LA
Téléchargé parLean Analytics
14,001 vues

Lean analytics from Web A Quebec mars 2014

Le document explore l'utilisation des données dans les startups pour atteindre un produit adapté au marché et améliorer la croissance. Il décrit l'importance de l'analytique pour itérer efficacement et identifier les métriques pertinentes à surveiller. Les leçons tirées sont basées sur des exemples pratiques et des modèles de croissance, soulignant la nécessité d'adapter les stratégies en fonction de l'engagement des utilisateurs et des résultats financiers.

Intégrer la présentation

1 / 117
2 / 117
3 / 117
4 / 117
5 / 117
6 / 117
7 / 117
8 / 117
9 / 117
10 / 117
11 / 117
12 / 117
13 / 117
14 / 117
15 / 117
16 / 117
17 / 117
18 / 117
19 / 117
20 / 117
21 / 117
22 / 117
23 / 117
24 / 117
25 / 117
26 / 117
27 / 117
28 / 117
29 / 117
30 / 117
31 / 117
32 / 117
33 / 117
34 / 117
35 / 117
36 / 117
37 / 117
38 / 117
39 / 117
40 / 117
41 / 117
42 / 117
43 / 117
44 / 117
45 / 117
46 / 117
47 / 117
48 / 117
49 / 117
50 / 117
51 / 117
52 / 117
53 / 117
54 / 117
55 / 117
56 / 117
57 / 117
58 / 117
59 / 117
60 / 117
61 / 117
62 / 117
63 / 117
64 / 117
65 / 117
66 / 117
67 / 117
68 / 117
69 / 117
70 / 117
71 / 117
72 / 117
73 / 117
74 / 117
75 / 117
76 / 117
77 / 117
78 / 117
79 / 117
80 / 117
81 / 117
82 / 117
83 / 117
84 / 117
85 / 117
86 / 117
87 / 117
88 / 117
89 / 117
90 / 117
91 / 117
92 / 117
93 / 117
94 / 117
95 / 117
96 / 117
97 / 117
98 / 117
99 / 117
100 / 117
101 / 117
102 / 117
103 / 117
104 / 117
105 / 117
106 / 117
107 / 117
108 / 117
109 / 117
110 / 117
111 / 117
112 / 117
113 / 117
114 / 117
115 / 117
116 / 117
117 / 117
Lean Analytics Utiliser les données pour créer un meilleur startup plus rapidement. Web à Québec Mars 2014 @acroll
Bonjour/hi!
0 5 10 15 1 4 0 1 0 1 14 4 1 13 7 0 0 2Petite entreprise en démarrage sans financement Small, unfunded startup Compagnie en premier développement ("early-stage") avec capital d'amorçage Early-stage company with seed funding Compagnie en croissance, avec financement, sans revenus rowing, funded, pre-revenue company Entreprise en démarrage avec revenus et clients Compagnie privée, mais pas en démarrage Compagnie publique Public company Éducation (peu importe le niveau) Education (school, university) Gouvernement et agences (Ministères et organismes) Organisation à but non lucratif ou non gouvernementale Nonprofit or NGO Journaliste/média d'information/blogueur Reporter, news media, blogger Analyste ou chercheur Analyst or researcher Investisseur, capital de risque ou financement providentiel (Angel funding) Investor, VC, or angel Étudiant Student Autre Other
Ne vendez pas ce que vous faites. Faites ce que vous pouvez vendre. Kevin Costner est un entrepreneur minable.
Au cœur du Lean est l’itération.
On raconte tous de beaux mensonges.
La plupart des startup ne savent pas ce qu'ils vont être quand ils grandissent. Hotmail was a database company Flickr was going to be an MMO Twitter was a podcasting company Autodesk made desktop automation Paypal first built for Palmpilots Freshbooks was invoicing for a web design firm Wikipedia was to be written by experts only Mitel was a lawnmower company
Son propre idée est toujours la meilleure—oui? On adore créer des choses C'est là que tout s'écroule. Pas de données, pas d’apprentissage.
L’analytique à la rescousse!
Analytics is the measurement of movement towards your business goals. L’analytique, c’est la mesure du mouvement vers vos objectifs.
In a startup, the purpose of analytics is to iterate to product/market fit before the money runs out. Dans un startup, le but de l’analyse est d'itérer au produit / marché soutenable pendant qu’il vous reste de l’argent.
J’ai deux enfants. Au moins une d’eux est une fille.
Quelle est la chance que l’autre soit un garçon?
GG GF FG FF
2 de 3 (66%) sont des garçons. FG FF GF
Quelques leçons fondamentales.
Un bon indicateur est... Comprenable If you’re busy explaining the data, you won’t be busy acting on it. Comparable Comparison is context. Un taux ou une fréquence The only way to measure change and roll up the tension between two metrics (MPH) Change votre comportement If it won’t change your behavior it is a bad metric.
La règle la plus simple. mauvaise métrique. Si elle ne change pas votre comportement, c’est une h"p://www.flickr.com/photos/circasassy/7858155676/
Qualitatif Unstructured, anecdotal, revealing, hard to aggregate, often too positive & reassuring. Chaud et imprécis. Quantitatif Numbers and stats. Hard facts, less insight, easier to analyze; often sour and disappointing. Froid et dur.
Explorateur Speculative. Tries to find unexpected or interesting insights. Source of unfair advantages. Capitvant. Déclarante Predictable. Keeps you abreast of the normal, day-to-day operations. Can be managed by exception. Nécessaire.
MaiAvrilMarFev Trancher les données Jan 0 5,000 Usagersactifs Cohorte: Comparison of similar groups along a timeline. (this is the April cohort) Test A/B Changing one thing (i.e. color) and measuring the result (i.e. revenue.) Analyse multivariée Changing several things at once to see which correlates with a result. ☀ ☁ ☀ ☁ Segment: Cross-sectional comparison of all people divided by some attribute (age, gender, etc.) ☀ ☁
Lequel de ces deux sociétés a plus de succes?
  Janvier Février Mars Avril Mai Rev/usager $5.00 $4.50 $4.33 $4.25 $4.50Cette entreprise agrandit-il? Cohort 1 2 3 4 5 Janvier Février Mars Avril Mai $5 $3 $2 $1 $0.5 $6 $4 $2 $1 $7 $6 $5   $8 $7       $9 Et celcui-çi?
Cohorte 1 2 3 4 5 Janvier Février Mars Avril Mai Moyens $5 $3 $2 $1 $0.5 $6 $4 $2 $1   $7 $6 $5     $8 $7       $9         $7 $5 $3 $1 $0.5 Les mêmes données vus par cohorte
De retard Historical. Shows you how you’re doing; reports the news. Example: sales. Explique le passé. D’en tête Forward-looking. Number today that predicts tomorrow; reports the news. Example: pipeline. Predit la futur.
A Facebook user reaching 7 friends within 10 days of signing up (Chamath Palihapitiya) If someone comes back to Zynga a day after signing up for a game, they’ll probably become an engaged, paying user (Nabeel Hyatt) A Dropbox user who puts at least one file in one folder on one device (ChenLi Wang) Twitter user following a certain number of people, and a certain percentage of those people following the user back (Josh Elman) A LinkedIn user getting to X connections in Y days (Elliot Schmukler) Quelques examples (From the 2012 Growth Hacking conference. http://growthhackersconference.com/)
Donc, il faut parler de corrélation.
1 10 100 1000 10000 Ice cream consumption Drownings Jan Feb Mar Apr May Jun Jul Aug Sept Oct Nov Dec
