在为两个产品创意苦苦挣扎了 18 个月之后，Segment 开始迎来转机。随后，公司进入了长达两年的增长期，团队人数从 4 人增至 60 人，新增了数千名客户，并在几轮融资中共获得 4400 万美元。如此显著的拐点是由什么触发的？在这一重大转变到来之前，联合创始人兼首席执行官 Peter Reinhardt 和 Segment 团队开始大量依赖像实时聊天插件 Olark 这样的定性反馈工具。它被嵌入在每个页面上，从新入职的员工到联合创始人，每个人都在不断从所有使用他们产品的人那里学习。
很难把所有这些势头都归功于工具，但知道如何利用它们是 Segment 业务的核心。这家初创公司让收集客户数据并将其发送到任何工具、用于任何用途变得很容易，从分析到营销自动化皆是如此。这就是为什么 Reinhardt 已经对所有能找到的、能增强客户数据的工具都了如指掌，过去三年里他几乎每周都会亲自试用一款工具。Segment 已集成了数百种工具，帮助超过 6,000 家客户，包括 Product Hunt、Atlassian 和 Instacart，构建并完善他们的工具栈。
在这次采访中，Reinhardt 结合自己对工具的广泛评估，分享资源有限的初创公司应如何以及何时选择工具。在这里，他就“自建还是购买”的争论发表看法，提供在八个不同类别中应考虑哪些工具的建议，概述选择工具时应避免的陷阱，以及何时可以判定工具已成功。
从何处开始选择工具
当大多数人想利用客户数据时，他们会想到分析工具，但广告工具、客服台、CRM、归因工具以及其他十几类工具也都依赖客户数据。“这些工具的共同点在于，它们使用客户信息和行为数据来帮助业务团队改善客户旅程，”Reinhardt 说。“当我们谈到客户数据时，不包括流向 HR 或会计工具的信息。因为客户数据最终是行为数据：了解用户何时浏览了某个页面、购买了某个产品，或邀请了朋友。这是在通过用户——或客户——所采取的众多行动，来定义并细化他们是谁。”
首先决定是自建还是购买。
如果不与客户互动并获取他们的画像，就不可能经营一家企业，尤其是在公司早期的形成阶段。Reinhardt 说：“如果你在打造一个网页或移动端业务，你与客户互动的方式通常是通过电子邮件、推送通知、短信，或者在产品内外进行调查。你了解他们使用你的产品是否顺畅的方式，是借助一款能展示漏斗的数据分析工具。实体店的对应做法，就是店主站在店里观察正在发生什么。这就是最基础的东西。”
因此，首先出现的一个问题就是，究竟是购买现成工具，还是自行开发内部工具。前者可以立即投入使用，但很可能成本高昂，而且并不完全适配企业需求。后者则可能占用宝贵的工程资源，并有重新造轮子的风险。Reinhardt Say：“这个决定其实与增长阶段关系没那么大。很多公司会错误地为自己开发工具——而不是完全专注于客户——因为他们比起客户更了解自己。这是很容易掉进去的陷阱。只有在别无选择时才去做。而且即便如此也要小心：依我估计，我看到的那些开发工具的初创公司里，有 50% 无法持续维护它们。”
如果你已经做过调研并决定自己开发，那就要心里有数。“为了构建自己的分析工具，而不是把全部资源都投入到产品开发中，这种做法很危险。它很容易扼杀一家初创公司，”Reinhardt 说。“比如你有三名工程师，其中一名正在开发你的分析工具。你开发产品的能力现在就减少了 30%，所以你需要多出 30%的资金续航。那个分析工具的开发成本远比看起来要高。你有能力去做某件事，并不意味着你就应该去做。”
整理一份全面的工具类别清单。
