From left to right 👉 myself, Omoju Miller, Amy Sample, Sarah O’Brien, Yuko Yamazaki, and Gayatree Ganu, the wonderful moderator of the panel discussion.

I had a great time today at ‘Women in Analytics’ conference at Facebook participating in the opening panel with the amazing analytics leaders. Here are some parts of the conversation that I want to share:

Q: What’s something interesting you’ve learned in your job that most people don’t know?

The most exciting thing for me in my job is to see teams building their products and businesses from zero and I don’t think that most people see so many ‘inception’ moments every single day. Laura Gonzalez-Estefani, founder & CEO of The Venture City, has started our company two years ago — there was nothing then! Now the company have invested in over 15 companies, accelerated over 20 companies, and we are raising the bar for the other investors by bringing operational knowledge to the teams and founders.

Q: What is one piece of practical advice you would give to someone starting out?

Patience. Things are always taking longer than you expect them to take. No matter how much the world might be telling you otherwise. You should put people over projects, focus on working with the people you really like, and have fun if possible every day at your job.

Q: What will be the biggest challenge for the generation of women after us?

There is still not enough women in leadership positions — we’re not going to see male CEOs at incumbents just stepping down and giving way to women leaders. The balance of power is not going to shift on its own. We need female founders as well as investors and community working together and supporting them on their journey.

I see more and more examples of women building companies. They are not being hired or promoted as CEOs. They come up with ideas, bring teams together, build companies from the ground up and grow into successful CEOs. There are plenty of role models out there: Katrina Lake of StitchFix, Audrey Gelman and Lauren Kassan who founded The Wing, Emily Weiss, founder of Glossier, Whitney Wolf, founder of Bumble. Some of those future successful founders are here today.

El crecimiento es, de alguna manera, como la magia: una palabra que engloba todo en la jerga tecnológica actual

La mayoría de empresas que se unen al Programa “Garden” de TheVentureCity quieren que las ayudemos a crear su equipo de crecimiento y siempre nos tomamos el tiempo necesario al principio del programa para comentar de qué se trata realmente el crecimiento y cómo encararlo. Debajo encontrarás las preguntas más frecuentes relacionadas con este tema. Esperamos que te aporten algunas ideas sobre cómo y por dónde empezar con el crecimiento de tu empresa.

¿Cómo enfocar el crecimiento de startups en fase inicial (early)?

En la mayoría de startups en fase inicial, el crecimiento debe empezar con el producto y un profundo conocimiento de cuál es el valor para el usuario que ofrece este producto. Todos los miembros de una startup en fase inicial forman parte del equipo de crecimiento. El crecimiento en esta fase es una mentalidad y no una función. Entender el valor para el usuario viene dado por la creación de hipótesis, probarlas, interpretar los resultados de las pruebas e iterar desde ese punto.

Desde el primer momento, el crecimiento empieza con la creación de prototipos: lanzar ideas, intentarlo y cometer errores de la forma más rápida posible con el objetivo de definir el valor central del producto. En la mayoría de empresas, el crecimiento se integra en el equipo de producto, pero solo se trabaja en áreas específicas del producto relacionadas con el crecimiento como pueden ser el registro, notificaciones o estrategia de correos electrónicos.

¿Cuándo puedo centrarme en el crecimiento relacionado con el “crecimiento en número de usuarios”?

Cuando sientas que has encontrado los primeros consumidores o usuarios que valoren el producto, es cuando podrás empezar a pensar en cómo atraer más usuarios a tu producto. A partir de este punto es cuando el marketing hace su primera aparición, pero tiene que ir a la par con un conjunto de tácticas de crecimiento. Lo más importante es que los usuarios reconozcan el valor principal del producto de forma más rápida definiendo tu “Aha Moment”: un conjunto de acciones que los nuevos usuarios de tu producto deben realizar para entender por qué necesitan tu producto.

¿Quién de mi equipo es el mejor posicionado para realizar pruebas de crecimiento?

Los mejores equipos de crecimiento en esta fase inicial son los product managers que a menudo son los mismos fundadores, analistas de datos y uno o dos ingenieros que tengan habilidades sólidas para convertirse en ingenieros de crecimiento. Este grupo quizá requiera un diseñador para algunas pruebas que quieran lanzar.

¿Qué cualidades debe tener un buen ingeniero de crecimiento?

Los ingenieros de crecimiento deben ser ingenieros full-stack, es decir, que tengan un perfil técnico muy completo (pueden realizar tareas de front-end, back-end y almacenamiento de datos) para llevar a cabo las pruebas de crecimiento.

Busca ingenieros que estén interesados y tengan competencias para entender el comportamiento de los usuarios. El crecimiento se basa en datos sobre el usuario y la realización de pequeñas modificaciones que generen un crecimiento incremental. Por esta razón, los ingenieros de crecimiento estarán contentos de lanzar un conjunto de pequeños cambios que mejorarán las vidas de los usuarios. Quizá este no sea la mejor tarea para un ingeniero que esté más interesado en las infraestructuras complejas que pueden llevar meses en ser creadas y sin impactar necesariamente a la experiencia del usuario ni del crecimiento.

Los datos son la base para generar crecimiento: buscarás a la persona que pueda definir hipótesis, llevar a cabo pruebas y extraer conclusiones de los resultados obtenidos. El equipo de ingenieros en fase inicial seguramente empezará a desarrollar un marco de experimentación y herramientas de A/B testing que también usarán otros equipos.

Los ingenieros de crecimiento también tienen que sentirse cómodos con el manejo de datos y crear tablas para ayudar al análisis de datos del equipo, hasta pueden llegar a realizar tareas de análisis ellos mismos al principio de todo.

Hemos publicado el Python-based toolkit que está diseñado especialmente para este equipo para que lo usen y lo adapten a su medida.

Además también encontrarás una guía detallada sobre cómo exportar datos de los servicios de terceros más populares de análisis de datos e intercambiarlos con los datos backend.

Esperamos que esta información sea útil para todos los ingenieros de Growth (crecimiento).

Cuando tu empresa vaya creciendo, necesitarás un equipo de ingenieros y analíticos de datos que se encargarán de las estadísticas, tablas e informes pero todo empieza por este par de ingenieros de crecimiento.

¿Cuáles son los siguientes pasos si ya tenemos un pequeño equipo de crecimiento realizando pruebas?