Corrélée Two variables that are related (but may be dependent on something else.) La crème glacée et la noyade. Causée An independent variable that directly impacts a dependent one. L’été et la noyade.
Un métrique d’en tête, causale, est une surpuissance. h"p://www.flickr.com/photos/bloke_with_camera/401812833/sizes/o/in/photostream/
Hacker la croissance, démystifier Trouvez la correlation Verifiez la causalité Optimiser l’élement causal Choisissez la métrique à changer
Est-ce qu’une action sociale (Like, RT, upvote) predis un don? http://blog.justgiving.com/nine-reasons-why-social-and-mobile-are-the-future-of-fundraising/
L’usage mobile le predit-il? http://blog.justgiving.com/nine-reasons-why-social-and-mobile-are-the-future-of-fundraising/
Pourquoi le spam Nigérian est si mal écrit?
Aunshul Rege of Rutgers University, USA in 2009 Experienced scammers expect a “strike rate” of 1 or 2 replies per 1,000 messages emailed; they expect to land 2 or 3 “Mugu” (fools) each week. One scammer boasted “When you get a reply it’s 70% sure you’ll get the money” “By sending an email that repels all but the most gullible,” says [Microsoft Researcher Corman] Herley, “the scammer gets the most promising marks to self-select, and tilts the true to false positive ratio in his favor.” 1000 courriels 1-2 réponses 1 imbécile et son argent, bientôt séparés Mal-écrit (0.1% conversion) Usagers crédules (70% conversion) 1000 courriels 100 réponses 1 imbécile et son argent, bientôt séparés Bien écrit (10% conversion) Usagers incrédules (.07% conversion) Ce serait terriblement inefficace puisque ça prendrait des humains.
Le mot “Nigeria” est la meilleure façon d'identifier des usagers crédules et prometteuses.
Les spammeurs nigérians comprennent vraiment leur marché. Ils se méfient des metriques de vanité.
Le système Lean Analytics.
Les trois moteurs de croissance d’Eric Ries Viralité Que les gens invittent leurs amis. Combien ils disent, à quelle vitesse ils leur disent. Prix Que les visiteurs dépensent de l’argent. Les clients valent plus qu’ils coûtent. Fidélisation Que les gens reviennent. Approche Obtenir des clients plus vite que vous les perdez. Math
Les mesures de pirates de Dave Acquisition How do your users become aware of you? SEO, SEM, widgets, email, PR, campaigns, blogs ... Activation Do drive-by visitors subscribe, use, etc? Features, design, tone, compensation, affirmation ... Rétention Does a one-time user become engaged? Notifications, alerts, reminders, emails, updates... Revenu Do you make money from user activity? Transactions, clicks, subscriptions, DLC, analytics... Renvoi Do users promote your product? Email, widgets, campaigns, likes, RTs, affiliates...
Étape EMPATHIE J'ai trouvé un besoin réel et non-comblé d’un marché atteignable. FIDÉLITÉ J'ai compris comment résoudre le problème d'une manière qu’ils continueront d’utiliser et de payer. VIRALITÉ Je peut les convaincre de promouvoir mon produit ou service a leurs amis. REVENU La croissance de revenu me permet d’agrandir organiquement et artificiellement. ÉCHELLE J'ai trouvé un modèle d’entreprise durable avec de bonnes marges dans un écosystème sain. Barrière à franchir Lescinqétapes
Six modèles de business E-commerce SaaS Medias Logiciel mobile Contenu généré par usagers Marché biface Votre entreprise
Customer Acquisition Cost paid direct search wom inherent virality VISITOR Freemium/trial offer Enrollment User Disengaged User Cancel Freemium churn Engaged User Free user disengagement Reactivate Cancel Trial abandonment rate Invite Others Paying Customer Reactivation rate Paid conversion FORMER USERS User Lifetime Value Reactivate FORMER CUSTOMERS Customer Lifetime Value Viral coefficient Viral rate Resolution Support data Account Cancelled Billing Info Exp. Paid Churn Rate Tiering Capacity Limit Upselling rate Upselling Disengaged DissatisfiedTrial Over
Modèle + Étape = La métrique dominante Métrique dominante Votre modèle E-Com SaaS Mobile Biface Media CGU Empathie Fidélité Viralité Revenu Échelle Votreétape
Vraiment? Juste une?
Oui, une.
Dans un startup, c’est difficile de focuser.
Avoir une seule métrique aborde ce problème.
www.theeastsiderla.com
Les métriques, c’est des “squeeze toys.” http://www.flickr.com/photos/connortarter/4791605202/
Empathy Stickiness Virality Revenue Scale E- commerce SaaS Media Mobile app User-gen content 2-sided market Interviews; qualitative results; quantitative scoring; surveys Loyalty, conversion CAC, shares, reactivation Transaction, CLV Affiliates, white-label Engagement, churn Inherent virality, CAC Upselling, CAC, CLV API, magic #, mktplace Content, spam Invites, sharing Ads, donations Analytics, user data Inventory, listings SEM, sharing Transactions, commission Other verticals (Money from transactions) Downloads, churn, virality WoM, app ratings, CAC CLV, ARPDAU Spinoffs, publishers (Money from active users) Traffic, visits, returns Content virality, SEM CPE, affiliate %, eyeballs Syndication, licenses (Money from ad clicks)
Mieux: bit.ly/BigLeanTable
Dessiner une ligne à franchir.
Une entreprise perd le quart de ses clients chaque année. Est-ce bon, ou mauvais?
Ne sachant pas le “normal” vous fait faire des conneries.
Ligne de base: 5-7% croissance/semaine “A good growth rate during YC is 5-7% a week,” he says. “If you can hit 10% a week you're doing exceptionally well. If you can only manage 1%, it's a sign you haven't yet figured out what you're doing.” At revenue stage, measure growth in revenue. Before that, measure growth in active users. Paul Graham, Y Combinator • Are there enough people who really care enough to sustain a 5% growth rate? • Don’t strive for a 5% growth at the expense of really understanding your customers and building a meaningful solution • Once you’re a pre-revenue startup at or near product/market fit, you should have 5% growth of active users each week • Once you’re generating revenues, they should grow at 5% a week
Ligne de base: 10% visiteurs engagées/jour Fred Wilson’s social ratios 30% d’usagers par mois l’utilisent 10% d’usagers par jour l’utilisent 1% d’usagers l’utilisent en même temps
Ligne de base: 2-5% désabonnement par mois • The best SaaS get 1.5% - 3% a month. They have multiple Ph.D’s on the job. • Get below a 5% monthly churn rate before you know you’ve got a business that’s ready to grow (Mark MacLeod) and around 2% before you really step on the gas (David Skok) • Last-ditch appeals and reactivation can have a big impact. Facebook’s “don’t leave” reduces attrition by 7%.
Ligne de base:: Coût d’acquisition < 1/3 le valeur de l’usager • CLV is wrong. CAC Is probably wrong, too. • Time kills all plans: It’ll take a long time to find out whether your churn and revenue projections are right • Cashflow: You’re basically “loaning” the customer money between acquisition and CLV. • It keeps you honest: Limiting yourself to a CAC of only a third of your CLV will forces you to verify costs sooner. Vie de 20 mois $30/mois par usager L’usager vaut $600 $200 coût d’acquisition Dépense de 1/3