如果你决定试用并购买工具，想要理清该选什么并不容易，更不用说市面上那些五花八门的工具类型了。Reinhardt 已经归纳出八类工具，这对大多数初创公司来说，应该足以作为一份起步清单。以下是他的分类和首选推荐：
基础漏斗顶部分析 ：Google Analytics。
中到深层漏斗分析 ：Mixpanel、Amplitude 和 Kissmetrics。这些工具尤其适合作为事件跟踪工具。
全公司范围分析 ：用于 SQL 商业智能的 Looker、Mode 和 Periscope。
诊断工具 ：Olark、Livechat 和 Intercom。在诊断工具的视频录制部分，Fullstory 和 Inspectlet 是首选。它们提供了查看客户正在做什么的能力，甚至可能是在通过实时聊天工具与他们交谈时查看。
自动化邮件 ：Customer.io 和 Autopilot。Mailchimp 非常适合传统的电子邮件列表管理。
销售和支持工具 ：Zendesk 和 Salesforce。
付费获客 ：Facebook 和 Twitter。
归因 ：Convertro（网页端）和 Kochava 或 Hasoffers（移动端）。
时机让好工具变得更出色。
选择合适工具的一大关键在于在恰当的时机将它们整合进来。这或许能帮助你避免过早购买昂贵工具，或者在工具已经不再适用时仍继续使用基础工具。以下是 Reinhardt 关于你落实其工具清单时的一些建议：
关于从哪里开始。“就客户数据分析工具而言，初创公司总体上都是从 Google Analytics 开始。它看起来很显而易见，但别忽视它。它会让你的初创公司对访客有一个基本了解，包括他们在看什么内容，以及他们来自哪里。它是免费的，是个相当不错的工具，并且在大多数情况下足以支撑你度过第一年做分析工作。要是不把它启用，那就太疯狂了。”
关于升级分析工具 。“在你达到产品市场契合之后，就开始集成用于更复杂分析的工具。当你开始需要更细致的数据，并且想更深入地了解，比如从首页到产品内部的转化漏斗时，可以扩展到完整的漏斗分析工具，如 Amplitude、Mixpanel 或 Kissmetrics。然后你会到达一个阶段——很可能在团队人数达到 30 人左右时——你对客户数据提出的问题会变得过于复杂，超出开箱即用工具的处理能力。如果你希望超越漏斗，对业务进行更整体的分析，就开始考虑 Looker、Mode 或 Periscope，它们可以为你提供 SQL 商业智能系统，让你获得全局范围的运营视图。这些工具会连接到像 Redshift 这样的数据仓库。”
关于深入使用诊断工具 。“当你开始感觉到漏斗里哪里在漏水时，就到了一个阶段，比如人们注册了，但没有激活。在这个阶段，我们发现定性反馈比定量分析更有趣，也更有影响力，尤其是在你的客户数量在统计上并不显著的时候。可以考虑像 Olark、Livechat 和 Intercom 这样的实时聊天工具。我层不确定，如果没有某种能够与客户进行高带宽沟通的机制，你该如何开始构建一个网页或移动产品。”
关于开启访客录制 。“访客录制对产品营销和生命周期非常有帮助。它是产品团队用来了解单个用户层面正在发生什么的宝贵工具。所以，如果在产品激活流程的某个特定步骤只有 10% 的转化率，你就可以观看用户行为录制，并发现例如按钮不可见。”
关于采用市场归因工具 ：“当一家消费类初创公司开始在营销投入中投资付费获客时，Google Analytics 的漏斗顶部分析就不够用了。应为网页端选择像 Convertro 这样的营销归因工具，为移动端选择 Kochava 或 Hasoffers。”