Si el equipo de crecimiento reducido tiene éxito en generar tracción sostenible relativa al crecimiento de ganancias o de usuarios, deberás empezar a pensar en cómo ir aumentándolos proporcionalmente. Ya estás preparado para empezar a crear equipos dedicados a tareas de crecimiento específicas. Algunos de los equipos que pueden desarrollarse de estos primeros experimentos con el crecimiento son los siguientes:

• El equipo de crecimiento de producto que trabajará en los principales flujos de crecimiento, especialmente los relacionados con nuevos usuarios, registros y comunicación con el usuario.
• El equipo de marketing de crecimiento que trabajen en aumentar y optimizar los costes en marketing
• El equipo de análisis de datos que trabaje en el análisis de producto y marketing, definiendo estadísticas y creando informes de esas estadísticas
• Equipo centrado en las herramientas internas como la infraestructura para A/B testing

Si tienes más dudas sobre cómo crear un equipo de crecimiento para tu empresa, dínoslo. Queremos resolver tus dudas.

¿Cómo empezar a crear un equipo de crecimiento para una startup en fase inicial? was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

Growth is a somewhat magic and all-encompassing word in current tech parlance. Most companies joining The Venture City ‘Garden’ program want us to help them build growth team and we always take time at the beginning of the program to discuss what growth is and how to approach it. Below are the most frequently asked questions on the topic — we hope it will give you some ideas where and how to start with growth.

How to approach growth in early stage startups?

In most early stage startups growth needs to start with the product and a deep understanding of the user value that the product brings. Everybody in early stage startup is on the growth team. Growth at that stage is a mindset, not a function. Understanding user value comes from coming up with hypotheses; testing them; interpreting the test results; and iterating from there. Early on, growth starts with prototyping: putting things out there, trying and failing as quickly as possible in an effort to define core product value. In most companies growth is part of the product team — it just gets to work on the specific part of product related to growth like onboarding, notifications, email strategy.

When can I focus on growth as in ‘growing the number of users?’

Once you feel that you have found your first customers or users that value your product, it’s time to start thinking about how to bring more of them to your product. It is at this point when marketing first comes into play, but it needs to be coupled with a set of growth tactics. Of particular importance is getting your users to recognize core value faster by defining your “Aha Moment” — a set of actions that the new users of your product need to take in order to understand why they need the product.

Who on my team is best positioned to work on growth experiments?

The best early growth teams include a product manager who is often one of the founders, data analyst and one or two engineers that have good foundational skills to become growth engineers. This group might need to borrow a designer for some of the experiments they want to launch.

What makes a good growth engineer?

Growth engineers are full-stack engineers — they can do front-end, back-end, or data storage work — whatever they need to run growth experiments. Look for the engineers who are interested in and empathetic about understanding user behavior. Growth is about insights and small changes that drive incremental growth, so growth engineer will be excited to launch a set of small changes that will make users’ lives easier, this might not be the right job for the engineer who interested in complex infrastructure work that might take months without necessarily impacting the user experience and moving the needle in terms of growth.

Data is the fundamental for running growth: you will be looking for the person who can define hypotheses, run experiments and draw conclusions from results. Your early growth engineering team will probably start building experimentation framework and A/B testing tools that the other teams will be using as well.

Growth engineers also need to be comfortable with wrangling data and building dashboards to support data analyst on the team — or even doing analytical work themselves at the very beginning. We have published a Python-based toolkit designed for this team to take and adapt as necessary as well as a detailed guide of how to export data from the most popular third party analytics services and stitch it with the backend data — we hope this work will be helpful for the growth engineers out there.

As your company gets bigger you will need dedicated data engineers and data analysts who will take over metrics, dashboards, and reporting but it all starts from these first couple of growth engineers.

Okay, we have a first small growth team running great experiments, what is next?

If this small growth team is successful in generating sustainable traction in terms of growing revenue or users, you need to start thinking about scaling it. You are now ready to start building dedicated teams focused on the specific growth tasks. Some teams that can grow from these first growth experiments:

• Product growth team that will work on core growth flows, especially new user on boarding and user communication
• Growth marketing team working on scaling and optimizing marketing spend
• Data analytics team that works on product and marketing analytics, defining metrics and building reporting for these metrics
• Team focused on internal tooling like A/B testing infrastructure

Please let us know if you have more questions about how to build a growth team for your company — curious to hear these questions!

Where to start with building a growth team at the early stage startup? was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

Escrevemos anteriormente sobre o Quick Ratio do crescimento de usuários como uma boa forma de entender a saúde do produto. Ouvimos feedback de diferentes times de produto com os quais trabalhamos de que eles gostam disso como uma métrica mas que gostaria de entender melhor como eles podem usá-la para a tomada de decisão. Então neste artigo iremos falar sobre como

• Olhar para o Quick Ratio de forma acumulada num dashboard de KPI para que você não tenha que esperar até o fim do mês
• Usar diferentes tamanhos de janelas para ver tendências de longo prazo e efeitos de sazonalidade do passado
• Comparar eficiência de crescimento nos segmentos importantes do seu negócio, sejam eles canais de marketing, áreas geográficas ou plataformas

Você irá se lembrar que o Quick Ratio de crescimento de usuário é um comparativo de dois períodos de tempo diferentes e de tamanho equivalente. Por exemplo, calcular um Quick Ratio mensal envolve somar os usuários novos e retornando em cada mês e dividir pelo número de usuários que não continuaram ativos (churn). O resultado é um gráfico mensal que se parece com o seguinte (fonte: dados internos TVC):

Usando o Quick Ratio Acumulado para Responsividade

Você irá se lembrar que o Quick Ratio de crescimento de usuário é um comparativo de dois períodos de tempo diferentes e de tamanho equivalente. Por exemplo, calcular um Quick Ratio mensal envolve somar os usuários novos e retornando em cada mês e dividir pelo número de usuários que não continuaram ativos (churn). O resultado é um gráfico mensal que se parece com o seguinte (fonte: dados internos TVC):

Você não precisa esperar até o fim do mês para fazer um Quick Ratio mensal. Para fazer com que seja uma métrica diária, compare os 28 dias mais recentes com os período anterior de 28 dias e faça o mesmo cálculo (novos+retornando)/churned. (Nota: nós preferimos usar 28 dias ao invés de 30 para se aproximar de um mês porque isso remove o efeito de ter mais dias de semana ou fim de semana). Um gráfico de Quick Ratio dos 28 dias acumulados para o mesmo produto e período de tempo que o gráfico anterior se parece com o seguinte:

Note que o Quick Ratio de 28 dias cai de 2,5 em 13 de maio para 1,3 em 31 de Maio. Ao acompanhar continuamente o Quick Ratio, este time de produto iria perceber o acentuado declive em eficiência de crescimento — principalmente por conta do aumento do churn — em quase tempo real e não teria que esperar até o fim de maio para ver a queda. Desenhar o Quick Ratio de 28 dias de forma diária nos ajuda a monitorar o pulso da eficiência de crescimento e endereçar rapidamente qualquer desacelerações em alguma das métricas mais importantes de uma startup.