Ligne de base: 35% d’usagers mobiles engagées par la 90e journée Jour 1 100% Jour 30 54% Jour 60 43% Jour 90 35% October,2012studyof200,000appsbyFlurry Smartphone Tablet Usages par semaine 12.9 fois 9.5 fois Durée d’usage 4.1 minutes 8.2 minutes In recent years, third-month engagement has increased from 25% to 35%, but frequency of use has dropped from 6.7 uses a week to 3.7 a week.
Ça varie beaucoup.
Le cycle Lean Analytics
Changer la ligne Pivoter ou abandonner Essayer de nouveau Grand succes! Avons-nous franchis la ligne? Regarder les résultats Faire des changements en production Concevoir un test Creer une hypothèse Avec des données: trouver un point commun Sans données: faire une conjecture Trouver une amélioration possible Etablir la ligne de base Choisir une métrique
Les hôtes Airbnb obtiennent-ils plus de locations si leur proprietées présentent des photos professionnelles?
Hypothèse La photographie professionnelle aide AirBnB Produit minimum (MVP) 20 photographes se faisant passer pour les employés Mesurer les résultats Comparez les annonces photographiés professionellement aux autres Decider d’agir Lancer la photographie professionelle pour tous les hôtes
5,000 proprietés/mois en février 2012
Wô les moteurs!
Hypothèse La photographie professionnelle aide AirBnB Vraiment?
Changer la ligne Pivoter ou abandonner Essayer de nouveau Grand succes! Avons-nous franchis la ligne? Regarder les résultats Faites des changements en production Concevoir un test Creer une hypothèse Avec des données: trouver un point commun Sans données: faire une conjecture Trouver une amélioration possible Etablir la ligne de base Choisir une métrique
“Hé, les maisons qui se louent bien ont de belles photos” C'est peut-être l'appareil photo. "Ordinateur: Qu'est-ce que toutes les maisons très loués ont en commun?" L'appareil photo. Avec des données: trouver un point commun Sans données: faire une conjecture
Circle of Moms: Engagement insuffisant • Too few people were actually using the product • Less than 20% of any circles had any activity after their initial creation • A few million monthly uniques from 10M registered users, but no sustained traction • They found moms were far more engaged • Their messages to one another were on average 50% longer • They were 115% more likely to attach a picture to a post they wrote • They were 110% more likely to engage in a threaded (i.e. deep) conversation • Circle owners’ friends were 50% more likely to engage with the circle • They were 75% more likely to click on Facebook notifications • They were 180% more likely to click on Facebook news feed items • They were 60% more likely to accept invitations to the app • Pivoted to the new market, including a name change • By late 2009, 4.5M users and strong engagement • Sold to Sugar, inc. in early 2012
Landing page design A/B testing Cohort analysis General analytics URL shortening Funnel analytics Influencer Marketing Publisher analytics SaaS analytics Gaming analytics User interaction Customer satisfaction KPI dashboardsUser segmentation User analytics Spying on users
C’est plus difficile quand vous êtes grand.
Comme startup, votre objectif est de découvrir un modèle d'affaires durable et reproductible. Quand vous êtes une grande organisation, votre but est de la perpétuer.
VOUS AVEZ TOUT À PERDRE
De plus, c'est pas populaire.
VOUS ÊTES ICI
VOUS ÊTES ICI MAXIMUM LOCALE OPTIMISATION DES MESURES ACTUELS
VOUS ÊTES ICI MAXIMUM GLOBALE L'INNOVATION AVEC DE NOUVELLES RÈGLES
VOUS ÊTES ICI PERSONNE N'AIME DESCENDRE
ALORS, COMMENT GAGNER FIXER GOUVERNER PROSPÉRER INNOVER? AMÉLIORER PERTURBER CROÎTRE SURVIVRE
http://www.flickr.com/photos/puuikibeach/4789015423 http://www.flickr.com/photos/elcapitanbsc/3936927326 Coût des essais: fuyant Coût d’attention: propulsant
QUE FONT LES GRANDES ORGANISATIONS POUR BIEN INNOVER?
GET UNCOMFORTABLY CLOSE RAPPROCHEZ-VOUS INCONFORTABLEMENT
“DES ÉTUDES DES HOMMES MONTRENT QUE 1 SUR 8 ONT UN PROBLÈME D'INCONTINENCE; LES FEMMES, 1 SUR 3. MAIS MES STATISTIQUES COTÉ SERVEUR MONTRENT UN NOMBRE IMPORTANT D'HOMMES* QUI ME DONNE À PENSER QUE LE MARCHÉ MASCULIN EST TOTALEMENT SOUS-SERVI” *(OR IT COULD BE MEN LOOKING ON BEHALF OF WOMEN)
REFRAME THE PROBLEM RECADRER LA PROBLÈME
POUR CHAQUE TRANCHE DE 100 $, METLIFE RÉINVESTIT 66 $ DANS DE NOUVEAUX PROJETS. FOR EVERY $100 THEY CUT, METLIFE REINVESTS $66 IN NEW PROJECTS.
EVERYTHING IS A STUDY FIRST TOUT COMMENCE COMME UNE ÉTUDE
ENCADRER LE PROJET COMME UN EXERCICE D'APPRENTISSAGE; LA CRÉATION DE PRODUITS EST PRESQU’UN ACCIDENT. http://www.flickr.com/photos/creative_tools/8544475139
USE DATA TO MAKE PEOPLE WANT DATA UTILISER LES DONNÉES POUR QUE LES GENS EN VEULENT
DÉMARRER VOS PROPRES PROJETS.
BUILD EXPERIMENTS INTO EVERYTHING http://www.flickr.com/photos/mpeterke/3546334679/ TOUT EST UN ESSAI
DE NOMBREUX MOYENS DE RECUEILLIR DES DONNÉES
GET ON THE SHELF
PLAN THE BABY STEPS CIBLEZ LES PREMIERS PAS
Netflix
Tesla http://www.hdwallpapersinn.com/wp-content/uploads/2012/12/600-tesla.jpg
La limite de 140 caractères de Twitter n'est pas arbitraire. Il est limité par SMS (160 caractères) et le nom d'utilisateur (20 caractères.) http://i.i.cbsi.com/cnwk.1d/i/tim/2011/11/18/ sms_screen_twitter_activity_stream_270x405.png
UNDERSTAND CONSTRAINTS COMPRENEZ LES CONTRAINTES
EMBRACE THE HARSH LIGHT OF DATA EMBRASSEZ L’ÉCLAIRAGE PUISSANT DES DONNÉES
Arbitron, données, et pourquoi la musique de radio est tellement moche.
0 15 30 2007 2012 Nombres de fois qu’une chanson en “répétition fréquente” est joué chaque jour Chaque 4h Chaque 55m
USE PROXY DATA (JUST BE CAREFUL) UTILISEZ LES DONNÉES DES ALENTOURS (MAIS SOYEZ PRUDENTS)
D’après les données, Oakland Hills est un foyer de criminalité. http://www.flickr.com/photos/oaklandlocal/6060462047
BE SUBVERSIVE SOYEZ SUBVERSIF
http://www.flickr.com/photos/bootbearwdc/1243690099/
Conclusions.
“A subjective degree of belief should rationally change to account for evidence.” (AKA Bayes’ Theorem.) “Une croyance subjective doit être modifiée rationnellement pour tenir compte des nouvelles preuves.”
Pic by Twodolla on Flickr. http://www.flickr.com/photos/twodolla/3168857844
ARCHIMEDES SE BAIGNAIT AUPARAVANT
Autrefois, le leader persuadait les autres d’agir quand les données manquaient. Once, a leader convinced others to act in the absence of information.
Aujourd’hui, le leader c’est celui qui sait quelles questions poser. Today, the leader is the person who knows what questions to ask.
Alistair Croll acroll@gmail.com @acroll Ben Yoskovitz byosko@gmail.com @byosko

