編輯導語：随着大數據時代的不斷升級，數據在我們的生活工作中顯得尤為重要，其實在很早之前人類就用數據來進行記錄，随着社會的發展，網絡時代更需要數據的記錄以及支撐。本篇文章中作者從三方面詳細的講述了關于數據的“坑”，一起來看一下吧。

開篇直接看案例：現有兩個廣告素材A和B，要測一下它們誰更能吸引用戶轉化，評比的指标是轉化率。（轉化率=轉化數/曝光數）

為保證實驗公平，它們都設置了相同的預算額度，并且都在中午12點開始投放，然後到了晚上12點同時關閉。

這樣跑了半天，兩組廣告也都基本花完了預算，結果發現：

• A一共曝光6500次，轉化了70個用戶，轉化率是1.077%；
• B一共曝光6200次，也轉化70個用戶，轉化率是1.129%；

看到結果後，廣告投放師小李就認為：B素材的轉化率更高。

這時，營銷總監老王卻說：到目前為止，我更願意相信A要高一些。

小李一臉懵逼，問：為啥啊？

老王嘬了一口星巴克，解釋道：即使是相同的廣告，在不同的時段也會有不同的轉化率。一般來說，下午的轉化率是低于晚上的，因為大部分人白天都有事情，不太容易被轉化，而到了晚上，大家都有空了，所以更容易被轉化。

小李又問：你說的對，但跟這次投放實驗有啥關系呢？

老王繼續說：我剛從後台看了素材的來量情況——A素材下午轉化50個，曝光5000次，晚上轉化20個，曝光1500次；B素材下午轉化20個，曝光2200次，晚上轉化50個，曝光4000次。

其實不管是下午還是晚上，A的轉化率都是更高的。而你之所以認為B更高，主要是因為B在晚上才跑出了量——它捏的“軟柿子”比較多，你就誤以為它更厲害…

看到這裡，可能你還有點懵：是啊，如果拆開來看，确實A更高，但合并看總數的話，又是B更高…

那這到底該怎麼看呢？

一、坑1：辛普森悖論

上文的現象，就是典型的“辛普森悖論”(Simpson’s Paradox)——在某個條件下的兩組數據，分别讨論時都會滿足某種性質，可一旦合并考慮，卻可能導緻相反的結論。

這也是在其他領域的工作中經常會遇到，并且經常會坑人的一個現象。

幾乎每一家公司，上司都會讓下屬把業務層面的各種數據進行彙總，然後呈報給自己，并自以為了解了“總體”的情況。

不過，谷歌的一位數據大牛曾說過：“彙總的數據往往就是一坨屎，沒有任何意義。”

為什麼這樣說？

抛開專業的數學分析，如果用最通俗的語言來解釋，我認為就是：20頭豬就是20頭豬，50顆樹就是50顆樹，但如果你硬要把它們加起來（20 50=70），這個70是毫無意義的——它能代表什麼呢？什麼都代表不了。

彙總的數據，除了象征性的彙報工作，往往并無其他意義。為什麼說是“象征性”的？

因為如果彙報工作是為了指導決策，那很可能就把人帶進了坑裡。

就像上文廣告素材的案例，如果營銷總監想偷懶，隻看最後的結果，那他很可能就誤判了廣告素材的優劣。更嚴重的，甚至會導緻後續投放的素材都沿着“壞素材”的方向去優化。

還好他有一定數據分析的基礎，避免了這個坑。

所以在真實的情況中，如果一定要就此蓋棺定論，确實是A要高一些。（當然更科學的做法是繼續實驗，并通過加大預算/嚴控時段，來減少偶然性，以及不同性質的數據占比的差距）

除了廣告投放，辛普森悖論還經常出現在各種各樣的數據統計活動之中——需要算比率的統計基本都會出現，比如：

那麼，如何才能避免彙總數據可能帶來的坑呢？

關鍵記住8個字：不同性質，拆開來算。

二、坑2：誤把相關當因果

“啤酒與尿布”的故事大家應該都聽過——通過相關性分析，商家發現啤酒的銷量與尿布的銷量高度正相關。于是他們在陳列上，把啤酒和尿布離得更近，以此來提高銷量。

當然，這完全是個不切實際的、杜撰的故事。（杜撰者是Teradata公司的一位經理——估計是營銷經理，為了說服商家購買他家的數據服務，編的軟文）而這裡想說的重點是：相關性分析。

如今，不管是傳統行業還是互聯網行業，數據已成為企業内部最重要的資産之一。

而各家公司的數據分析師，幾乎每天都會做的一件事就是：分析各個因素之間的相關性，并以此來找到增長方法。

比如遊戲公司發現：用戶玩遊戲時間越長，留存往往越好，所以就重點提升新用戶的遊戲時長，以此大幅提升留存。

再比如便利店通過監測發現：人們逆時針環顧店内的時間占比越大，人均消費就越高，所以在裝修和陳列上，就盡量引導人們逆時針行走。（因為右撇子的人更多，而一般逆時針環店能讓更多商品出現在人右側，這樣拿東西更方便，也就拿得更多了）