Variando o tamanho da janela para um visão completa

Outra forma de entender a dinâmica de crescimento de um negócio é variar o tamanho da janela do Quick Ratio. O gráfico de exemplo abaixo compara janelas de 84, 168, e 364 dias para um produto de baixa frequência com grande sazonalidade nas vendas que têm um pico em meses de verão. (Novamente, usamos janelas que sejam múltiplas de sete para eliminar efeitos de dia de semana x fim de semana).

A sazonalidade inerente do produto é manifestada nos picos e vales dos Quick Ratios das janelas de 84 e 168 dias (linhas azul e laranja, respectivamente). Janelas maiores seguem as menores e são, portanto, não tão úteis para tomada rápida de decisão. Neste exemplo, o janela de 84 dias lidera a janela de 168 dias em cerca de 4 meses.

Devido ao fato que para entende este negócio sazonal envolve fazer comparações de ano sobre ano, uma forma de fazê-lo com eficiência de crescimento é olhar para as alturas relativas dos picos das janelas sazonais de 84 e 168 dias. Neste caso, o crescimento foi mais eficiente em 2017 do que em 2016, e 2018 está em algum lugar entre os 2 anos anteriores.

Outra forma de comparar a eficiência de crescimento ano sobre ano é olhar para a janela de 364 dias (linha vermelha), que nos ajuda a ignorar o efeito sazonal. Ela nos ajuda ver a tendência geral, que teve queda inicialmente (A, acima), mas depois subiu desde o final de 2016 até abril de 2018 (B), mas desde então voltou a cair ©. Combinado com a recente fraqueza nas outras janelas de sazonalidade, este produto está enviando um sinal forte de que a eficiência de crescimento está em declínio e necessita ser endereçado.

Segmentando Quick Rations para priorizar a alocação de recursos

O Quick Ratio Acumulado pode ajudar a visualizar qual segmento de consumidor está contribuindo positivamente para o Quick Ratio geral, e quais o estão levando para baixo.

A linha preta chamada “All” que corta o meio do gráfico representa a janela acumulada de 364 dias para todos os consumidores, que foi mostrada anteriormente. As outras linhas mostram o Quick Ratio dos quatro maiores mercados geográficos ao longo do tempo. O Quick Ratio geral acompanha a forma da linha vermelha de Location A, mas é levada para baixo por segmentos com pior performance. Dos 4 segmentos, Location D (a linha vermelha na parte de baixo) com seu Quick Ratio de 364 dias de apenas 2.1 está tendo um forte impacto negativo no Quick Ratio geral.

O gráfico abaixo quebra o crescimento de cada localidade para identificar o que está influenciando seus Quick Ratios.

Location D está mostrando o maior churn em laranja de forma consistente, talvez indicando um fator sistêmico. Além disso, churn aumentado também é evidente em Location A, B e C nos últimos 4 meses mais ou menos. Os stakeholders do produto devem fazer uma análise aprofundada no chrun sistêmico na Location D e churn recente em A, B e C de forma a mitigar a queda em todo o crescimento da empresa.

Além de localidades geográficas, a análise de Quick Ratio segmentada pode ser aplicada a qualquer método de segmentação, seja canal de marketing, tipo de produto, plataforma ou persona de usuário.

A melhor ferramenta que encontramos para calcular o Quick Ratio é o Python, que publicamos no repositório GitHub aqui: https://github.com/dksmith01/TheVentureCity .

Todas as nossas funções de controle de crescimento, incluindo Quick Ratio Acumulado, estão no growth_accounting.py. Um exemplo de como usar tais funções para calcular o Quick Ratio Acumulado usando uma amostra de um conjunto de dados transacionais está em rolling_qr_example.py. Se você precisar de ajuda para usar essas funções, por favor nos avise nos comentários.

Quick Ratio Acumulado para tomada de decisão de Produtos was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

À medida que trabalhamos com novos membros do Growth Program na TheVentureCity, uma das primeiras coisas que fazemos é nos assegurar de que compartilhamos o mesmo idioma, que estamos de acordo com os objetivos do programa, para que possamos definir o conjunto de métricas a medir.

A maioria dos fundadores com os quais trabalhamos provêm de engenharia ou design. Descobrimos que frequentemente há uma grande divisão entre o que as pessoas com experiência em negócios (marketing, vendas e finanças) medem frente ao que as pessoas com experiência em produto/engenharia consideram prioritárias. As startups de sucesso resolvem esta dualidade ao estabelecer um conjunto de KPIs que são compartilhadas e compreendidas pelas diferentes equipes.

Estamos lançando uma série de publicações sobre o conjunto de KPIs que se pode usar para estabelecer objetivos de alto nível em diferentes equipes da startup. Esta primeira publicação é dedicada ao Quick Ratio, uma métrica de acesso direto para definir onde se encontra o produto em termos de crescimento, que a Social Capital introduziu em uma série de publicações em seu blog (cuja leitura recomendamos, se é que ainda não o faz).

Começaremos com uma recapitulação rápida sobre como calcular o Quick Ratio, ou relação rápida. Este quadro descreve como quebrar as contas de usuários para um produto hipotético de um mês ao outro:

A proporção de usuário agregados (novos + ressuscitados) sobre os usuários perdidos (churned) se denomina Quick Ratio.

Se um Quick Ratio é > 1, o número de usuários está crescendo; de modo inverso, se é < 1, o número de usuários está diminuindo.

Por isso recomendamos que os fundadores messam o Quick Ratio para seus produtos e o sigam de maneira continua.

