Chandra Narayanan：增长指标、数据分析与团队建设

Chandra Narayanan 说，团队应关注有意义的影响，而不只是忙碌活动。这位 Sundial 联合创始人与 Harry Stebbings 讨论在 PayPal、Facebook 和 Sequoia 的经验，包括增长指标、数据分析和招聘。

Narayanan 回忆，在 PayPal 工作时，高级领导者之间的冲突让他的工作变得困难，他因此想辞职。经理 Rohan 鼓励他在作决定前先解决问题。他说自己又留了六到九个月，改善局面后，在经理帮助下转到 Facebook。

Stebbings 质疑，解决困难局面是否总值得投入时间。Narayanan 将自己的经历描述为性格锻炼，并说这后来帮助他面对 Facebook 的挑战。他的个人经历并不意味着每个人都必须留在有害的工作环境中。

他回忆在 Facebook 提出一些领导者不愿听到的数据，并说同事在冲突中支持了他。他更广泛的教训是优先考虑影响：推动指标、影响产品决策或改善流程，而不只是完成大量活动。

他通过询问工作带来了什么变化，来区分忙碌和进展。在他看来，努力很重要，但重复活动可能进入平台期；学习并优先处理正确问题，可以在单位时间内产生更大影响。

在 Sequoia，他的数据团队负责寻找项目、尽调和帮助投资组合公司。他说优先级很重要：一份精简的强项目信息清单可能比数百条线索更有用；尽调也能在公司投入时间和资金之前发现拒绝交易的理由。

他回忆发现一家公司通过营销接触了大部分可触达市场，另一家公司的新客户群留存则低于较早客户群。Stebbings 指出，拒绝可能让投资人错过被忽视的赢家；Narayanan 认为避免不良投资也能节省投资人时间。这些是他的经验案例，不是通用拒绝规则。

Narayanan 称赞 Sequoia 的投资人、接触机会、技能多样性和协作决策。他介绍了会前传阅材料的方式，让参与者带着准备进入更深入的讨论。这一积极评价来自前员工。

在 Facebook，他学会建立既有高预期又关心人的团队。他称赞 Alex Schultz 和 Javier 关注人均影响，而不是单纯增加人数。小团队的例子来自他的回忆，并非受控比较。

他用市值除以假设的工程师人数，说明人均影响，并明确表示为演示使用了取整数字。这种计算是领导经验法则，不能作为单个工程师创造价值的因果测量。

他将增长定义为寻找可持续扩大产品市场契合的方法。北极星指标应与公司使命相连，并且是团队能够影响的东西；他以 Facebook 活跃用户目标和广告主增长为例。

产品或市场变化时，指标可能需要改变。他回忆说，移动设备让每日使用变得更普遍后，团队从月活跃用户转向日活跃用户的思路。团队也可能发现最初选择的指标本身就不合适。

他说，直觉和历史方法可能存在偏差，但数据同样依赖可能变化的假设。他倾向于在可能的情况下作出决定并迭代，而不是认为直觉或数据永远正确。

有用的假设会将指标变化与可能的解释联系起来：季节性、产品变化、营销、竞争或客户行为。Narayanan 说，分析师必须在数据和假设之间往返，检验其他解释，并意识到故事仍可能有误。

他回忆 PayPal 的一项欺诈假设：多个账户使用同一个 cookie 可能可疑。调查也发现合法家庭成员和网吧用户共享计算机。检验正面和反面案例帮助团队完善想法，而不是假设每次匹配都是欺诈。

并非每个假设都能用现有产品数据验证。例如，要了解广告主为何离开，可能需要调查和用户研究。他还回忆团队最终将使用时长上升与异常寒冷的天气联系起来；这是观察到的解释，而非受控因果研究。

他通常建议在找到产品市场契合后建立增长职能，因为增长应该扩大人们已经想要的价值。对消费产品而言，无需无限营销投入就能让用户反复使用可能是一个信号，但他说没有一种定义适合所有企业。

他区分产品市场契合、扩大这种契合、实现良好的单位经济模型，以及扩大该经济模型。免费产品可能吸引用户，却在收费后遭遇困难；一个阶段的成功不能保证下一个阶段成功。

对于初期增长工作，他认为一个人可能不够：设计、营销、分析、产品和工程需要共同协作。如果公司只能先招聘一人，他建议寻找能够组建必要团队的资深领导者。

他倾向于早期建立小型集中式增长团队，让成员在处理少数全公司机会时分享方法。随着公司成长，成员可以嵌入产品团队，最终转为分散模式。Stebbings 质疑所需预算；Narayanan 说，初期缩小范围可以保持团队精简。