关于引入滴灌邮件 。“当你的分析和诊断工具已经揭示用户在哪些环节流失，但你还无法在产品修复队列中尽快处理时，就该引入滴灌邮件了。向他们发送消息，帮助他们弥补那个漏洞，或跨过他们可能遇到的障碍。”
关于启用销售和支持工具 。“这些产品只有在你的分析、诊断和滴灌邮件工具协同运作，并且已经开始组建销售和支持团队之后，才真正有用。为了让他们能够做好工作，他们需要更多关于客户到目前为止体验的上下文。这就需要提取有关漏斗以及客户在应用中采取过的操作的数据，这样销售和支持人员才能帮助客户，而无需不断询问他们一直在做什么。”
根据逻辑在定性和定量工具之间切换。
Reinhardt 看到，初创公司在扩展用于了解业务边界的工具时，常会出现一种共同模式。“它们往往在定量工具和定性工具之间来回切换。前者的例子包括分析、归因或 SQL BI 工具，而后者则包括在线聊天、访客录屏或问卷调查工具，”Reinhardt 说。“定量工具往往有助于发现漏斗中的失败或成功，而定性工具本质上是诊断性的，能帮助揭示为什么会发生这种情况。”
使用定量工具来发现症状或机会，并用定性工具来诊断它们。
初创公司在定性工具和定量工具之间切换时，应该感到自在。“这也是螺旋式上升的一部分。人们常常会在这两类工具之间来回切换，以便改进，”Reinhardt 说。“不要抗拒这种切换。随着关注点的转移，适时转换工具。如果你看漏斗，发现下滑幅度比预期更大，就先从分析工具里跳出来。转而使用你的一套定性工具——也许是在线聊天或访客录屏——去查明原因。用对流程做一点调整来验证你的假设，然后再检查你的分析数据。如此反复。”
选择工具时应避免的陷阱
即使有了明确的规划，Reinhardt 仍然看到一些公司在选择工具时犯下几项基本错误。以下是他最重要的三条谨慎建议：
先试用现成工具——别在研究里淹没自己。
你正在寻找新的工具，以更好地理解或为公司提供支持，但没有什么能替代亲自试用。“我认为，在真正开始使用之前、在 UI 里实际操作之前，很难判断一个工具是否适合。可大多数人之所以会先做研究，是因为要把足够多的数据完整接入并运行通过某个 system，以衡量它的价值，实在太费事了，”Reinhardt 说。“当然，这不是在做广告，但像 Segment 这样的工具就很有帮助。你只要把一次跟踪设置好，就可以通过切换开关，让数据流经多个工具。这让你能轻松地把它们并列比较。无论你用不用 Segment，都要想办法降低门槛，让你能通过某个工具看到数据如何流动起来。”
负责供应商选择的人希望表明，他们在内部开展的是一套严谨周密的流程。Reinhardt 说：“那些试图在供应商选择过程中把事情做得非常好的公司，反而是在搬起石头砸自己的脚。原因在于，在供应商选择过程中，你做得‘越好’，你尝试这款工具所花的时间就越长。我看到的、通过与供应商进行深度访谈所取得的成功率非常低，这意味着试用新工具的迭代时间会非常长。想办法快速测试它们。”
若非供应商调研，最简单且有效的准备工作就是在测试工具前写下目标——哪怕是以假设形式呈现。”带着实验带来的自信态度进入工具选择流程。这看似显而易见，但我惊讶于有多少公司因急于决策而忘记这一步，”莱因哈特说，”举个例子：’我们使用分析工具的目标是让产品团队全面掌握用户激活漏斗。’在这种情况下，需要定义在工具使用的不同成功阶段，对客户画像的 60%、80% 或 100% 完整度分别意味着什么。用你的数据测试，两周后判定是否达标。这种设定将帮助你找到优胜者，或推动你持续改进。”
测试工具的另一个好处是可以评估该工具的支持水平。Reinhardt 说：“访谈供应商是在了解产品能够做什么以及可能会做什么。试用期间获得支持，则是在感受产品实际做了什么。不要忘记支持体验。工具的支持团队应该尽早介入，以确保你的试用成功。对于工具来说，切换平台的门槛可能很高，所以如果他们连在短期试用中都不能很好地为你服务，那就不是长期支持的好兆头。”
