編者按：本文來(lái)自微信公眾號“詠舍”（ID:yongshe01），作者：詠舍，36氪經(jīng)授權發(fā)布。

我先講之前工作上的一個(gè)數據探索的故事吧：有一次在國慶前，我們團隊做了一次首屏的改版，起初產(chǎn)品團隊是不太支持做這個(gè)方案，擔心常規版的情況下因為banne位置移到icon下面影響運營(yíng)的數據。剛上線(xiàn)時(shí)一周里，banner數據掉的很厲害。很快，我們在國慶前立馬推出皮膚氛圍的ab版測試，結果皮膚版本數據超乎尋常的好。于是，我們通過(guò)這個(gè)數據給設計方案做了一次有力佐證。后來(lái)呢，這個(gè)皮膚的方案成了運營(yíng)活動(dòng)的一把利器，大型活動(dòng)、節假日都利用上了。

事后，我也一直在反思，當初設計方案和數據之間的關(guān)系：是設計方案影響了數據？還是國慶假日影響了數據，banne點(diǎn)擊量的數據最后產(chǎn)生了什么行為變化？

接下來(lái)我來(lái)談?wù)勎覍祿囊恍┬碌恼J識。

一些看起來(lái)美好的虛榮數據

什么是虛榮數據呢，其實(shí)也就是那些看上去很好，卻不能給這個(gè)產(chǎn)品帶來(lái)絲毫價(jià)值的數據。比如點(diǎn)擊量、下載量、用戶(hù)數、停留時(shí)間。我們來(lái)看看這些數據是如何沒(méi)有產(chǎn)生價(jià)值的。

(1) 點(diǎn)擊量。是指在某一個(gè)時(shí)間段里對某個(gè)資源位點(diǎn)擊的次數。然鵝，單獨談點(diǎn)擊量并沒(méi)什么意義,比如一個(gè)用戶(hù)在有些資源位連續點(diǎn)擊點(diǎn)擊，或者因為一些利益性的活動(dòng)補貼引發(fā)的點(diǎn)擊量變化，這些統計出來(lái)的數字到底哪個(gè)才能代表呢？

(2)用戶(hù)數。計算用戶(hù)數量只是一場(chǎng)毫無(wú)意義的人氣比賽，除非能讓用戶(hù)做對產(chǎn)品有利的事。比如，在推出活動(dòng)時(shí)，有多少用戶(hù)能轉化購買(mǎi)？只有知道了這個(gè)數字，這個(gè)用戶(hù)數才是有價(jià)值的。

(3) 停留時(shí)間。用停留時(shí)間數據來(lái)統計用戶(hù)參與度或活躍度，他并并不能說(shuō)明什么問(wèn)題。比如，客戶(hù)在某個(gè)全是文字內容頁(yè)面上停留了很長(cháng)時(shí)間，不見(jiàn)得能看出什么價(jià)值。

(4) 下載量。盡管有時(shí)會(huì )影響你在應用商店中的排名，但下載量本身并不帶來(lái)價(jià)值；還需要參照的是：用戶(hù)下載后的激活量、賬號創(chuàng )建量，等等。

可付諸行動(dòng)的指標

可付諸行動(dòng)的數據是指我們通過(guò)數據的揭示，找到問(wèn)題所在，從而改進(jìn)設計方案，決策下一步的行動(dòng)。

(1)轉化率=轉化次數/訪(fǎng)問(wèn)次數。轉化率可以用來(lái)衡量產(chǎn)品的效果，比如某個(gè)資源位每天能帶來(lái)100次用戶(hù)訪(fǎng)問(wèn)，但是只有1個(gè)轉化，在這個(gè)數據下，做了一些方案改進(jìn)，發(fā)現每天能帶來(lái)100次用戶(hù)訪(fǎng)問(wèn)，提高到有50個(gè)轉化。這就說(shuō)明設計方案改進(jìn)提升了更高的轉化率更高。舉個(gè)例子，我們在養老計算器中發(fā)現用戶(hù)轉化率低，通過(guò)對計算結果前置，影響用戶(hù)購買(mǎi)決策，在一定程度上提升了轉化率。

(2)跳出率：跳出率是反映流量質(zhì)量的一個(gè)指標。用戶(hù)進(jìn)入 app后，只訪(fǎng)問(wèn)了一個(gè)頁(yè)面就離開(kāi)了，用戶(hù)訪(fǎng)問(wèn)次數占總訪(fǎng)問(wèn)次數的百分比就是跳出率跳出率越低說(shuō)明流量質(zhì)量越好，用戶(hù)對產(chǎn)品的內容越感興趣。