O Quick Ratio é uma forma abreviada de combinar o crescimento, a retenção e a alternância em um só número que descreve a eficiência com que seu produto está crescendo. Podemos pensá-lo como uma forma de medir o “batimento cardíaco” de seu produto, já que mostra quantos usuários se juntam, que ficam e que se vão em um período determinado. A maioria dos fundadores já medem o abandono de seus produtos; entretanto, o churn é uma métrica relativa. Incorporar as novas aquisições de clientes e a volta de clientes previamente ativos à imagem e calcular o Quick Ratio é uma boa maneira de colocar a alternância em perspectiva e entender o estado geral do produto.

Se você tem uma carteira de produtos, pode utilizar o Quick Ratio para comparar o rendimento do produto em diferentes produtos o comparar seu produto com os outros produtos do mesmo setor, bem como as diferentes etapas do desenvolvimento do produto. Por exemplo, podemos comparar a Companhia A, com seu Quick Ratio de 1,5, taxa de crescimento mensal de 20% e taxa de retenção de usuários de 60%, com outras companhias (B y C, a continuar) que também estão crescendo a 20% MoM (mês a mês), mas com diferentes taxas de retenção.

Das três, a companhia C tem o produto com o maior Quick Ratio. O produto que a companhia C lançou no mercado tem uma taxa de retenção maior, então o time precisa adicionar apenas 30 clientes por mês para manter um crescimento de 20%. As companhias A e B, entretanto, precisam aumentar a aquisição de clientes e trazer 60 e 100 usuários por mês respectivamente para atingir o mesmo crescimento de 20%.

Quick Ratio pode ajudar também na priorização dos seus esforços com produto e marketing. Este gráfico mostra Quick Ratios em diferentes combinações de taxas de aquisição de usuários.

A única forma de conseguir um Quick Ratio rápido para seus produtos é saindo-se bem em ambos planos: aquisição e retenção de usuários. Compreender onde se encontra seu produto na matriz anterior ajuda a saber onde a equipe deve concentrar seus produtos e recursos de marketing. Se o produto tem uma alta retenção mas uma baixa taxa de aquisição, sua equipe de marketing deve melhorar sua aquisição. Se ocorre o contrário e está adquirindo uma grande quantidade de usuários novo mas sem reter-los, sua equipe de produto deve concentrar-se em encontrar novas formas de mantê-los pelos próximos meses para obter mais de seus investimento de marketing.

Por último, mas não menos importante, a razão pela qual poderia contemplar o cálculo de Quick Ratio para seu produto é que os VC estão começando a utilizar esta métrica para compreender o rendimento das empresas em que estão avaliando investir. Sempre vale a pena olhar o produto do mesmo ponto de vista que os que estão considerando lhe financiar.

David Smith escreveu um script em R que você pode usar para calcular a relação rápida para seu produto e colocá-lo no GitHub. Esperamos que tenha achado útil e que comece a utilizar o Quick Ratio como uma forma de monitorar o Growth Product que está construindo.

Se tiver alguma dúvida, conte-nos nos comentários.

Quick Ratio como atalho para entender o Product Growth was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

As startups do Growth Accelerator e a carteira de investimentos da TheVentureCity usam estes serviços de maneira recorrente. Quando começamos a trabalhar com eles para descobrir métricas de crescimento chave, nos demos conta da necessidade de olhar além de DAU/WAU/MAU.(DAU: usuários ativos diários, WAU: usuários ativos semanais, MAU: usuários ativos mensais.

Esta publicação apresenta algumas de nossas reflexões e conselhos sobre como pensar sobre o crescimento para saber si os clientes vêm ao produto em média uma vez por trimestre, por seis meses ou até mesmo uma vez por ano.

As métricas de usuários ativos mensais, semanais e diários se converteram em um padrão de fato para medir a retenção e o engajamento desde que foram introduzidas há uns 10 anos pelo Facebook. Entretanto, estas métricas realmente não funcionam para empresas com uso esporádico (comércio eletrônico, viagens, vários serviços de SaaS) da mesma forma que funcionam para os casos de uso de Facebook/Twitter/Whatsapp/Instagram, que se centram no uso diário.

Criamos as seguintes pautas que acreditamos que podem ajudar os gerentes de produto de serviços com uso semelhante a estabelecer métricas de crescimento relevantes:

• Defina a ação chave do seu produto. A ação chave indica que os usuários do produto estão obtendo valor dele. Para a maioria dos serviços de baixa frequência que estamos estudando nestes casos, a compra é a ação chave definitiva que demonstra que o produto é valioso e que seus usuários o entendem. Pode ser que não seja tão simples nos casos de serviços como Twitter, Facebook e outros. Nesses casos, os usuários extraem valor somente após se dedicarem o suficiente em publicar e adicionar amigos.
• Defina o objetivo de frequência para a ação chave. A melhor maneira de fazê-lo seria definir o equivalente no mundo offline para a ação que deseja que o usuário realize e investigue com que frequência as pessoas fazem isso no mundo analógico. Casey Winters, que trabalhou no crescimento do Pinterest e do Grubhub deixa isso claro: “Para Grubhub era ligar para um restaurante e pedir comida. As pessoas faziam isso uma ou duas vezes por mês em média. Então, decidimos que nosso objetivo de frequência deveria ser mensal. Para o Pinterest, foi muito similar: Qual é a ação offline análoga ao Pinterest? O mais próximo é folhear revistas, cujas assinaturas são mensais. Portanto, é provável que seja uma algo mensal neste caso”.
• Examine a retenção de clientes utilizando o objetivo de frequência. No caso do AirBnB ou Booking.com, por exemplo, a maioria de seus clientes reservam viagens em média de 1,5 a 2 vezes por ano, então as equipes de crescimento desses serviços não olham apenas para usuários ativos mensais mas também a retenção de seis meses
• Comprove sua intuição analisando seus usuários mais fiéis. Com que frequência voltam? Essa frequência de uso é significativamente diferente da maioria dos usuários médios? Se você vir que 1% dos seus usuários voltam para executar a ação chave a cada duas semanas, enquanto o resto da audiência faz uma verificação a cada seis meses, entonces poderia fazer sentido pensar em expandir e ampliar a carteira de produtos oferecidos para atender a diferentes tipos de usuários.
• Quando terminar com este exercício e sentir que tem uma ideia certeira da frequência de uso e os padrões de retenção do seu produto, o passo seguinte deve ser uma análise histórica e uma projeção.

Uma boa maneira de ver a frequência ao longo do tempo é aplicar um rolling window, ou janela acumulada. As rolling windows nos ajudam a visualizar as tendências mensais, semestrais ou anuais diariamente. Portanto, não é necessário esperar até o fim do mês ou mais para saber como estão mudando as métricas.