Contenu connexe

PDF
Lean Analytics, version française—from Web A Québec 2014
parAlistair Croll
 
PDF
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...
parAQT-presentations
 
PDF
Growth hacking @ Sup de Pub — part 1
parMaxime Pico
 
PPT
CLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
parAlain Fortier
 
PPTX
Introduction au Web Analytics - APCM - 23 avril_2010
parJacques Warren
 
PDF
Valtech - DOs and DON'Ts of Social Analytics
parValtech
 
PDF
Barometre social selling_2018
parEmma Bellantonio Goncalves ✔
 
PDF
Email Hacking : Comment faire de l'e-mail votre meilleur outil pour engager v...
parTheFamily
 
Lean Analytics, version française—from Web A Québec 2014
parAlistair Croll
 
Web Analytics : L’importance de la collecte et de l’analyse de données pour v...
parAQT-presentations
 
Growth hacking @ Sup de Pub — part 1
parMaxime Pico
 
CLICCC 2011 - Dring, Clique Et Briques - Alain Fortier
parAlain Fortier
 
Introduction au Web Analytics - APCM - 23 avril_2010
parJacques Warren
 
Valtech - DOs and DON'Ts of Social Analytics
parValtech
 
Barometre social selling_2018
parEmma Bellantonio Goncalves ✔
 
Email Hacking : Comment faire de l'e-mail votre meilleur outil pour engager v...
parTheFamily
 

Similaire à Lean analytics from Web A Quebec mars 2014

PDF
Le Growth Hacking: Optimisez votre croissance
parCleverToday
 
PPTX
Web Analytics: Optimiser sa performance web
parOSERESO
 
PDF
6 outils de Web analyse
parWSI France
 
PPTX
Web analytics
parPierre Lavoine Consulting
 
PPTX
Webinar #1 une stratégie data driven
parAlphalyr
 
PDF
Lean startup itescia 2015 16 - growth engine and MVPs
parGuillaume Warckol
 
PDF
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...
parParkour3
 
PDF
L'analytique web un outil stratégique pour entreprises
parWSI France
 
PDF
Atelier b1 indicateurs-performance-instantst2016-rhone
parRhône Tourisme - Département du Rhône
 
PDF
Growth hacking IIM
parKévin TONON
 
PDF
Google Analytics - Des bases actionnables en 45min - LEC Geneve 2019
parBruno Guyot
 
PPTX
Voyou! rends moi mon budget!
parAlban Gérôme
 
PPTX
User Stories ... What else ?
parChristophe Addinquy
 
PPT
Déjeuner études de marché 28 mars 2013
parPhilippe Dancause
 
PPTX
Introduction aux webanalytiques et KPIs
parMozalami SEO
 
PPTX
Agile BA - catalyseur, createur de valeur - BAFS 29 juin 2015 Geneve
parPyxis Technologies
 
PDF
Hec Talk - elCurator - How business analytics saved my startup
parChristopher Parola
 
