那企业如何发现这些呢？走出你所在的行业可能会帮助你更开放、更有创造性地思考。举个例子，假设你正在一家餐厅评估它的服务是否良好。「对一家餐厅来说，你有很多昂贵的方式来测量它的服务是否出色，比如你能计算究竟有多少客人在同一时间试图寻求服务生的帮助。但这比较困难，因为你很难判断客人们究竟是不是在寻求服务。所以，你需要的是一个容易测量并且不容易被误解的措施。比如测量每个客人杯子里的水有多少，通常这都能反映出一家餐厅的服务水平，并且容易很测量。「

　　瞄准服务的最早期行为。对于服务型公司来说，在你设立测量指标时，请再往前看一点。比如共享出行服务经常引用的指标是每月活跃车主的数量。「但这就是虚荣性指标，因为这并不能解释为什么用户会持续使用你们的服务以及服务能够如何改进。想要让服务变得更好，请去测量用户搭一次车需要花费的时间，车辆到达得越快，用户再次使用的可能性就越大」，Tabb 说道，「等待 1 分钟和 10 分钟的差别能清晰反映服务质量的差别，数据分析能告诉你用户等待时间的极限。再结合区域、司机等不同因素，你就能提升用户的满意度。」

　　这个经验对于 Tabb 格外重要，他在虚拟呼叫中心公司 LiveOps 花了一年时间处理数据，试图去找出如何预测呼叫代理质量的方法。因为没有两个电话是一样的。「我试图测量电话的长度，我的假设是，如果你接到的电话都很短，那说明你更快地解决了问题，你是一个更好的代理。但这其实不是一个很有说服力的指标，因为它无法预测服务质量」，Tabb 说道。

　　然后他突然明白了，所有 LiveOps 的代理商都是独立的承包商，他们只会在自己想工作的时候工作，所以他们的表现全都取决于他们自己。「我瞄准了可以测量的最早期行为：出勤率。我们开始追踪谁出现了而谁没有，事实证明，出勤率是问责制的典型代表，也是衡量代理们业绩的最佳标准。它不是很明显，有时在电话里可能什么都没有发生。但成功的最佳指标是你是否说到做到，我们开始把打入的电话接给那些最好的代理商——那些能言出必行的人，而且我们所有客户的收入都在增加。」

　　广告公司

　　在 Tabb 看来，广告公司很容易受到虚荣性指标的影响。因为广告曝光度只代表「曝光」而非最终的结果，他们并不能预测后来的行为。

　　「有足够多的公司在吃过亏了之后才知道『用户属性』才是真正重要的东西」，Tabb 说道，「如果您不追踪同一数据库中的用户点击率和购买指标，你就只能停留在点击你广告的用户比例这个数字上，你不会知道他们接下来做了什么。你要知道，可能有 100 万人访问了你的网站，但他们什么也没买。而平均值是一维的虚荣性指标，如果没有上下文，他们就会失去其意义。」

　　你所测量的东西——用户数、点击量、交易量——他们都各自存在。所以，你为什么要在单独的数据流种对他们进行分析呢？

　　「指标之间会互相影响，而你需要知道他们是如何互相影响的」，他说道，「不要仅仅去测量是哪些点击变成了订单，把它们备份并且拆解，从这些用户最开始接触你们的地方查看起来，一直到他们真正在你们网站上下单。你要做的就是必须一路连着查看下去。」

　　如果你是一家电商公司，那你要再往前走一步。「一旦你获得了一个用户，确定你从哪里获得了他，你为获得他付出了多少成本，以及你收回这个成本所需要的时间。不要停留在表面，你为这些点击付出了成本，你需要了解这些。这是你真正了解客户终身价值的唯一方法」，Tabb 说道，「我们与一家在线时尚经销商合作发放了一批免费赠品，我们觉得一旦有新的注册用户进来并成为了常规用户，收回那些成本应该不会花太长时间。但你要知道，免费是有危险性的行为，你能从中看到很多不好的行为，其中绝大多数的新『用户』都不会真正转化成常规用户。我们知道这些是因为我们一路追踪这些人的行为，从他们点击到注册一直到购买。」

　　把你的数据整理进事件流中。孤立的数据会伪装成真实性指标，「第一，将用户行为整理进一条单独的数据流，这种事件流能显示人们对你们的产品做出了何种反应，也能让你好好分析他们的行为」，Tabb 说道，「对很多人来说，这不是一项自然的选择。公司通常会根据人口统计特性来整理他们的用户，或者将他们的数据构建到单独的事务表中。单独的表格更容易阅读，也能让你直接用软件来工作。但这不能让你全面地了解你的用户到底发生了什么。」

　　回答下面这些问题来开始创建你的事件流：

用户什么时候注册我们的产品/服务？

他们进行了购买行为吗？

他们在我们这边花费的有效时间到底是多少？

他们在哪部分花了最多的时间？他们在哪部分花了最少的时间？哪些数据可以预测他们的行为？

他们的行为如何随着时间的推移而改变？

他们在何时何地停止使用我们的产品？