As rolling windows também ajudam a suavizar o ruído inerente. Por exemplo, uma janela de 28 dias elimina os efeitos do dia da semana ao mesmo tempo que se aproxima de um mês. Da mesma forma, uma janela de 365 dias elimina os efeitos de sazonalidades mensais. As comparações de, digamos, o engajamento de uma janela de março a março com uma janela de setembro a setembro são relevantes e significativas.

Para ver uma janela móvel de 365 dias (“L365”) em ação, podemos usar o exemplo de um mercado de baixa frequência com uma sazonalidade significativa: muito mais pessoas viajam no verão, então o serviço tem um maior volume de transações nos meses de verão. Os vendedores ativos são cruciais para impulsionar o crescimento do mercado, então neste caso, estamos marcando os dias ativos por vendedor em uma janela de um ano; a métrica é similar a relação DAU-YAU (usuários ativos anuais), mas se multiplica por 365 para que seja um pouco mais fácil de interpretar.

Desde a linha verde L365 no gráfico podemos observar que o engajamento médio do vendedor, medido pelos dias ativos em um ano, teve uma tendência de alta desde aproximadamente 8,2 a princípios de 2015 até aproximadamente 12,1 em abril de 2017. Entretanto, desde então, o engajamento estagnou. O uso da janela L365 nos permite eliminar o ruído das estações e mostrar a tendência histórica da atividade anual do vendedor nos últimos três anos. A janela L28, a linha vermelha no gráfico, não mostra mudanças perceptíveis no engajamento ao longo do tempo.

O engajamento do vendedor é crucial para a sobrevivência do mercado, portanto devemos entender o que está causando a desaceleração. Para descobrir o que poderia estar causando a estagnação, podemos examinar a mesma janela L365 mas dividida por segmento de vendedor. Este gráfico faz justamente isso:

A linha verde do quadro anterior se repete aqui como a linha preta “AGREGATE”. A linha relativamente estável do “segmento 5” está constantemente entre 12 e 13 dias ativa em um ano. Entretanto, os outros segmentos mostram grandes avanços seguidos por recentes diminuições no engajamento. Esses segmentos anteriormente impulsionaram o crescimento da participação agregada e agora estão causando a estagnação.

A imersão profunda na divisão do segmento proporciona informação processável. A equipe da SampleCo agora sabe que para poder restabelecer o crescimento do engajamento do vendedor, devem investigar o que poderia estar causando o declive nos segmentos respectivos e começar a buscar as grandes mudanças, tanto internas quanto externas, que poderiam ter tido um impacto negativo, especialmente próximo do início de 2018.

Para obter o código R de prova que percorre um conjunto de dados de transação e realizar cálculos diários de L365, visite nosso GitHub: https://github.com/dksmith01/TheVentureCity.

Adoramos feedback. Comente.

Growth: Muito além de métricas de DAU/MAU was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

Por Ekaterina Skorobogatova y David K. Smith

Cada vez que damos la bienvenida a una nueva compañía a nuestra Growth Accelerator, durante la primera semana, de las primeras cosas que hacemos es asegurarnos de que ambos equipos, vemos el producto y el negocio de la misma manera, que sabríamos como resolver los problemas que nos podemos encontrar en el camino, definimos conjuntamente los objetivos que se persiguen, y las métricas para medir el éxito.

La mayoría de los fundadores con los que trabajamos provienen de ingeniería o producto. Descubrimos que a menudo hay una gran división entre lo que las personas entienden cuando tienen una fuerte experiencia en negocios (marketing, ventas y finanzas) y como miden el éxito, frente a lo que entienden, las personas que vienen con experiencia en producto / ingeniería . Las startups exitosas superan esta disyuntiva al establecer un conjunto de KPIs ( key Performance Indicators ) que se comparten y se acuerdan entre los diferentes equipos.

Estamos lanzando una serie de publicaciones sobre el conjunto de KPIs que se pueden usar para establecer objetivos de alto impacto en los diferentes equipos de la compañía. Esta primera publicación está dedicada al Quick Ratio, una métrica clave para definir dónde se encuentra el producto en términos de crecimiento que Social Capital ha introducido en una serie de publicaciones de su blog (cuya lectura recomendamos, si es que no lo habéis hecho ya).

Comencemos con un recordatorio rápido sobre cómo calcular el Quick Ratio. Este cuadro describe cómo desglosar los tipos de usuarios para un producto hipotético de un mes al siguiente:

La proporción de usuarios agregados (nuevo + resucitado) sobre los usuarios perdidos (churned) se denomina Quick Ratio.

Si una Quick Ratio es > 1, el número de usuarios está creciendo; a la inversa, si es < 1, el número de usuarios está disminuyendo.

Por eso recomendamos que los fundadores para medir realmente el crecimiento, midan el Quick Ratio y sigan su evolución de manera continua:

El Quick Ratio es la formula que permite calcular el crecimiento real de tu producto, la retención y la rotación en una sola métrica que describe la eficiencia con la que tu producto está creciendo. Puedes pensar en ello como una forma de medir “el latido del corazón” de tu producto, ya que te muestra cuántos usuarios se unen, se quedan y se van en un período determinado. La mayoría de los fundadores ya miden el ratio de abandono de su producto; sin embargo, el churn es una métrica relativa. Incorporar nuevas adquisiciones de clientes y reactivaciones de clientes previamente activos y calcular el Quick Ratio es una buena manera de poner la rotación en perspectiva y entender el estado general del producto.

Si tienes diferentes funcionalidades en tu producto, puedes utilizar Quick Ratio para comparar el rendimiento de cada funcionalidad en diferentes productos o comparar tu producto con los otros productos del mismo sector, así como las diferentes etapas del desarrollo del producto. Por ejemplo, podemos comparar la Compañía A, con su Quick Ratio de 1,5, tasa de crecimiento mensual del 20% y tasa de retención de usuarios del 60%, con otras dos compañías (B y C, a continuación) que también están creciendo a un 20% MoM (mes a mes) , pero con diferentes tasas de retención.

De las tres, la Compañía C tiene el producto con el Quick Ratio más alto. El producto que la Compañía C ha puesto en el mercado tiene la tasa de retención más alta, así que el equipo solo tiene que añadir 3' clientes cada mes para mantener la horquilla de crecimiento en el 20%.