PPT
Ceog 1 De La StratéGie à La Gestion De Projets
parProf. Jacques Folon (Ph.D)
 
PPTX
Optimal Ways - Conférence Ecommerce Paris 2016 - 10 points clés pour un vérit...
parNicolas Malo
 
PPT
Conférence Lean Analytics - Blend Web Mix 2013
parEmpirik
 
Le Growth Hacking: Optimisez votre croissance
parCleverToday
 
Web Analytics: Optimiser sa performance web
parOSERESO
 
6 outils de Web analyse
parWSI France
 
Web analytics
parPierre Lavoine Consulting
 
Webinar #1 une stratégie data driven
parAlphalyr
 
Lean startup itescia 2015 16 - growth engine and MVPs
parGuillaume Warckol
 
Parkour3- L’importance de la collecte et de l’analyse de données pour votre e...
parParkour3
 
L'analytique web un outil stratégique pour entreprises
parWSI France
 
Atelier b1 indicateurs-performance-instantst2016-rhone
parRhône Tourisme - Département du Rhône
 
Growth hacking IIM
parKévin TONON
 
Google Analytics - Des bases actionnables en 45min - LEC Geneve 2019
parBruno Guyot
 
Voyou! rends moi mon budget!
parAlban Gérôme
 
User Stories ... What else ?
parChristophe Addinquy
 
Déjeuner études de marché 28 mars 2013
parPhilippe Dancause
 
Introduction aux webanalytiques et KPIs
parMozalami SEO
 
Agile BA - catalyseur, createur de valeur - BAFS 29 juin 2015 Geneve
parPyxis Technologies
 
Hec Talk - elCurator - How business analytics saved my startup
parChristopher Parola
 
Ceog 1 De La StratéGie à La Gestion De Projets
parProf. Jacques Folon (Ph.D)
 
Optimal Ways - Conférence Ecommerce Paris 2016 - 10 points clés pour un vérit...
parNicolas Malo
 
Conférence Lean Analytics - Blend Web Mix 2013
parEmpirik
 

Plus de Lean Analytics

PDF
Slides from Growthcon 2014 Lean Analytics masterclass
parLean Analytics
 
PDF
Lean Analytics workshop (from Lean Startup Conf)
parLean Analytics
 
PDF
Lean Analytics workshop for Dublin City University, April 2014
parLean Analytics
 
PDF
Introduction to Lean Analytics for Lean Startup Circle SF
parLean Analytics
 
PDF
OnLab Japan introduction to Lean Analytics
parLean Analytics
 
PDF
Lean Analytics for Startups and Enterprises
parLean Analytics
 
PDF
Lean Analytics @ MicroConf
parLean Analytics
 
PDF
Understanding Lean Analytics (and how analytics helps businesses win)
parLean Analytics
 
PDF
Startup metrics toronto March 19
parLean Analytics
 
PDF
Croll lean analytics workshop (3h) - lean ux nyc april 2014
parLean Analytics
 
PDF
Lean Analytics for Intrapreneurs (Lean Startup Conf 2013)
parLean Analytics
 
PPT
Lean analytics: Five lessons beyond the basics
parLean Analytics
 
PDF
Slides for the day-long Lean Analytics workshop at the 2014 Lean Startup conf...
parLean Analytics
 
PDF
Melbourne Business School - mba talk october 14 - croll - 40m - lean analytics
parLean Analytics
 
PDF
Slides from New Media Manitoba Lean Analytics workshop, June 2015
parLean Analytics
 
PDF
Lean Analytics for Nikkei BP
parLean Analytics
 
PPT
7 Myths of Lean and How Analytics Can Help
parLean Analytics
 
PDF
Big data tokyo (extended version)
parLean Analytics
 
PDF
Making Sense of the Numbers (Lean Analytics)
parLean Analytics
 
PDF
Lean Analytics and Local Government - Alistair Croll - Code for America
parLean Analytics
 
Slides from Growthcon 2014 Lean Analytics masterclass
parLean Analytics
 
Lean Analytics workshop (from Lean Startup Conf)
parLean Analytics
 
Lean Analytics workshop for Dublin City University, April 2014
parLean Analytics
 
Introduction to Lean Analytics for Lean Startup Circle SF
parLean Analytics
 
OnLab Japan introduction to Lean Analytics
parLean Analytics
 
Lean Analytics for Startups and Enterprises
parLean Analytics
 
Lean Analytics @ MicroConf
parLean Analytics
 
Understanding Lean Analytics (and how analytics helps businesses win)
parLean Analytics
 
Startup metrics toronto March 19
parLean Analytics
 
Croll lean analytics workshop (3h) - lean ux nyc april 2014
parLean Analytics
 
Lean Analytics for Intrapreneurs (Lean Startup Conf 2013)
parLean Analytics
 
Lean analytics: Five lessons beyond the basics
parLean Analytics
 
Slides for the day-long Lean Analytics workshop at the 2014 Lean Startup conf...
parLean Analytics
 
Melbourne Business School - mba talk october 14 - croll - 40m - lean analytics
parLean Analytics
 
Slides from New Media Manitoba Lean Analytics workshop, June 2015
parLean Analytics
 
Lean Analytics for Nikkei BP
parLean Analytics
 
7 Myths of Lean and How Analytics Can Help
parLean Analytics
 
Big data tokyo (extended version)
parLean Analytics
 
Making Sense of the Numbers (Lean Analytics)
parLean Analytics
 
Lean Analytics and Local Government - Alistair Croll - Code for America
parLean Analytics
 

