创建事件流后，Tabb 建议您尝试简单的练习。「计算用户在一天内在你们这里超过 5 分钟的活跃时间，尝试寻找他们行为中的集群性动作以及其中的差异所在。这是了解用户实际情况的一种简易方式。他们在你的网页上花费了很长的时间，这是因为感兴趣还是因为没有搞明白而困惑呢？如果他们做出了购买行为，那他们在购买之前访问了几张网页呢？」Tabb 说道，「如果你的事件流中没有按时间排列数据，你就没办法回答这些问题。」

　　软件公司

　　当你上线了一款产品——不管是一个 app 还是 SaaS 平台——它的用户数就是产品/市场的核心，也是你向投资人和合作伙伴推销自己关键卖点。但 Tabb 在这里提出了一个相反的观点：你下载了多少自己根本不用或是使用时间极短的软件了吗？「下载你产品的人数与贵公司的生存无关」，Tabb 说道，「有多少 app 在爆发式增长之后就迎来了死寂？软件公司需要专注的是用户的活跃使用时间，这就是清晰化的指标。」

　　活跃使用时间是 Tabb 在 Looker 测量的第一指标：人们每天在软件中花费多少有效活跃时间？「我不在乎收入或用户数量，当我们得到了一个新的用户，我需要知道他们是否真的在使用这款软件。虚荣性指标容易误导公司，人们可以夸耀说，90％的用户都有登录，但有多少人实际使用它？如果用户使用了它，那他们是否在积极地浏览其中的内容，还是它只是在后台被唤起？它不会告诉你人们如何使用你的产品，有时，你甚至要给用户打电话才能发现这些东西。」

　　拿起电话给异常用户打过去。每次 Tabb 在 Looker 的用户群中发现了一个异常值时，他会查找客户的联系信息和电话。尤其在早期时候，这是他每天都在做的事。「我打电话给用户，因为我想知道他们如何使用我们的软件。如果他们没有使用 Looker，我想知道为什么。如果他们是活跃用户，我想了解他们的经验，以及我们该如何改进。这是我在 LiveOps 学到的经验，当我在一组电话中发现了在统计学上奇怪的情况时，我会很高兴去接听那些电话。比如我注意到一个代理的电话都特别长，我就会发现他说话很慢，但是客户真的也很投入，所以在这种情况下，时间很长的电话也不是坏事。」

　　在 Tabb 看来，常见的一个错误是人们过度依赖 A/B 测试来解码数据中的模型。「凡事都有例外，A/B 测试在有些时候是很有用的，比如用户在网站上的身份无法识别时，这种类型的测试可以帮助识别匿名的用户」，Tabb 说道，「但大多数时候它并没有太多帮助。第一，如果你的数据是孤立的，A / B 测试将告诉你最近的结果而非长期后果。举个例子，随着『关闭』按钮的尺寸被缩小，你会发现用户点击它的次数翻了一番，但其实是因为用户都点错了。即使你有十亿级的用户，如果你的数据都是孤立存在的，那你也无法在其中找到任何的结构化存在。相反，你要做的就是去研究用户的事件流信息。」

　　另一个提升用户活跃使用时间的方法是减少那些让用户放弃你产品的内容，具体地说，就是要追踪两个数据：失败率（failure rates）以及毒药率（poison rates）。

　　发现并降低失败率。失败率是贵公司无法兑现承诺的次数，它是所有企业共有的运营数据之一，「要获得你们公司的失败率，请首先在各个部门找到它们。每一项功能都会有一个失败率来评估他们的工作，对于客户体验部门来说，它就是你们无法解决用户的问题；对于供应链部门来说，它就是客户尝试购买已售完商品的次数。每个团队成员都需要了解并监控他自己和部门的失败率。每次你更换操作流程或产品时，你都需要根据失败率来做调整。」