El Quick Ratio también puede ayudar a priorizar los esfuerzos de producto y márketing. Este gráfico muestra diferentes combinaciones de Quick Ratio con retención y adquisición de usuarios.

La única forma de lograr un Quick Ratio saludable para tu producto es hacerlo bien en ambos planos: adquisición y retención de usuarios. Comprender dónde se encuentra tu producto en la matriz anterior ayuda a saber dónde el equipo debe concentrar sus esfuerzos y recursos de marketing. Si el producto tiene una alta retención pero una baja tasa de adquisición, tu equipo de marketing debe mejorar sus tácticas de adquisición. Si ocurre lo contrario y está adquiriendo una gran cantidad de usuarios nuevos pero sin retenerlos, tu equipo de producto debe centrarse en encontrar nuevas formas de mantenerlos activos en los próximos meses para que el presupuesto invertido de marketing tenga sentido y no sea un saco roto.

Por último, pero no menos importante, la razón por la que podrías contemplar el cálculo del Quick Ratio para tu producto es que los fondos de inversión están empezando a utilizar esta métrica para comprender el rendimiento de las compañías en las que están evaluando la inversión. Siempre vale la pena mirar el producto desde el mismo punto de vista que los que están considerando financiarte.

David Smith ha escrito un script en R que se puede usar para calcular la relación rápida para su producto y ponerlo en GitHub. Esperamos que lo encuentres útil y comiences a utilizar el Quick Ratio como una forma de monitorear el Growth Product que estás construyendo.

Esperamos que sea de ayuda. Si tienes alguna duda, dínoslo en los comentarios.

Quick Ratio como atajo para entender el Product Growth was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

Por Ekaterina Skorobogatova y David K. Smith

Desde nuestra Aceleradora de Crecimiento ( Growth Accelerator ) una de las primeras acciones que ponemos en marcha es enseñar a las compañías a pensar y a tomar decisiones teniendo suficiente información/data. Cuando comenzamos a trabajar con ellos en sus métricas clave de crecimiento, les demostramos por que la necesidad de mirar más allá de DAU/WAU/MAU.

(DAU: Usuarios activos diarios) (WAU: Usuarios activos semanales) (MAU: Usuarios activos mensuales)

Esta publicación presenta algunos de nuestras reflexiones y consejos sobre cuales son las métricas adecuadas de crecimiento para tu producto. Una vez al mes, por trimestre, por seis meses o incluso una vez por año.

Las métricas de usuarios activos mensuales, semanales y diarias se han convertido en el estándar de facto para medir la retención y el engagement desde que fueron introducidas hace unos diez años por Facebook. Sin embargo, estas métricas realmente no funcionan para empresas con uso esporádico (comercio electrónico, viajes, muchos servicios SaaS) de la misma forma que para el caso de uso de Facebook / Twitter / WhatsApp / Instagram, que se centra en el uso diario.

Hemos creado las siguientes pautas que creemos que pueden ayudar a los product managers a establecer cuales son las métricas relevantes de crecimiento para sus productos:

• Define la acción clave por la que se utiliza tu producto. La acción clave indica por que los usuarios obtienen valor de él. En un e-commerce por ejemplo, la acción clave, es la compra. En el caso de servicios como Twitter, Facebook, u otros, la acción clave es tanto publicar un contenido, o seguir a determinadas personas.
• Definir la frecuencia con la que estimas tiene sentido que se utilice tu producto. Una manera de hacerlo sería el equivalente en el mundo offline. Casey Winters, que trabajó en el crecimiento para Pinterest y Grubhub lo deja claro: “Para Grubhub decidimos la frecuencia comparando con lo que era normal offline llamar a un restaurante por teléfono para encargar comida a domicilio . La gente lo hacía una o dos veces al mes en promedio. Entonces, decidimos que nuestro objetivo de frecuencia debería ser mensual. Para Pinterest, fue muy similar: ¿cuál es la acción offline que reemplaza Pinterest? Lo más cercano hojear por una revista, cuyas suscripciones son mensuales. Por lo tanto, es probable que sea una cosa mensual en este caso”.
• Examina la retención de clientes utilizando el objetivo de frecuencia. En el caso de AirBnB o Booking.com, por ejemplo, la mayoría de sus clientes reservan viajes en promedio de 1,5 a 2 veces al año, por lo que los equipos de crecimiento de esos servicios no solo miran a los usuarios activos mensuales sino también a la retención de seis meses.
• Comprueba tu decisión revisando a tus usuarios más fieles. ¿Con qué frecuencia vuelven? ¿Es su frecuencia de uso significativamente diferente de la mayoría de los usuarios “habituales”? Si ves que el 1% de tus usuarios regresan para ejecutar la acción clave cada dos semanas, mientras que el resto de la audiencia realiza una verificación cada seis meses, entonces podría tener sentido pensar en desarrollar nuevas funcionalidades para poder atender a cada tipo de usuario.

Cuando hayas terminado con este ejercicio y sientas que tienes clara, tu acción clave, la frecuencia y la retención,el siguiente paso debe ser el análisis histórico y la proyección.

Una buena manera de ver la frecuencia a lo largo del tiempo es emplear una rolling window. Las rolling windows nos ayudan a visualizar las tendencias mensuales, semestrales o anuales diariamente. Por lo tanto, no es necesario esperar hasta el final del mes o más para saber cómo están cambiando las métricas.

Las rolling windows también ayudan a eliminar el ruido. Por ejemplo, una ventana de 28 días elimina los efectos del día de la semana mientras se aproxima a un mes. Del mismo modo, una ventana de 365 días elimina los efectos de estacionalidad mensuales. Las comparaciones de, digamos, el engagement en una ventana de marzo a marzo con una ventana de septiembre a septiembre son relevantes y significativas.

Para ver una ventana móvil de 365 días (“L365”) en acción, podemos usar el ejemplo de un mercado de baja frecuencia con una estacionalidad significativa: muchas más personas viajan en verano, por lo que el servicio tiene un mayor volumen de transacciones en los meses de verano. Los vendedores activos son cruciales para impulsar el crecimiento del mercado, por lo que en este caso, estamos marcando los días activos por vendedor en la ventana de un año; la métrica es similar a la relación DAU-YAU (usuarios activos anuales), pero se multiplica por 365 para que sea un poco más fácil de interpretar.