Lean analytics from Web A Quebec mars 2014

  • 1.
    Lean Analytics Utiliser lesdonnées pour créer un meilleur startup plus rapidement. Web à Québec Mars 2014 @acroll
  • 2.
  • 3.
    0 5 1015 1 4 0 1 0 1 14 4 1 13 7 0 0 2Petite entreprise en démarrage sans financement Small, unfunded startup Compagnie en premier développement ("early-stage") avec capital d'amorçage Early-stage company with seed funding Compagnie en croissance, avec financement, sans revenus rowing, funded, pre-revenue company Entreprise en démarrage avec revenus et clients Compagnie privée, mais pas en démarrage Compagnie publique Public company Éducation (peu importe le niveau) Education (school, university) Gouvernement et agences (Ministères et organismes) Organisation à but non lucratif ou non gouvernementale Nonprofit or NGO Journaliste/média d'information/blogueur Reporter, news media, blogger Analyste ou chercheur Analyst or researcher Investisseur, capital de risque ou financement providentiel (Angel funding) Investor, VC, or angel Étudiant Student Autre Other
  • 5.
    Ne vendez pasce que vous faites. Faites ce que vous pouvez vendre. Kevin Costner est un entrepreneur minable.
  • 6.
    Au cœur du Leanest l’itération.
  • 7.
    On raconte tous debeaux mensonges.
  • 8.
    La plupart desstartup ne savent pas ce qu'ils vont être quand ils grandissent. Hotmail was a database company Flickr was going to be an MMO Twitter was a podcasting company Autodesk made desktop automation Paypal first built for Palmpilots Freshbooks was invoicing for a web design firm Wikipedia was to be written by experts only Mitel was a lawnmower company
  • 9.
    Son propre idéeest toujours la meilleure—oui? On adore créer des choses C'est là que tout s'écroule. Pas de données, pas d’apprentissage.
  • 10.
  • 11.
    Analytics is themeasurement of movement towards your business goals. L’analytique, c’est la mesure du mouvement vers vos objectifs.
  • 12.
    In a startup,the purpose of analytics is to iterate to product/market fit before the money runs out. Dans un startup, le but de l’analyse est d'itérer au produit / marché soutenable pendant qu’il vous reste de l’argent.
  • 13.
    J’ai deux enfants. Aumoins une d’eux est une fille.
  • 14.
    Quelle est lachance que l’autre soit un garçon?
  • 15.
  • 16.
    2 de 3(66%) sont des garçons. FG FF GF
  • 17.
  • 18.
    Un bon indicateurest... Comprenable If you’re busy explaining the data, you won’t be busy acting on it. Comparable Comparison is context. Un taux ou une fréquence The only way to measure change and roll up the tension between two metrics (MPH) Change votre comportement If it won’t change your behavior it is a bad metric.
  • 19.
    La règle la plus simple. mauvaise métrique. Sielle ne change pas votre comportement, c’est une h"p://www.flickr.com/photos/circasassy/7858155676/
  • 20.
    Qualitatif Unstructured, anecdotal, revealing, hardto aggregate, often too positive & reassuring. Chaud et imprécis. Quantitatif Numbers and stats. Hard facts, less insight, easier to analyze; often sour and disappointing. Froid et dur.
  • 21.
    Explorateur Speculative. Tries tofind unexpected or interesting insights. Source of unfair advantages. Capitvant. Déclarante Predictable. Keeps you abreast of the normal, day-to-day operations. Can be managed by exception. Nécessaire.
  • 22.
    MaiAvrilMarFev Trancher les données Jan 0 5,000 Usagersactifs Cohorte: Comparisonof similar groups along a timeline. (this is the April cohort) Test A/B Changing one thing (i.e. color) and measuring the result (i.e. revenue.) Analyse multivariée Changing several things at once to see which correlates with a result. ☀ ☁ ☀ ☁ Segment: Cross-sectional comparison of all people divided by some attribute (age, gender, etc.) ☀ ☁
  • 23.
    Lequel de cesdeux sociétés a plus de succes?
  • 24.
      Janvier FévrierMars Avril Mai Rev/usager $5.00 $4.50 $4.33 $4.25 $4.50Cette entreprise agrandit-il? Cohort 1 2 3 4 5 Janvier Février Mars Avril Mai $5 $3 $2 $1 $0.5 $6 $4 $2 $1 $7 $6 $5   $8 $7       $9 Et celcui-çi?
  • 25.
    Cohorte 1 23 4 5 Janvier Février Mars Avril Mai Moyens $5 $3 $2 $1 $0.5 $6 $4 $2 $1   $7 $6 $5     $8 $7       $9         $7 $5 $3 $1 $0.5 Les mêmes données vus par cohorte
  • 26.
    De retard Historical. Showsyou how you’re doing; reports the news. Example: sales. Explique le passé. D’en tête Forward-looking. Number today that predicts tomorrow; reports the news. Example: pipeline. Predit la futur.
  • 27.
    A Facebook userreaching 7 friends within 10 days of signing up (Chamath Palihapitiya) If someone comes back to Zynga a day after signing up for a game, they’ll probably become an engaged, paying user (Nabeel Hyatt) A Dropbox user who puts at least one file in one folder on one device (ChenLi Wang) Twitter user following a certain number of people, and a certain percentage of those people following the user back (Josh Elman) A LinkedIn user getting to X connections in Y days (Elliot Schmukler) Quelques examples (From the 2012 Growth Hacking conference. http://growthhackersconference.com/)
  • 28.
    Donc, il faut parlerde corrélation.
  • 29.
    1 10 100 1000 10000 Ice cream consumptionDrownings Jan Feb Mar Apr May Jun Jul Aug Sept Oct Nov Dec
  • 30.
    Corrélée Two variables thatare related (but may be dependent on something else.) La crème glacée et la noyade. Causée An independent variable that directly impacts a dependent one. L’été et la noyade.
  • 31.
    Un métrique d’entête, causale, est une surpuissance. h"p://www.flickr.com/photos/bloke_with_camera/401812833/sizes/o/in/photostream/
  • 32.
    Hacker la croissance,démystifier Trouvez la correlation Verifiez la causalité Optimiser l’élement causal Choisissez la métrique à changer
  • 33.
    Est-ce qu’une actionsociale (Like, RT, upvote) predis un don? http://blog.justgiving.com/nine-reasons-why-social-and-mobile-are-the-future-of-fundraising/
  • 34.
    L’usage mobile lepredit-il? http://blog.justgiving.com/nine-reasons-why-social-and-mobile-are-the-future-of-fundraising/
  • 35.
    Pourquoi le spamNigérian est si mal écrit?
