开门见山，我是从“零”开始互联网创业的

开门见山，我是从“零”开始互联网创业的。我本硕都是经管专业，毕业后从事会计核算工作，对互联网的理解，和每个普通网络用户一样：搜索、电影、新闻和游戏等，仅此而已。但是，创业的激情还是让我毅然决然的辞了一大型国企，开始了我的互联网创业之路。

　　创业初期的艰辛至今仍记忆犹新，感触良多，但最最深刻的体验是：技术和创业团队的价值和作用。技术是关键，团队是必须，这句话一点都不为过。在此唠叨，希望能为准备创业，和正在互联网创业的草根站长们提供些许参考。

　　一：技术必须过硬，团队重要角色

　　前面我已经说了，我是从“零”起步的。技术对我来说简直是天方夜谭。互联网创业的第一步，肯定是网站的开发和建设。我用一个月的时间，整理了一套详尽的房产网建设方案。拿着方案，寻找网络公司。半个月的苦苦寻觅的结果：费用在5-15万不等。完全超出我的预算!但是无奈，经过几番还价后，以3万的价格，终于签了一家较小的网络公司。可是网站开发出来，才发现我设想的房价走势图、户型展示效果根本就做不出来。再就是，网站首页众多板块，如最新房源、房产资讯等板块竟然是静态的;网站搜索功能无法使用;房产地图无法添加内容等等。而后，我尝试招聘技术人员，来维护网站。也许是三线城市技术稀缺的原因吧，要么无法胜任，要么开价高的让草根站长的我“用不起”。

　　无奈，我做出了一个自己都不敢相信的决定：自学网站开发技术。一个多月的艰苦学习，也许是有几分幸运，仅仅学过《计算机原理》的我，竟然奇迹般的弄明白了：php语言、div+css和数据库，并利用这些知识搞定了网站的一系列问题。

　　我知道我学的仅仅是皮毛。在此说那么多，仅想说明一个道理：想互联网创业，你必须得技术过硬!要么你自己能搞定，要么你有技术过硬的合作伙伴，或者有充裕的资金和技术过硬的网络公司开展合作。不要求能达到多么高深的技术水平，但至少自己的想法、模式和功能能实现的了吧。

　　二：编辑、SEO优化人员和业务经理一个都不能少

　　众多草根站长都或多或少面临一个问题：资金。资金不充足，成就了众多的“全才”的草根站长。平面设计、内容编辑、SEO优化、业务经理甚至网站开发和维护，一个人全拿下。

　　这些就是我曾经一个人做的事。自然，这需要充满着“壮烈式”的激情：两个星期没出门，自学SEO技术;一个月时间，每天晚上学习photoshop和flash制作;每天更新网站内容和发外链。然后，很快我发现，我忙得焦头烂额，并且问题出现了：网站业务无法开展;网站排名不见效果;图片处理没创意;内容更新不及时、外链添加不连续等等。

　　我不否认我们之中存在“超人”和“达人”。但是，我想说的是，个人的力量毕竟是有限的。我们得相信团队的力量，打造一个高效的团队，引领这个团队朝着一个既定的方向，各司其职。互联网创业项目，技术人员、编辑、优化人员和业务经理的人员配备一个都不能少，我们可能是“全才”，但请一定不要做个“全才”的创业者，不仅仅因为这真的很累，还因为这真的没效率!用当前时兴一句话说：不管你信不信，反正我是信了!

从网站的用户层面，我们根据用户访问的行为特征将用户细分成各种类型，因为用户行为各异，行为统计指标各异，分析的角度各异，所以如果要对用户做细分，可以从很多角度根据各种规则实现各种不同的分类，看到过有些数据分析报告做了各种用户的细分，各种用户行为的分析，再结合其他各种维度，看上去内容绝对足够丰富，但很难理解这些分析结果到底是为了说明什么问题，也许作为一个咨询报告反映当前整体的趋势和用户特征确实合适，但如果真的要让数据分析的结果能够引导我们去做些什么，还是要在做用户细分前确定分析的目的，明确业务层面的需求。

既然要做基于用户细分的比较分析，自然是为了明确某些用户分类群体的行为特征与其他用户群体的差异。这里主要从指导内容层面的调整为导向，通过比较各用户细分群体对内容需求的差异，优化内容运营，将优质的内容或者符合用户偏好的内容推荐给相应的用户。

既然是基于用户细分，首先明确用户的细分规则，这里举例3类细分：流失用户与留存用户、新用户与老用户、单次购买用户和二次购买用户，基于这3类细分，对每个分类的用户购买商品进行比较分析，明确哪些商品更加符合用户的预期。

流失用户和留存用户比较

当然，要区分流失用户和留存用户，首先必须对用户流失有一个明确的定义，关于流失用户的定义可以参考博客之前的文章——网站的活跃用户与流失用户。有了定义我们就可以做统计和细分了，还是以电子商务网站为例，电商网站的内容就是商品，我们基于每个商品计算购买这些商品的用户中购买后造成流失的用户比例，如下：

这里的指标定义应该比较明确，每个商品的流失用户比例应该是购买该商品后流失的用户数在所有购买该商品的用户中的占比，但只知道每个商品的流失用户比例无法评价这个商品是否对用户保留有促进作用，或者在一定程度上造成了用户的流失，只有通过与总体水平的比较才能得出相应的结论。所以这里需要重点解释的是“与总体比较”这个数值是怎么计算的到的，这里的百分比不是直接相减的结果，而是一个差异的幅度体现，这里假设总体用户流失率为56%，那么以A商品为例，与总体比较的结果是：（ 58.13% – 56% ） / 56% = 3.80% ，使用同样的计算方法也可以得到其他商品与总体比较的差异幅度。最后就是展示，在Excel里面通过“条件格式”里面的数据条功能可以直接展现出图中的效果，非常方便。

很明显，上面图中的分析结果对运营调整有直接的指导性，目的是促进用户保留，所以我们要做的就是将有利于用户留存的商品（F商品的用户流失率明显要比总体低得多，说明F产品更有利于用户保留）推荐给用户，而将那些可能导致用户流失的商品（C商品）进行优化或者下架。

新用户和老用户比较

同样，使用上面的方法可以区分不同用户群的购买偏向。新老用户的细分是最常见的用户细分方法，我们可以使用类似的方法来看看新老用户对商品的不同喜好：

从上图中你看出了什么？购买D商品的用户中新用户的比例明显偏低，也许新用户根本就不喜欢这个商品，而B商品和F商品显然更加符合新用户的口味。如果你的网站可以进行新老用户区分的定向推广，那么上面这个分析结果将让你受益良多。

当然，这个数据呈现的特征可能跟商品的推广渠道有一定的关系，比如上图的D商品比较多的是使用老用户比较集中的推广渠道（比如EDM），那么自然购买用户中老用户的比例会偏高；或者把某些商品放在新用户比较集中的Landing Page中展示，那么购买该商品的新用户比例也显然会偏高。所以，在做诸如此类的分析时需要注意根据推广渠道的差异，具体问题具体分析，不能一概而论。