Desde la línea verde L365 en el gráfico podemos observar que el engagement promedio del vendedor, medido por los días activos en un año, tuvo una tendencia al alza desde aproximadamente 8,2 a principios de 2015 hasta aproximadamente 12,1 en abril de 2017. Sin embargo, desde entonces, el engagement se ha estancado. El uso de la ventana L365 nos permite eliminar el ruido estacional y mostrar la tendencia histórica de la actividad anual del vendedor en los últimos tres años. La ventana L28, la línea roja en el gráfico, no muestra cambios perceptibles en el engagement a lo largo del tiempo.

El engagement del vendedor es crucial para la supervivencia del mercado, por lo que debemos entender qué está causando la desaceleración. Para descubrir lo que podría estar causando la meseta, podemos examinar la misma ventana L365 pero dividirla por segmento de vendedor. Este gráfico hace justamente eso:

La línea verde del cuadro anterior se repite aquí como la línea negra “AGREGATE”. La línea relativamente estable del “segmento 5” está constantemente entre 12 y 13 días activa en un año. Sin embargo, los otros segmentos muestran grandes avances seguidos por recientes disminuciones en el engagement. Esos segmentos anteriormente impulsaron el crecimiento de la participación agregada y ahora están causando la meseta.

La inmersión profunda en la división del segmento proporciona información procesable. El equipo de SampleCo ahora sabe que para poder restablecer el crecimiento del engagement del vendedor, deben investigar qué podría estar causando el declive en los segmentos respectivos y comenzar a buscar los grandes cambios, tanto internos como externos, que podrían haber tenido un impacto negativo, especialmente en torno a principios de 2018.

Para obtener el código R de prueba que recorre un conjunto de datos de transacción y realizar cálculos diarios de L365, visita nuestro GitHub: https://github.com/dksmith01/TheVentureCity.

Nos encanta el feedback. Comenta.

Growth: Más allá de las métricas de DAU/MAU was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

Ya hemos escrito sobre la tasa de crecimiento rápido de usuarios como una buena manera de entender el estado de salud del producto. Varios equipos de producto nos han comentado que les gusta bastante como métrica, pero que quieren entender mejor cómo pueden usarlo para tomar decisiones viables. Así que en este post discutimos cómo.

• Mira Quick Ratio de forma continua en un panel de KPIs para que no tengas que esperar hasta el final del mes;
• Usa diferentes tamaños de muestras para ver las tendencias a largo plazo y observar los efectos de la estacionalidad en el pasado;
• Y compara la eficiencia de crecimiento en los segmentos importantes de su negocio, ya sean canales de marketing, áreas geográficas o plataformas.

Usando Rolling Quick Ratio para mejorar la capacidad de respuesta

Como recordaréis, el Quick Ratio de crecimiento del usuario es una comparación de dos períodos de tiempo diferentes con la misma duración. Por ejemplo, el cálculo de Quick Ratio mensual implica sumar los usuarios nuevos y resucitados en cada mes y dividir por la cantidad de clientes que no continuaron con el uso activo del mes anterior (churn). El resultado es un gráfico mensual que se parece a lo siguiente (fuente: datos internos de TVC):

No hace falta esperar a fin de mes para hacer un cálculo mensual del Quick Ratio. Para convertirlo en una métrica diaria, compara los 28 días más recientes con el período anterior de 28 días y haces el mismo cálculo (nuevo + resucitado) /churned. (Nota: preferimos usar 28 días en lugar de 30 para aproximarnos a un mes porque elimina los efectos del día de la semana). Una gráfica de la relación de rotación rápida de 28 días para el mismo producto y período de tiempo que se ve en el cuadro anterior quedaría como el siguiente:

Hay que tener en cuenta que el Quick Ratio de 28 días se reduce de 2,5 el 13 de mayo al 1,3 el 31 de mayo. Al realizar un seguimiento continuo del Quick Ratio, este equipo de producto notaría una fuerte disminución en la eficiencia de crecimiento, principalmente debido a un aumento de la rotación de clientes, casi casi en tiempo real. No hay que esperar hasta finales de mayo para ver la caída. Trazar el Quick Ratio de 28 días a diario nos ayuda a controlar el pulso de la eficiencia de crecimiento y abordar rápidamente cualquier desaceleración en una de las métricas más importantes de una startup.

Variando la muestra de control para hacerse una idea mejor

Otra forma de entender la dinámica de crecimiento de un negocio es variar la longitud de la muestra de relación rápida. El cuadro de ejemplo a continuación compara muestras de 84, 168 y 364 días para un producto de baja frecuencia con ventas altamente estacionales que alcanzan su máximo en los meses de verano. (Nuevamente, usamos muestras que son múltiplos de siete para eliminar cualquier efecto del día de la semana).

La estacionalidad inherente del producto se manifiesta en los picos y valles de las relaciones rápidas de muestras de 84 y 168 días (las líneas azul y naranja, respectivamente). Los tamaños de muestra más grandes son más pequeños y, por lo tanto, no son tan útiles para la toma de decisiones con capacidad de respuesta. En este ejemplo, la muestra de 84 días lleva la muestra de 168 días, aproximadamente cuatro meses.

Comprender este negocio estacional implicar hacer comparaciones año a año, una manera de hacerlo para comprobar si el crecimiento es eficiente consiste en observar las alturas relativas de los picos de las muestras estacionales de 84 y 168 días. En este caso, el crecimiento fue más eficiente en 2017 que en 2016, y 2018 se ubica entre los dos años anteriores.

Otra forma de comparar la eficiencia de crecimiento año tras año es mirar la muestra de 364 días (la línea roja), que nos ayuda a ignorar los efectos estacionales. Aunque se retrasa las otras dos muestras, nos ayudan a ver la tendencia general, que disminuyó al principio (A, arriba), luego aumentó desde finales de 2016 hasta abril de 2018 (B), pero desde entonces ha comenzado a disminuir nuevamente C. Combinando con la reciente debilidad en las otras muestras estacionales, este producto está enviando una fuerte señal de que la eficiencia del crecimiento está disminuyendo y deben tomarse medidas.

Segmentando el Quick Ratio para priorizar la asignación de recursos

Desplegar el Quick Ratio puede ayudar a visualizar qué segmentos de clientes contribuyen positivamente al Quick Ratio general y cuáles lo están arrastrando hacia abajo.