舉個(gè)例子：我們通過(guò)漏斗數據發(fā)現用戶(hù)操作路徑太長(cháng)，把好幾個(gè)步驟的路徑縮減到一步操作，最后看到用戶(hù)跳出率就減少了。

如何理性利用數據的價(jià)值？

(1)人為因素

數據本身并不會(huì )欺騙人，他就真真實(shí)實(shí)存在哪里，而是有一部分人為了自己的某些利益有選擇性的展示一些數據，利用數據為自己所用。

比如：開(kāi)頭我提到了，皮膚帶來(lái)的點(diǎn)擊率的數據，實(shí)際也是沒(méi)有什么用的虛榮數據，只是利用了數據來(lái)佐證設計方案。但背后的真實(shí)數據原因還需要深入挖局。

所以，有的數據并不一定是結論事實(shí)，它取決于使用者的出發(fā)點(diǎn)和目的。

(2)數據的定量與定性

定量數據是指那些可衡量的數字，具有科學(xué)性，比如評分、排名。定性數據是不精確的、具有一定主觀(guān)性，比較難量化。如果定量數據回答的是“什么”和“多少”這樣的問(wèn)題，那定性數據回答的就是“為什么”。

舉個(gè)例子：

定性數據：用戶(hù)喜歡金黃色數據提升明顯

定量數據：金黃色的改版帶來(lái)50%的數據提升

(3)數據的參照性

如果單從一方面看數據是沒(méi)有意義的，需要和其他數據參照，找到數據之間的關(guān)系。比如，兩個(gè)數據之間總是一同變化，則說(shuō)明它們是有相關(guān)性的，如果其中一個(gè)數據導致另一個(gè)數據的變化，則它們之間具有因果關(guān)系。

舉個(gè)例子：因投放渠道的數據變化，提升了產(chǎn)品的注冊數量。這是有一定相關(guān)性的，渠道影響了注冊數據。

(4)依照經(jīng)驗觀(guān)察

舉個(gè)例子，在夏天，“冰激凌的銷(xiāo)量”和“溺水死亡人數”成正比，二者的趨勢高度吻合。

看到這條信息，簡(jiǎn)單的以數據分析的思維就會(huì )理解為，冰淇淋銷(xiāo)量帶來(lái)溺水死亡人數上漲。但如果以常識去推理，就會(huì )知道這兩個(gè)數據根本沒(méi)有聯(lián)系，唯一的共同點(diǎn)都在于“夏天天氣熱”，冰激凌的銷(xiāo)量會(huì )因此上升，下水游泳的人也會(huì )因此增多，因而就會(huì )增加溺水人數。我們可以看到數據是客觀(guān)的、理智的，但人是具有觀(guān)察和經(jīng)驗的，需要用經(jīng)驗觀(guān)察判斷數據的客觀(guān)性，避免走入數據的誤區。

(5)深度挖掘

百度在有一次對用戶(hù)做問(wèn)卷調查時(shí)候，發(fā)現有大量數據用戶(hù)不愿意出現歷史記錄，單從數據上來(lái)看，這多用戶(hù)要關(guān)閉歷史記錄就可以設計方案上去掉歷史記錄這個(gè)功能。但在對用戶(hù)做了深入調查后，發(fā)現用戶(hù)是因為對自己搜索的一些隱晦的詞的介意。這樣，在對這個(gè)方案的改進(jìn)是，用戶(hù)可以選擇清除歷史記錄。

(6)a/b數據測試

比如一個(gè)設計方案測試的結果，其作用在于幫助優(yōu)化產(chǎn)品體驗及商業(yè)價(jià)值轉化。這些a/b測試的數據結果變化可以影響設計方案的結果，例如，如果把app功能做成某種a 、b版形式，對比哪個(gè)版能帶來(lái)更多的轉化。一個(gè)好的數據指標之所以能改變商業(yè)行為，是因為它最終目標在于價(jià)值的體現：有效獲取用戶(hù)，創(chuàng )造營(yíng)收。

小結：

我們認識到數據是具有理性的，他就是客觀(guān)存在，但也有它的局限性，數據只是我們用來(lái)總結改進(jìn)用戶(hù)體驗產(chǎn)品的一個(gè)工具方法，實(shí)踐才是真理，想要更深層次的解讀數據背后的價(jià)值，就要自己多去挖掘和實(shí)踐。

作者簡(jiǎn)介

Hellen，36氪特邀作者、人人都是產(chǎn)品經(jīng)理專(zhuān)欄作家，今日頭條科技領(lǐng)域優(yōu)質(zhì)創(chuàng )作者。