独立主办方如何用数据让敏捷实验产生持久价值——Indy Summit 圆桌讨论的思考

作者：Mark Parsons，总监 Events Intelligence

在最近的 Indy Summit 上，我主持了一场圆桌讨论，话题是独立主办方在敏捷性与规模之间的权衡。讨论既展现了自由尝试的空间，也展现了这种自由的代价：选择更多、复杂性更高，以及事情更容易出问题所带来的心理负担。几位主办方分享了他们认为在其他所有权模式下根本不可能开展的举措案例。正是敏捷性帮助他们找到了新市场，并改进了其产品与所服务社区之间的契合度。

这场讨论也让我思考：在这一切尝试之后，什么能够留存下来。当我们尝试新事物时，企业是变得更有洞察，还是仅仅变得更忙碌？独立主办方可以在周二想到一个点子，到周五就去验证它——当市场正在变化、或一个成熟展会忽视了其社区的一部分时，这一点尤为重要。但以我的经验来看，一个行动迅速却不审视结果的企业，同样会非常高效地重复犯同样的错误。

设计实验

我认为，这就把数据置于我们如何设计实验的核心。在尝试之前，我们应该清楚自己要做什么决策、对什么不确定、以及什么样的证据会改变我们的看法。这就形成一个学习闭环：提出问题、进行测试、获得反馈，然后带着更充分的信息进行下一次尝试。持久的价值来自于积累能够改进我们判断的证据，让每一次实验都为下一次提供更好的起点。

设想一位主办方听说采购总监们希望与同行进行更有用的交流。这提示了一种客户需求，但商业上的问题在于：是否有足够多的总监愿意足够频繁地支付足够的费用，以支撑一个可循环的产品。一个小规模试点可以先测试他们是否愿意为这一提案投入时间。在发送邀请之前，团队要商定什么样的回应才足以支持一次付费的后续活动，以及愿意为弄清这一点投入多少时间和资金。

解读结果

假设团队邀请80位相关人员参加一次免费试点，收到20个确认，最终吸引14位参会者。这说明该特定产品对这一特定人群的吸引力。如果其中9人随后按预期价格付费参加另一场活动，我们就有更有力的需求证据。这一需求能否支撑一个可行的产品，仍取决于招募投入、交付成本和员工时间。如果填满会场依赖于创始人花两天时间去说服自己熟识的人，那也应纳入评估。

数据需要把产品、受众、回应和成本联系起来。我们应保留全部被接触的群体，包括未报名者，这样“14人参加”才有有意义的分母。记录邀请、价格、形式和时间，为解读他们的行为提供所需的背景。与参会者及拒绝邀请者的交谈，有助于解释数字所留下的不确定之处。不过这些都是很小的数字，因此我们的结论应保持暂定性。

下一次实验应针对对商业决策影响最大的那个不确定性。这可能意味着接触一个较陌生的观众群体、测试不同的价格，或调整形式以降低交付成本。在可行的情况下，尽量保持其他条件大体一致，结果会更容易解读。令人失望的反馈同样需要细致分析：它可能反映了主张薄弱、邀请不清晰或时机不佳。失败的价值在于，其证据能帮助我们决定该改变什么、或该在哪里停止投入。

在年度周期内进行测试

说实话，我认为一年一度的展会节奏让许多主办方（这是可以理解的）趋于谨慎。当一个重大机会一年只来一次，错误决策可能难有挽回余地。然而，更小的测试可以嵌入我们已经在做的营销触达和客户互动之中，让我们在投入大量精力之前先验证一个想法。我们的圆桌讨论清楚地表明，许多独立主办方已经在这样做了。关键纪律在于：为每次测试设定一个明确的问题，并为解答它所投入的资源设定上限，这样实验本身才不会成为又一种超负荷来源。

要让这一切落地，只需对现有系统做少量补充。我会从一个实验、一个负责人、一个决策日期以及一段简短说明（记录我们期望学到什么）开始。利用现有的 CRM 标签，将这一做法与客户反馈和商业结果关联起来，并把相关的邀请、成本和反馈信息一并保存在旁边。复盘时，把实际发生的情况与预期进行对比，并记录继续、调整或停止的决定。趁记忆还足够清晰、他人尚能理解时，把理由及其局限性一并记录下来。

把实验转化为数据资产

这正是实验可以成为数据资产的地方。一个数据库记录谁来过；一份关联的报价、反馈、成本与决策的历史，能帮助企业判断下一步该做什么。它的价值取决于同事们能否找到证据、理解其背景，并将其应用于相关决策。如果这些有用的知识只留在做过实验的那个人的脑子里，那么这些价值对企业来说大多仍然不可得。

规模会改变这类知识的经济性，因为探索出一种做法的成本可以不止一次地产生回报。一个行之有效的流程可以在多届展会中重复使用、 adapted 到相邻的社区，或传授给未参与原始实验的同事。但证据是附带条件的：一个对某个市场既有客户有效的形式，在别处可能需要另行测试。让这些条件保持可见，有助于下一个团队判断哪些内容可以合理复用。当我们既能迁移做法、又能迁移适配它所需的证据时，敏捷与规模就会相互促进。

当学习循环消失时

增长还会带来一种风险：流程得以延续，而学习循环却消失了。团队继承了形式，最初的假设逐渐淡忘，“我们一直是这么做的”成了足够的解释。记录某种做法所服务的客户需求，以及哪些仍属未知，能让同事们在市场变化时有一个质疑它的依据。值得规模化推广的知识，包括识别何时需要对熟悉的做法重新审视的能力。

实际的检验标准是：这条记录能否帮助下一个人做出更好的决策。如果记录它比做实验本身还费劲，就简化你收集的内容。主办方可以从一个完整的学习循环开始，逐步扩展，利用每一次尝试同时改进其证据和判断。你的下一个实验将帮助你做出什么决策，你又需要什么数据来做出这个决策？

本文《The data that makes agility count》最先发布于Exhibition News | The trade for shows.。