  • 36.
    Aunshul Rege ofRutgers University, USA in 2009 Experienced scammers expect a “strike rate” of 1 or 2 replies per 1,000 messages emailed; they expect to land 2 or 3 “Mugu” (fools) each week. One scammer boasted “When you get a reply it’s 70% sure you’ll get the money” “By sending an email that repels all but the most gullible,” says [Microsoft Researcher Corman] Herley, “the scammer gets the most promising marks to self-select, and tilts the true to false positive ratio in his favor.” 1000 courriels 1-2 réponses 1 imbécile et son argent, bientôt séparés Mal-écrit (0.1% conversion) Usagers crédules (70% conversion) 1000 courriels 100 réponses 1 imbécile et son argent, bientôt séparés Bien écrit (10% conversion) Usagers incrédules (.07% conversion) Ce serait terriblement inefficace puisque ça prendrait des humains.
  • 37.
    Le mot “Nigeria”est la meilleure façon d'identifier des usagers crédules et prometteuses.
  • 38.
    Les spammeurs nigérians comprennentvraiment leur marché. Ils se méfient des metriques de vanité.
  • 39.
    Le système LeanAnalytics.
  • 40.
    Les trois moteursde croissance d’Eric Ries Viralité Que les gens invittent leurs amis. Combien ils disent, à quelle vitesse ils leur disent. Prix Que les visiteurs dépensent de l’argent. Les clients valent plus qu’ils coûtent. Fidélisation Que les gens reviennent. Approche Obtenir des clients plus vite que vous les perdez. Math
  • 41.
    Les mesures depirates de Dave Acquisition How do your users become aware of you? SEO, SEM, widgets, email, PR, campaigns, blogs ... Activation Do drive-by visitors subscribe, use, etc? Features, design, tone, compensation, affirmation ... Rétention Does a one-time user become engaged? Notifications, alerts, reminders, emails, updates... Revenu Do you make money from user activity? Transactions, clicks, subscriptions, DLC, analytics... Renvoi Do users promote your product? Email, widgets, campaigns, likes, RTs, affiliates...
  • 42.
    Étape EMPATHIE J'ai trouvé unbesoin réel et non-comblé d’un marché atteignable. FIDÉLITÉ J'ai compris comment résoudre le problème d'une manière qu’ils continueront d’utiliser et de payer. VIRALITÉ Je peut les convaincre de promouvoir mon produit ou service a leurs amis. REVENU La croissance de revenu me permet d’agrandir organiquement et artificiellement. ÉCHELLE J'ai trouvé un modèle d’entreprise durable avec de bonnes marges dans un écosystème sain. Barrière à franchir Lescinqétapes
  • 43.
    Six modèles debusiness E-commerce SaaS Medias Logiciel mobile Contenu généré par usagers Marché biface Votre entreprise
  • 44.
    Customer Acquisition Cost paiddirect search wom inherent virality VISITOR Freemium/trial offer Enrollment User Disengaged User Cancel Freemium churn Engaged User Free user disengagement Reactivate Cancel Trial abandonment rate Invite Others Paying Customer Reactivation rate Paid conversion FORMER USERS User Lifetime Value Reactivate FORMER CUSTOMERS Customer Lifetime Value Viral coefficient Viral rate Resolution Support data Account Cancelled Billing Info Exp. Paid Churn Rate Tiering Capacity Limit Upselling rate Upselling Disengaged DissatisfiedTrial Over
  • 45.
    Modèle + Étape= La métrique dominante Métrique dominante Votre modèle E-Com SaaS Mobile Biface Media CGU Empathie Fidélité Viralité Revenu Échelle Votreétape
  • 46.
  • 47.
  • 48.
    Dans un startup, c’estdifficile de focuser.
  • 49.
    Avoir une seulemétrique aborde ce problème.
  • 50.
  • 51.
    Les métriques, c’est des“squeeze toys.” http://www.flickr.com/photos/connortarter/4791605202/
  • 52.
    Empathy Stickiness Virality Revenue Scale E- commerce SaaS Media Mobile app User-gen content 2-sided market Interviews; qualitativeresults; quantitative scoring; surveys Loyalty, conversion CAC, shares, reactivation Transaction, CLV Affiliates, white-label Engagement, churn Inherent virality, CAC Upselling, CAC, CLV API, magic #, mktplace Content, spam Invites, sharing Ads, donations Analytics, user data Inventory, listings SEM, sharing Transactions, commission Other verticals (Money from transactions) Downloads, churn, virality WoM, app ratings, CAC CLV, ARPDAU Spinoffs, publishers (Money from active users) Traffic, visits, returns Content virality, SEM CPE, affiliate %, eyeballs Syndication, licenses (Money from ad clicks)
  • 53.
  • 54.
    Dessiner une ligneà franchir.
  • 55.
    Une entreprise perdle quart de ses clients chaque année. Est-ce bon, ou mauvais?
  • 56.
    Ne sachant pasle “normal” vous fait faire des conneries.
  • 57.
    Ligne de base: 5-7%croissance/semaine “A good growth rate during YC is 5-7% a week,” he says. “If you can hit 10% a week you're doing exceptionally well. If you can only manage 1%, it's a sign you haven't yet figured out what you're doing.” At revenue stage, measure growth in revenue. Before that, measure growth in active users. Paul Graham, Y Combinator • Are there enough people who really care enough to sustain a 5% growth rate? • Don’t strive for a 5% growth at the expense of really understanding your customers and building a meaningful solution • Once you’re a pre-revenue startup at or near product/market fit, you should have 5% growth of active users each week • Once you’re generating revenues, they should grow at 5% a week
  • 58.
    Ligne de base: 10%visiteurs engagées/jour Fred Wilson’s social ratios 30% d’usagers par mois l’utilisent 10% d’usagers par jour l’utilisent 1% d’usagers l’utilisent en même temps
  • 59.
    Ligne de base: 2-5%désabonnement par mois • The best SaaS get 1.5% - 3% a month. They have multiple Ph.D’s on the job. • Get below a 5% monthly churn rate before you know you’ve got a business that’s ready to grow (Mark MacLeod) and around 2% before you really step on the gas (David Skok) • Last-ditch appeals and reactivation can have a big impact. Facebook’s “don’t leave” reduces attrition by 7%.
  • 60.