提前招聘的程度取决于阶段。他回忆 Facebook 分析工作从计数和仪表盘，发展到实验和影响产品策略；如果过早只为最后一个阶段招聘，就无法满足当下的基础设施需求。增长更快的公司可能需要更早为未来招聘。

影响他人既需要可靠结论，也需要听众能够接受的表达方式。Narayanan 说，阻力可能来自不愿接受信息的领导者、证据不足、沟通不佳或偏见。他回忆自己会针对不同同事调整数据呈现方式。

他描述了创始人与数据的不同关系：有些人既懂数据又好奇，有些人愿意学习，也有人抵触或过度自信。他根据对象调整数据和叙事的多少，同时承认影响他人很困难，也并非总能成功。

他的招聘框架将一个人视为多种技能的组合，寻找非凡优势，同时避免其他方面存在重大短板。他希望同事热爱工作，彼此喜欢并相互学习，同时看到公司进步。Stebbings 指出，薪酬也能让人留在岗位；Narayanan 澄清，自己描述的是希望建立的团队环境。

在分析岗位上，他寻找能将商业问题拆解为技术和数据问题、分析证据、综合洞见并影响决策的人。他将核心分析归纳为两个问题：哪些地方与有用基准不同，以及“这有什么意义？”

他以德国支付转化率低于邻国的经历说明基准比较，并将其归因于缺少银行支付选项。自动字幕中的公司名称前后不一致，他也不确定所述改善幅度，因此这个例子应视为个案，而非经核实的因果估计。

“这有什么意义”的问题是在问某项变化对公司目标是否重大：影响 10 万名用户的机会可能值得不同于影响 200 人的优先级。这些数字只是示意，重要性取决于具体背景。

对于资深候选人，他尤其重视简化能力：能否将复杂问题拆成清晰部分？他请候选人阅读并概括一篇关于可持续增长的文章，随后讨论其推理过程，而不是把某一次面试回答当作最终结论。

他认为一种招聘错误是过度重视候选人当前水平或显赫履历，却忽略学习速度。他将两者称为平台高度和斜率。他偏好成长潜力是一种判断，并非对未来表现的保证。

他推测，长期形成的习惯可能让人随年龄增长更难改变，同时强调成长型心态在后来仍可能有价值。这是他的个人观点，不能证明年龄决定适应能力。

他介绍了自己从海洋学和计算工作转向风险管理、分析、风投及创办初创公司的经历。在美国和印度之间建立远程团队是一项新挑战，包括跨距离示范工作方式的困难。

从 Facebook 丰富的数据转向更早期的公司，需要更简单的框架。他描述如何将收入模型拆解为用户、使用时间和广告，并用不同业务类型的公式判断哪些数据重要。他说，这是在数据有限时进行推理的方法，而不是证据的替代品。

当有人表现困难时，Narayanan 会寻找技能差距、知识差距或价值观与文化不匹配。他说，调换岗位或团队有时会有帮助；管理者应诊断原因，而不是假设每个绩效问题都有同样的解决方案。

他认为绩效改进计划常常启动得太晚，管理者已经放弃希望。更早、更直接的反馈和支持可能给员工更有意义的改善机会。他也承认招聘流程可能漏掉重要差距，面试仍然存在不确定性。

他按擅长的情境将高管分组：扭转陷入困境的组织、改善尚可的组织，或让优秀组织更进一步。他认为人与公司需求匹配比显赫履历更重要；这些类别是经验法则，而非对个人能力的固定限制。

他回忆自己带着在 PayPal 形成的强烈观点来到 Facebook，并收到反馈说自己需要倾听并让同事一起参与。他的教训是，过去的经验可能让人在新组织中过度自信。

在快问快答中，他提醒创始人不要仅凭知名履历招聘。他介绍自己使用冥想，并回忆童年催眠和口吃的经历；这是个人故事，不是治疗效果证据或医疗建议。

他希望增长团队使用反向指标：例如 PayPal 的收入增长和欺诈防范可能朝不同方向拉动，因此团队应同时关注两种结果。单个指标改善可能掩盖有害的取舍。

Narayanan 说，增长比他最初想象的更难，因为人才、基础设施、优先级、领导支持和执行必须共同发挥作用。最后，他称赞 Mark Zuckerberg 将高层方向转化为详细策略和团队路线图的能力；这是前同事的评价。