SaaS 102 | 做 SaaS 产品应该如何做决策？
这是 SaaS 102 系列的第 15**** 篇原创文章
全文约 2,978 字 阅读需要 6 分钟
现代管理学之父 - 彼得·德鲁克曾经说过：
“如果你无法衡量一个东西，那么你就无法改善它。”
而我还想补充一句：
如果你没有通过数据来评估一个决策,那么你就无法判断这一决策是否正确,特别是在To B型SaaS领域中尤其明显.
由于 To B SaaS 产品的核心客户群体主要是各类企业，在这一过程中, 企业的决策者与实际使用者往往并非同一个群体, 这一现象在实际应用中表现得尤为明显.
在进行To C型产品开发时,可以通过客户交流的形式获取客户的反馈意见;而在进行To B型产品的开发时（尤其是海外市场）,通过客户访谈来收集反馈的难度较大。
那这个时候我们应该如何做决策？
答案是利用数据，让数据告诉我们答案。
在我看来，一个决策的流程应该分为以下三步：
在做决策前，我们首先要想清楚“这个决策的目的是什么？”（步骤一）。
在明确了目标之后，接着明确"关键指标是什么？这次决策可能带来的关键指标的变化是什么？"（步骤二）
在作出决策后立即进行数据核查以确认数据是否满足预期目标（步骤三）
最后根据数据反馈，进入下一轮的决策流程。
其实这跟 A/B 测试很像，只是有些场景我们没有办法做 A/B 测试。
然而它们采用的判别方式具有相似性；我们也可以通过观察结果是否符合预期来评估这一决策的好坏程度。
若成果达到预想中，则可验证我们的决定是正确的；反之，则可能出现未能达到预期的情况，并选择重新开始或重新规划，并调整相应的策略。
接下来我将通过我们的AfterShip产品最近的产品套餐调整这一实例向你讲述如何利用数据分析来辅助我们的决策过程。
下图是我们 AfterShip 产品的收费页：
我们本次做的调整主要有两个：
1. 提供年度套餐给到客户进行选择，价格为原有月度套餐价格 * 12；
2. 把原有的月度套餐涨价。
****#****明确决策目的
我们在做一个决策之前，要有明确的目的。
我们这次 AfterShip 产品的收费套餐调整主要有两个目的：
一是提升公司的长期收入，二是帮助我们的目标客户省钱。
为了提升公司的长期收入，我们提供了一个年度的套餐给客户选择。
当客户选择年度套餐时, 就短期内而言, 我们的收入有所下降. 这是因为年度套餐相较于月度套餐更为经济实惠.
但是从长期来看，我们的收入是增加了，因为客户最少也要用 12 个月。
一旦使用了我们服务一年的客户，在下一年他们也会愿意继续使用我们的服务
从客户角度来看，在选择年度套餐时能有效降低他们在进行电商运营时因订单量因季节变化导致的成本增加（具体内容参考《我们为什么不签超过一年的合同？》[《我们为什么不签超过一年的合同？》](http://mp.weixin.qq.com/s?__biz=MzUxNzk5MDc1NA==&mid=2247485060&idx=1&sn=b1b301588c8b8b6094e3f6a0056ef19b&chksm=f98ef689cef97f9ff33226b4f19c646a473969ed149b858833770c8312d32d649c912384c8e5&scene=21#wechat_redirect）），因此为双方带来双赢的局面
# 明确关键指标，设置期望值
在明确了决策目的之后，我们还需要明确关键指标和期望值。
因为只有明确了目标和预期值,我们才有标准来衡量这个决策的好坏.