    Ligne de base::Coût d’acquisition < 1/3 le valeur de l’usager • CLV is wrong. CAC Is probably wrong, too. • Time kills all plans: It’ll take a long time to find out whether your churn and revenue projections are right • Cashflow: You’re basically “loaning” the customer money between acquisition and CLV. • It keeps you honest: Limiting yourself to a CAC of only a third of your CLV will forces you to verify costs sooner. Vie de 20 mois $30/mois par usager L’usager vaut $600 $200 coût d’acquisition Dépense de 1/3
  • 61.
    Ligne de base:35% d’usagers mobiles engagées par la 90e journée Jour 1 100% Jour 30 54% Jour 60 43% Jour 90 35% October,2012studyof200,000appsbyFlurry Smartphone Tablet Usages par semaine 12.9 fois 9.5 fois Durée d’usage 4.1 minutes 8.2 minutes In recent years, third-month engagement has increased from 25% to 35%, but frequency of use has dropped from 6.7 uses a week to 3.7 a week.
  • 62.
  • 63.
    Le cycle LeanAnalytics
  • 64.
    Changer la ligne Pivoterou abandonner Essayer de nouveau Grand succes! Avons-nous franchis la ligne? Regarder les résultats Faire des changements en production Concevoir un test Creer une hypothèse Avec des données: trouver un point commun Sans données: faire une conjecture Trouver une amélioration possible Etablir la ligne de base Choisir une métrique
  • 65.
    Les hôtes Airbnb obtiennent-ilsplus de locations si leur proprietées présentent des photos professionnelles?
  • 66.
    Hypothèse La photographie professionnelleaide AirBnB Produit minimum (MVP) 20 photographes se faisant passer pour les employés Mesurer les résultats Comparez les annonces photographiés professionellement aux autres Decider d’agir Lancer la photographie professionelle pour tous les hôtes
  • 67.
  • 68.
  • 69.
  • 70.
    Changer la ligne Pivoterou abandonner Essayer de nouveau Grand succes! Avons-nous franchis la ligne? Regarder les résultats Faites des changements en production Concevoir un test Creer une hypothèse Avec des données: trouver un point commun Sans données: faire une conjecture Trouver une amélioration possible Etablir la ligne de base Choisir une métrique
  • 71.
    “Hé, les maisons quise louent bien ont de belles photos” C'est peut-être l'appareil photo. "Ordinateur: Qu'est-ce que toutes les maisons très loués ont en commun?" L'appareil photo. Avec des données: trouver un point commun Sans données: faire une conjecture
  • 72.
    Circle of Moms:Engagement insuffisant • Too few people were actually using the product • Less than 20% of any circles had any activity after their initial creation • A few million monthly uniques from 10M registered users, but no sustained traction • They found moms were far more engaged • Their messages to one another were on average 50% longer • They were 115% more likely to attach a picture to a post they wrote • They were 110% more likely to engage in a threaded (i.e. deep) conversation • Circle owners’ friends were 50% more likely to engage with the circle • They were 75% more likely to click on Facebook notifications • They were 180% more likely to click on Facebook news feed items • They were 60% more likely to accept invitations to the app • Pivoted to the new market, including a name change • By late 2009, 4.5M users and strong engagement • Sold to Sugar, inc. in early 2012
  • 73.
    Landing page designA/B testing Cohort analysis General analytics URL shortening Funnel analytics Influencer Marketing Publisher analytics SaaS analytics Gaming analytics User interaction Customer satisfaction KPI dashboardsUser segmentation User analytics Spying on users
  • 74.
  • 75.
    Comme startup, votreobjectif est de découvrir un modèle d'affaires durable et reproductible. Quand vous êtes une grande organisation, votre but est de la perpétuer.
  • 76.
    VOUS AVEZ TOUTÀ PERDRE
  • 77.
    De plus, c'estpas populaire.
  • 78.
  • 79.
  • 80.
  • 81.
  • 82.
  • 83.
  • 84.
    QUE FONT LESGRANDES ORGANISATIONS POUR BIEN INNOVER?
  • 85.
  • 86.
    “DES ÉTUDES DESHOMMES MONTRENT QUE 1 SUR 8 ONT UN PROBLÈME D'INCONTINENCE; LES FEMMES, 1 SUR 3. MAIS MES STATISTIQUES COTÉ SERVEUR MONTRENT UN NOMBRE IMPORTANT D'HOMMES* QUI ME DONNE À PENSER QUE LE MARCHÉ MASCULIN EST TOTALEMENT SOUS-SERVI” *(OR IT COULD BE MEN LOOKING ON BEHALF OF WOMEN)
  • 87.
  • 88.
    POUR CHAQUE TRANCHEDE 100 $, METLIFE RÉINVESTIT 66 $ DANS DE NOUVEAUX PROJETS. FOR EVERY $100 THEY CUT, METLIFE REINVESTS $66 IN NEW PROJECTS.
  • 90.
    EVERYTHING IS ASTUDY FIRST TOUT COMMENCE COMME UNE ÉTUDE
  • 91.
    ENCADRER LE PROJET COMMEUN EXERCICE D'APPRENTISSAGE; LA CRÉATION DE PRODUITS EST PRESQU’UN ACCIDENT. http://www.flickr.com/photos/creative_tools/8544475139
  • 92.
    USE DATA TOMAKE PEOPLE WANT DATA UTILISER LES DONNÉES POUR QUE LES GENS EN VEULENT
  • 93.
  • 94.
  • 95.
  • 96.
  • 97.
    PLAN THE BABYSTEPS CIBLEZ LES PREMIERS PAS
  • 98.
  • 99.
  • 100.
    La limite de140 caractères de Twitter n'est pas arbitraire. Il est limité par SMS (160 caractères) et le nom d'utilisateur (20 caractères.) http://i.i.cbsi.com/cnwk.1d/i/tim/2011/11/18/ sms_screen_twitter_activity_stream_270x405.png
  • 101.
  • 103.
    EMBRACE THE HARSHLIGHT OF DATA EMBRASSEZ L’ÉCLAIRAGE PUISSANT DES DONNÉES
  • 104.
    Arbitron, données, etpourquoi la musique de radio est tellement moche.
  • 105.
    0 15 30 2007 2012 Nombres defois qu’une chanson en “répétition fréquente” est joué chaque jour Chaque 4h Chaque 55m
  • 106.
    USE PROXY DATA(JUST BE CAREFUL) UTILISEZ LES DONNÉES DES ALENTOURS (MAIS SOYEZ PRUDENTS)
  • 107.
    D’après les données, OaklandHills est un foyer de criminalité. http://www.flickr.com/photos/oaklandlocal/6060462047
  • 109.
  • 110.
  • 111.
  • 112.
    “A subjective degreeof belief should rationally change to account for evidence.” (AKA Bayes’ Theorem.) “Une croyance subjective doit être modifiée rationnellement pour tenir compte des nouvelles preuves.”
  • 113.
    Pic by Twodollaon Flickr. http://www.flickr.com/photos/twodolla/3168857844
  • 114.
  • 115.
    Autrefois, le leaderpersuadait les autres d’agir quand les données manquaient. Once, a leader convinced others to act in the absence of information.
  • 116.
    Aujourd’hui, le leaderc’est celui qui sait quelles questions poser. Today, the leader is the person who knows what questions to ask.
  • 117.