less. Deliver More. [Learn how]	

商业创意的数据驱动验证：分步指南

太長; 讀書

Elhadj_C

STORY’S CREDIBILITY

Original Reporting

DYOR

About Author

標籤

Languages

这篇文章刊登在...

商业创意的数据驱动验证：分步指南

太長; 讀書

Elhadj_C

STORY’S CREDIBILITY

Original Reporting

DYOR

About Author

標籤

Languages

这篇文章刊登在...

相關故事