成功的公司会不断尝试新工具，如果不起作用就及时放弃。他们通过短期试验来验证，而不是通过漫长的研究过程。
计算该工具的全部成本。
标价只是开始。量化节省的时间和机会成本，才能更真实地估算工具的实际成本。”在 Segment 的发展历程中，曾有一个阶段我们只剩下三个月的运营资金。那是一段非常艰难的时期，我们设想了所有无法融资情况下的生存方案，”莱因哈特说。”与人力成本相比，工具支出只是很小一部分，但即使在绝望的处境中，我们也不愿舍弃任何一方。因为工具帮助我们节省时间，这具有巨大的价值。”
莱因哈特和 Segment 团队将工具成本与他们时间的经济价值进行比较。”工具不仅节省了我们的时薪成本，还加速了工作进程，”莱因哈特解释道。”假设你评估自己的时间价值为每小时 50 美元，而每月花费 100 美元购买 MailChimp 能省去自建邮件分发工具的工夫。这显然是值得的。因此对我们而言，关键在于严格衡量时间投入与预算支出之间的平衡关系。”
这甚至还没有计算机会成本。”回想起来，机会成本可能非常巨大，”莱因哈特说。”如果公司成功了，那么你最终会认为自己的时间价值远高于每年可能支付给自己的3万美元。由于机会成本的变化性很大，所以很难量化，但如果你在做五五开的决定时，它可能会成为决定性因素。”
如果你在购买工具或服务时真的感到束手无策，不妨这样安慰自己：这些工具的合同条款大多远不如你的手机套餐那么苛刻。”我与供应商谈合同时会要求按月付款，但几乎所有供应商默认都会同意，尤其是对于尚未实现产品市场匹配的初创公司，”莱因哈特说。”随着公司规模扩大，他们会要求签订年度合同，但到那时，这已经不是大问题了。真正棘手的是被锁定；这才是现实问题。假设你开始将数据发送到某个工具，六个月后却发现用错了工具。你真正需要的是将数据转移到另一个工具中。这时想脱身会变得非常困难，因为你已经在各处安装了追踪代码。”
转换成本是评估工具总费用时需要考虑的一个变量。”同样，在早期创业过程中，公司会在八个左右的类别中分别使用多种工具。例如，随着初创企业的发展，你的数据必须从不同的分析工具中逐步升级，”莱因哈特说。”不要被那些你不再想用或公司已经不再适用的工具所束缚。实现这一点的一种方法是确保将数据收集与接收数据的工具分离开来。”
不要过度依赖定量数据。
对于早期阶段的公司而言，持续捕捉客户反馈和观点比详细的数据分析更为重要。”在那个阶段，你几乎唯一的目标就是迭代产品本身或产品定位。在你证明产品与市场契合之前，你能做的最重要的事情就是客户开发，”莱因哈特说。”此时你可能没有足够的数据量来达到统计显著性，所以更应该关注定性部分，即客户想要或需要什么。”
这一课对莱因哈特来说尤其深刻，当时他和联合创始人在 Y Combinator 开发早期产品时深有体会。”我们的目标是打造一款课堂讲座工具。基础功能是学生可以匿名按下按钮向老师表示’这很困惑’，教授则能看到学生困惑程度的图表，”莱因哈特说。”我们在 YC 花了三个月时间开发。这意味着编写了数十万行代码。产品功能的广泛扩展产生了大量待分析数据，从演示幻灯片、学生笔记到实时问答。我们痴迷于测试和追踪每个课堂场景。但关键洞见出现在我们亲自坐在教室后排，直接观察实际情况，看学生们真正在做什么时。结果发现，他们打开笔记本电脑后直接进入了 Facebook。”