以 AfterShip 产品的收费套餐调整为例。
我们确定或识别出的核心指标是MRR（Month Recurring Revenue, 月度持续性收入）和LTV（Life Time Value, 顾客终身价值）。
我们希望能够通过这次调整，让 MRR 和 LTV 都有所提升。
但是只要有提升，就代表我们这个决策是对的吗？
答案是不一定的。
举例来说，在完成这一改动后，MRR 和 LTV 均达到了1%的增长。那么我们对这一价格调整方案的决定是否恰当？
有人可能会说：是正确的呀，1% 的提升也是好的呀。
但是实际上答案可能是否定的吗？因为我们在开发这一功能时也面临着一定的成本压力……我们耗用了十几个产品研发团队成员一个疗程的时间进行相应的调整……我们的目标明确地设定为提高 10%。
如果仅实现了 1% 的 MRR 和 LTV 增长，则视为未达预期目标。那么有必要对当前情况进行进一步核查。可能存在一些问题导致结果未能达到预期效果，并且需要采取相应措施加以改进。
如果仅实现了 1% 的 MRR 和 LTV 增长，则被视为未达预期目标。那么有必要对当前情况进行进一步核查。可能存在一些问题导致结果未能达到预期效果，并且需要采取相应措施加以改进。
要么就证明这是一个错误的决定，或许我们要改回以前收费方法。
核心在于我们仅当明确的目标、关键KPI以及预期成果已经全部设定好后才去执行决策。
由于缺乏明确的关键指标与预期值作为基础标准而无法评估这一决策的优劣。
除此之外，在这个过程中还需要特别注意的是要确保团队中的每一位成员都能充分了解具体的目标、关键的成功标准以及预期的结果
我们鼓励员工们成为公司的主人翁，并期望大家能够自主进行决策而不是仅仅由公司管理层来决定。做出决策的前提条件是我们对于目标、关键指标以及期望值的认识与理解能够达成共识。
基于只有我们的认知和判断标准统一了的时候，我们才能实现更加有效的讨论与思考，并共同提升集体决策质量。
**#**在执行决策后，尽快去检查数据是否符合预期
在执行完决策之后，这件事情就算结束了吗？
并没有，我们还需要尽快去检查数据是否符合预期。
为什么要尽快？
因为我们想把风险和成本降到最低。
我们的决策错误被得知的时间如果比在三个月后被得知的时间早得多，则相应的代价也会减少很多。
我是工程师出身，然后我发现工程师有一个很好的习惯，就是：
他们往往会在编写代码的过程中就规划好一个测试用例，并且在代码运行后立即执行验证流程来检查结果是否符合预期。
一旦代码上线后出现结果与预期不符的情况，则立即回滚以避免影响更多在线上的用户
然而，在大多数其他岗位的同事中存在这样的情况：他们往往只关注完成任务的过程，并未及时对完成后的数据进行核实以确认是否与预期相符。
但是尽快去检查数据，验证预期这一步非常重要。
我们做出了错误决定更为可悲的是我们却不知道
这个时候，数据就是我们最好的朋友。
由于其能够帮助我们验证决策的结果，并且始终如一地不会撒谎——无论是正确的信息还是错误的信息
# 总结
我的写作目的是不在于指导你在具体情境中如何做出决策；而是希望与你分享一种方法：用最少的时间和最快的速度来验证所作出的决定是否正确。
每个决策都应该至少分为三步：
明确决策目的；
明确关键指标，设置期望值；
执行决策后，尽快去检查数据是否符合预期。
I do not necessarily claim that we can always make perfectly accurate decisions. However, I aim to utilize data to determine the correctness of our decisions as quickly as possible and enter the next decision cycle.
在构建 SaaS 产品的过程中, 数据资源是我们最得力的助手, 在帮助我们在决策时拥有可靠依据的同时, 它也能真实地反馈出每一次决策的效果。
# 写在最后
我与公司内部的同学进行协作交流时往往会要求查阅相关数据资料，在日常工作中也包括查看各项关键指标如产品数据、招聘数据以及成本相关的统计数据等。
我发现，在进行了某个项目之后，在观察到数据呈现出良好趋势时。
在参与了某项活动后发现数据结果不佳的情况下，有些新来的同学就变得不敢主动展示自己的成果，因为他们担心被批评。
但是实际上,我很少会因某个同学投入去做某件事.但凡数据表现不佳时就发脾气.
因为在做这件事情之前，我们谁也不知道它的结果究竟是好是坏。
即使我们清楚认识到这件工作投入产出效率低下甚至会产生不利影响，在开始之前我们也不会选择去做。
如果我们都积极地去行动了，这也表明了我同样认为这件事值得尝试。
做成了我们一起庆祝，做错了我们也一起承担。
所以当我们做了某件事情，但是得到的数据反馈很糟糕的时候。
你不需要心有余而力不足，并非需要着想找理由来应对我的提问；你需要深思熟虑的是：
为什么本次结果与预期不一致？下一步我们应该采取哪些措施来实现目标？
没有人能够持续做出完全正确的决策；尽管如此,我们的目标就是尽力而为,在每一次决策中做到最好；通过数据验证每个决策,并从中总结经验教训；从而为下次提供改进的机会。
SaaS 102 系列是我对自己过去二十年 SaaS 商业探索与总结的结晶,总计共发布过 102 篇文章,每期都会按时于每周四发布一篇新文章,热忱欢迎各位朋友关注「SaaS 102」公众号（微信公号：SaaS102）,获取最新最及时的内容推送
如果这篇文章对你有帮助，请况况您的反馈