La línea negra marcada como “All” (todo) que corta la mitad del gráfico representa la muestra móvil de 364 días para todos los clientes que se mostra en la sección anterior. Las otras líneas muestran el Quick Ratio de los cuatro mercados geográficos más grandes a lo largo del tiempo. El Quick Ratio general rastrea la forma de la línea roja de la Ubicación A, pero es arrastrada hacia abajo por segmentos de menor rendimiento. De los cuatro segmentos, la ubicación D (la línea roja en la parte inferior) con una relación rápida de 364 días de solo 2,1 está teniendo el mayor impacto negativo en la relación rápida general.

La siguiente tabla desglosa la contabilidad de crecimiento de cada ubicación para identificar qué está impulsando su Quick Ratio.

El punto D muestra el Churn naranja de forma consistente, quizás indicando un factor sistémico. Además, el aumento de la rotación también es evidente en los puntos A, B y C en los últimos cuatro meses aproximadamente. El equipo de producto debe sumergirse más profundamente en la rotación sistémica en la ubicación D y la reciente rotación en A, B y C para mitigar el arrastre en el crecimiento de toda la empresa.

Además de las ubicaciones geográficas, el análisis de Quick Ratio segmentado puede aplicarse a cualquier método de segmentación, ya sea el canal de marketing, el tipo de producto, la plataforma o la persona del usuario.

La mejor herramienta que hemos encontrado para calcular la equilibrio de Quick Ratio es Python, cuyo repositorio hemos publicado en este GitHub: https://github.com/dksmith01/TheVentureCity.

Todas nuestras funciones de contabilidad de crecimiento, incluida la relación de equilibrio de Quick Ratio, se encuentran en growth_accounting.py. Una muestra de cómo consumir esas funciones para calcular el despliegue de Quick Ratio a en un conjunto de datos transaccionales de muestra se encuentra en rolling_qr_example.py. Si necesitas ayuda con estas funciones, nos lo puedes decir en los comentarios.

Desplegando Quick Ratios para la toma de decisiones del producto was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.

We have previously written about the user growth quick ratio as a a good way to understand the health of a product. We are hearing feedback from different product teams we work with that they quite like it as a metric but want to understand better how they can use it for actionable decision making. So in this post we discuss how to…

• Look at quick ratio on a rolling basis on a KPI dashboard so you don’t have to wait until the end of the month;
• Use different window sizes to see long-term trends and look past seasonality effects; and
• Compare growth efficiency in the important segments of your business, be they marketing channels, geographic areas, or platforms.

Using Rolling Quick Ratio for Responsiveness

You will recall that the the user growth quick ratio is a comparison of two different time periods of equivalent length. For example, calculating a monthly quick ratio calculation involves summing the new and resurrected users in each month and dividing by the number of customers who failed to continue active usage from the previous month (churn). The result is a monthly chart that looks like the following (source: TVC internal data):

You don’t need to wait until the end of a month to make a monthly quick ratio calculation. To make it a daily metric, compare the most recent 28 days with the previous 28-day period and make the same (new+resurrected)/churned calculation. (Note: we prefer to use 28 days versus 30 to approximate a month because it removes day-of-the-week effects.) A plot of the 28-day rolling quick ratio for the same product and time period as the above chart looks like the following:

Note that the 28-day quick ratio drops from 2.5 on May 13 to 1.3 on May 31. By continuously tracking the quick ratio, this product team would notice the steep decline in growth efficiency — mainly due to increased churn — in near-real-time and not have to wait until the end of May to see the drop. Plotting the 28-day quick ratio on a daily basis helps us monitor the pulse of growth efficiency and quickly address any downturns in one of a startup’s most important metrics.

Varying Window Size for a Complete Picture

Another way to understand the growth dynamics of a business is to vary the length of the quick ratio window. The example chart below compares 84-, 168-, and 364-day windows for a low-frequency product with highly seasonal sales that peak in summer months. (Again, we use windows that are multiples of seven to eliminate any day-of-the-week effects).

The product’s inherent seasonality is manifested in the peaks and valleys of the 84- and 168-day window quick ratios (the blue and orange lines, respectively). Larger window sizes trail smaller ones and are, thus, not as helpful for responsive decision-making. In this example, the 84-day window leads the 168-day window by about four months.

Because understanding this seasonal business involves making year-over-year comparisons, one way to do so with growth efficiency is to look at the relative heights of the peaks of the seasonal 84- and 168-day windows. In this case, growth was more efficient in 2017 than in 2016, and 2018 is somewhere between the previous two years.

Another way to compare year-over-year growth efficiency is to look at the 364-day window (the red line), which helps us ignore seasonal effects. While it lags the other two windows, it helps us see the overall trend, which dipped at first (A, above), then increased from late 2016 to April 2018 (B), but has since started to decline again (C). Combined with the recent weakness in the other seasonal windows, this product is sending a strong signal that growth efficiency is in decline and needs to be addressed.

Segmenting Quick Ratios to Prioritize Resource Allocation

The rolling quick ratio can help visualize which customer segments are contributing positively to the overall quick ratio, and which are dragging it down.

The black line labeled “All” that cuts through the middle of the chart represents the rolling 364-day window for all customers that was shown in the previous section. The other lines show the quick ratio of the four largest geographical markets over time. The overall quick ratio tracks the shape of Location A’s red line, but is dragged down by lesser performing segments. Of the four segments, Location D (the red line at the bottom) with a 364-day quick ratio of just 2.1 is having the strongest negative impact on overall quick ratio.

The chart below breaks out each location’s growth accounting to identify what is driving their quick ratios.

Location D is showing the most orange Churn on a consistent basis, perhaps indicating a systemic factor. In addition, increased churn is also evident in Locations A, B, and C in the last four months or so. The product stakeholders should dive deeper into the systemic churn in Location D and the recent churn in A, B, and C in order to mitigate the drag on the whole company’s growth.

In addition to geographical locations, segmented quick ratio analysis can apply to any segmentation method, whether it is the marketing channel, product type, platform, or user persona.

The best tool we have found for calculating the rolling quick ratio is Python, which we have posted to the GitHub repository here: https://github.com/dksmith01/TheVentureCity .

All of our growth accounting functions, including the rolling quick ratio, are contained in growth_accounting.py. A sample for how to consume those functions to calculate the rolling quick ratio on a sample transactional data set is in rolling_qr_example.py. If you would like help using these functions, please let us know in the comments.

Rolling Quick Ratios for Product Decision-Making was originally published in TheVentureCity on Medium, where people are continuing the conversation by highlighting and responding to this story.