这个故事的寓意是，在把你的产品视为一个评估客户行为的机会之前，不要把它看作是一堆需要追踪的指标组合。Reinhardt 说：“产品或业务的失败模式其实非常明显。如果我们当时只是观察学生，就会立刻知道问题所在，但如果只用定量方式去做，就完全看不出来。” “在那个阶段，定性方面至关重要，因为使用它的人在统计上还不够多。因此，无论如何都不要被那些其实并不重要的定量指标分散注意力——这样是有代价的，而且通常会以牺牲早期最关键的定性数据为代价。”
如何衡量你的工具是否成功
每家公司和每个品类对工具都有各自的需求，但 Reinhardt 认为，各类工具都有一个通用的成功基准。“很难跨品类一概而论，所以有一个通用的预期会很有帮助，”他说。以下是他对每种工具成功与否的基本标准：
基础漏斗顶部分析 ：“对于 Google Analytics，关键是知道你获得了多少流量。你要知道产品落地页的哪些部分最能引起共鸣，生态系统中是谁在谈论你并把流量引到你这里。”
漏斗中段到深层分析 ：“对于事件跟踪工具，比如 Mixpanel、Amplitude 和 Kissmetrics，当你能为每个主要产品工作流程做出完整的漏斗分析时，就算成功了；这样你就能知道用户完成产品内一整套关键操作的可能性有多大。你应该能够提炼出下一步该怎么做，以改进这个过程。”
全公司范围的分析 ：“对于 SQL BI 分析工具，例如 Looker、Mode 和 Periscope，人们应该能够为每个团队构建高质量的仪表板，包括高管团队和董事会。”
诊断工具 ：“对于聊天工具，你的产品经理应该感觉自己真的学到了很多。这是一种更定性的评估，因此我们设立了一个量表（1-10）来评估产品经理是否觉得该工充有助于构建关于客户需求的上下文。”
滴灌邮件 ：“对于邮件工具，成功在于能够在漏斗中捕获一个名单。你希望能够在 Customer IO 或 Autopilot 和某个活动之间来回切换，并看到不同漏斗阶段的转化率波动。”
销售和支持工具 ：“对于 Zendesk 和 Salesforce 这样的工具，成功意味着你的销售和支持人员对客户拥有完整的上下文，并能为他们提供极高水准的服务。”
付费获客和归因工具 ：“对于付费获客或归因工具，先看看你是否真的通过它获取了客户，以及你是否能够衡量获取每个客户的成本。将这些数据与你的分析工具集成起来，看看该客户带来了多少收入。”
你对这些工具类别的期望是：它们会接入你的数据，并提供能够改变你决策方式的洞察。“这可能意味着更快地做出选择，以更充分的信息来做出选择，或者与你的团队或客户更协作地做出选择。如果你有一个工具在后台运行，但你从不查看它，那它就没有价值。”
成功来自于实施一款工具、使用它，并根据它向你提供的数据来做决策。
整理和梳理数据本身就已经够有挑战了；在用于管理数据的工具上，没有理由再让情况变得同样复杂。将 Reinhardt 的八类客户数据工具不仅当作一种分类法，也当作一条时间线，随着你的初创公司扩大运营规模 and 数据集而循序使用。大多数情况下，默认先对工具进行试用和购买；当初创公司的资源和发展窗口期起伏不定时，这是一种更全面、更具成本效益的方法。要在衡量定量和定性输出的工具之间寻求平衡，并确保它们都达到预先设定的、各类工具的基本成功标准。
“客户数据之所以会变得一团糟，是有原因的。因为客户数据对很多相关方都很有价值。每个团队——销售、市场、产品、设计、高管团队，等等——都需要访问越来越多的数据，才能把工作做好，”Reinhardt 说。“事实是，不同于许多其他有争议的资源，只要组织得当，数据有可能被所有想要它的人完全且同时地使用。关键在于创建一个数据存储库，使每个工具都能共享同一份完整的数据版本；而当这些数据被路由到各团队的工具中时，看起来就像是专门为他们的用途收集的一样。这就是其中的奥妙。”