不可否認的是：通過相關性分析，确實能找到很多有效的增長方法。不過，過于迷信相關性，有時卻會帶來相反的結果。

比如某社交APP想提高留存。

他們發現：用戶發消息的條數，與留存的相關性系數是最高的。

不僅如此，他們還發現：消息條數超過500的用戶群體，與沒有超過500的用戶群體，留存情況出現了斷崖式的差異。（這裡的“500”，通常被稱為“魔法數字”）

于是，為提高留存，團隊就提出：假如我們設法提升新用戶發消息的條數，盡量使之超過500，就可以明顯提高留存了。

再于是，他們就通過設置“階段性有獎任務”（發消息到一定條數，就會觸發獲獎提示，并告知下一個有獎任務），将所有新用戶的消息條數都給拉了上去，并基本超過500。

然而，最後的結果卻是：雖然整體的短期留存上去了，但整體的長期留存反而下降了。

為什麼會這樣？明明消息條數和留存的相關性是最高的呀…

其實，這就是典型的誤把相關當因果，甚至是因果倒置——不是因為條數多，所以才留存好，而更多是因為留存好，所以才條數多。

上述的方案，雖然短期能通過利益提高留存，但對真正願意使用産品的用戶來說，獲獎提示可能是一種打擾。

另一方面，利益的刺激會帶動更多非目标用戶（羊毛黨）下載和使用APP，拉低用戶質量，所以長期留存就降了。

而最終關于留存的優化方案，其實是在廣告方面：因為該APP是重點參考Instagram來做的，特點在于圖像相關的功能。

但此前的廣告隻是模糊的說了“好玩有趣”，沒有突出具體的“功能和使用場景”，所以造成用戶預期與産品不符，留存就不高的情況。

有趣的是：在之前數據分析的結果中，廣告與留存的相關系數并不算很高。

三、坑3：隻信看得見的數據

如果說上述兩個坑，分别是因為對數據和業務不夠理解才掉進去的，那第3個坑，可能就是越理解數據和業務，就越容易掉進去。在以往的文章中我也說過：數據最大的問題，是它隻能顯示有數據的信息，而不能顯示沒有數據的信息。

克萊因·克裡斯坦森将這兩種信息分别稱作：積極數據&消極數據。

積極數據是指有結構、可量化的數據。比如：銷量，銷售額，留存率，轉化率，複購率，利潤率，付費率，性能指标，市場規模等等…（能規範的被整理到Excel裡的數據都是積極數據）

而消極數據呢，就是指那些沒有清晰的結構，也很難被發現和量化的數據。比如用戶使用産品背後的動機，情感，觀念，習慣，以及這些因素跟随時代的變化等等。

從業務誕生的那天開始，企業就會掌握越來越多的積極數據：

• 哪些産品賣得最多？
• 哪些産品利潤最高？
• 複購率如何？
• 顧客年齡如何分布？
• 市占率是多少
• ……

而随着積極數據的增多，它對企業内部的影響也會越大：

• 銷售部會根據不同産品的銷量和利潤，去影響生産規劃
• 品牌部會根據品類在網絡的關鍵熱詞，去調整産品賣點
• 投放部會根據老用戶的屬性，精準投放新用戶
• 客服部也會根據用戶反饋，給産品提優化建議

好像一切都會正向發展，并慢慢沉澱為“經驗”。

不過，一些“經驗之外”的東西，也在醞釀和發生着。以電商為例，當阿裡和京東根據自己的增長經驗，擴充更高客單價的品類，搶奪更高淨值的人群，設立專門的打折促銷日，并戰略性放棄低端市場的時候，拼多多卻突然冒了出來，并且隻用幾年就變成用戶量全國第一。

阿裡和京東其實都沒有錯，但拼多多是憑什麼？那些低線的用戶，為什麼不用淘寶，卻要用拼多多？

因為更便宜。

為什麼拼多多更便宜？因為它有很多作坊貨、山寨貨。

那為什麼這些作坊貨、山寨貨要去拼多多賣？

一方面是其他平台不讓賣，另一方面，拼多多的拼團模式能讓他們利薄多銷——跟在線下參加趕集一樣。

是的，對于低線的用戶（包括商家）來說，拼多多才是首個把他們線下購物的場景搬到線上來的APP——不管是組團購物、砍價還是買賣山寨便宜貨，本來就是他們線下的日常。

至于淘寶和京東，對他們來說則更像城裡的商場——貴，去的次數也不多。（而且對他們來說，但凡貴的東西，要看到實物才踏實）

這跟“積極數據”和“消極數據”有啥關系呢？先說“消極數據”。

為什麼拼多多能看準這個市場機會？還發明“社交電商”這個新物種？

其實，對于低線用戶來說，購物本身就是社交——大家一起上街買東西；遇到熟悉的商販砍砍價，你買一斤花生，他送你兩顆棗；你幫隔壁大嬸帶點蔥，隔壁大嬸幫你帶點鹽。既有商品交易，也有情感往來——這就是拼多多洞察到的，關于用戶購物的消極數據。

所以，什麼“幫砍拼送”，什麼“社交電商”，本來就來源于生活，來源于對那些消極數據（動機，情感，觀念，習慣等）的洞察。

拼多多隻不過是把它們搬到了手機上，讓它更容易發生而已。

至于阿裡和京東，毋庸置疑，他們的核心團隊一定是既懂電商業務，又精于數據分析。不過，這麼專業的團隊，為什麼沒有在拼多多之前把握市場機會？

這裡的原因是多方面的。

企業要增長，團隊要成長，自然更願意把注意力放在利益更大的地方——更高淨值人群，更高客單價産品，更高頻的産品等等。（包括現在的拼多多也一樣）

另一方面，如泉湧噴的積極數據，也很自然的将内部注意力集中于産品和指标：

• 如何提升物流效率？
• 如何提高廣告收入？
• 如何提高用戶活躍？
• ……

就這樣，在利益和數據的驅動下，他們會越來越了解自己的用戶，并提供越來越好的産品和服務。

但與此同時，他們也會越來越了解誰不是自己的用戶——“那些低線的人，就不是典型的電商人群，我沒什麼精力去關注他們。”

不過，正是因為這種因數據導緻的、慢慢被固化的偏見，所以才導緻市場被分化，被占領，甚至被颠覆。

本文由 @小雲兄 原創發布于人人都是産品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。

,