工作中使用数据的误区

“数据很重要。” 这基本是无人质疑的一句话,我也十分认可,甚至在一次分享会中说到产品经理的核心价值就是提升数据。从这个角度来看,数据本身可以作为一种目标。除此以外,数据也是对产品现状的一种呈现,能够辅助产品经理进行决策。但是,在实际工作中,数据却让很多人变笨了。以下说说数据让人变笨的一些原因。

关注数据而不关注产品

我一直提倡产品经理要每天使用产品、观察用户的行为甚至与用户交流,这样才能结合数据去了解用户的偏好以及他们所遇到的问题。然而,如此简单的要求却被很多人所忽视,导致无法第一时间察觉到数据的变化以及分析出大致的原因。举一个真实的案例:某产品经理偶然心血来潮地看了一下数据,发现近期数据忽然下跌了,于是急急忙忙地要求 BI 部门去检查数据是否正确。BI 部门折腾了一阵子,得出数据无误的结论,结果产品经理仍不罢休,继续要求各端的研发翻箱倒柜地排查问题。一天的时间就这样耗去了,最后找不到原因,事情不了了之。实际上如果该产品经理每天使用产品,就能轻而易举地知道数据下跌的原因是某群支撑流量的头部用户因为一些事情流失掉了。

像以上的案例,除了耗费团队的资源外,其实也打击了团队的士气,甚至一定程度上削弱了团队成员对产品经理的信任。一个好的产品经理,对自己负责的产品应该是如数家珍般的熟悉,能够时刻了解产品的最新动态。如果问题发生了很久才被发现,分析难度可能会远远加大,甚至无从考究。

对数据缺乏感知

一个关注产品的产品经理,会有着较好的同理心,能够通过换位思考和场景模拟大致了解用户的行为。如果再加上有一定的产品经验,知道各种设计范式对数据的影响,就能对已有的产品进行相对准确的定性判断。也就是说,即便没有进行数据统计,好的产品经理对基本的数据也能有一定程度的感知。举一个真实案例:某产品经理认为产品的某个模块因为设计和内容皆不好的缘故,基本上不会有多少人原因使用,团队其他成员不相信,认为各自做的事情很多,也很好,于是还在不断地提一些相关的但无关痛痒的需求。一段时间过后,相关的数据统计支持后,发现此模块确实没什么人愿意使用。

对数据的解读不正确

看到某个数据不理想的时候,要做的其实是分析为什么不理想,但有时候人们的逻辑却简单到认为这表明了相关的需求并不强烈,后续应该减少甚至放弃相关的资源投入。相反的情况是,某个需求确实不强烈,在数据上的体现也很不乐观,但人们却认为是因为设计或运营做得不到位。除此以外,另一种常见的数据误读就是归因错误,认为数据不好是由于原因 A 造成的,而事实上是由于原因 B,甚至是一连串的原因。

要正确地解读数据,逻辑要严谨,也得有同理心。产品抑或设计,从来都是感性和理性的结合体。

关注虚荣数据

虚荣数据是什么?虚荣数据指的是一些由于产品以外的因素带来的数据增长。比如说你只负责产品的某个模块,但由于产品整体的流量提升了,或是产品其它的地方给了该模块新的流量入口,又甚至是常规的运营投入比以往明显增长了,导致相关的数据看起来一路稳健地增长。然而,产品经理应该清醒地意识到,这是自己躺着也能增长的数据,不应该拿它来邀功或自我欺骗。要使产品真正地提升,应该关注的是各种率,而非总量。有效的迭代,数据的增长往往呈阶梯状,可持续,且能看出与发版时间的关联。

没有对数据进行结构化的梳理

对数据结构化的梳理,最典型的呈现是漏斗模型。数据原本是可以辅助于产品规划,帮助产品经理先从大的节点进行提升,从而实现最大化的投入产出比。但事实上,很多人都是碎片化地 “看” 数据,发现一个数据有提升的空间,然后立刻迭了一个相关的功能上去。正确的分析和决策方式应该是把业务指标整理成漏斗或树形图,有限把最上层的节点给优化了,这样影响的面才能更广。而非只见树叶不见森林地找到一个使用量不高的下级分支进行优化。

没有对数据准确性的警惕

很多产品经理以为数据统计只是 “数据统计” 四个字这么简单,一句 “要进行数据统计” 下去后相关的数据就能被准确、合理地统计到。实际上数据的错误随处可见,一方面是产品经理对统计规则缺乏细致明确的定义,另一方面是埋点的验收往往比较粗糙。前者基本上可以认为完全是产品经理的锅,但如果产品经理没有意识到,极有可能一直盯着错误的数据而洋洋得意。见过的最荒谬的案例是把次周留存当成 7 日留存,留存率基于活跃用户而非新客进行统计。这样和行业的数据对比起来确实很漂亮,但产品经理也不想想为啥有这么高的数据日活还那么低?

不了解数据之间的关联

日活怎样才能提高?日活、新增、留存的数理关系是怎样的?这是几个最体现产品整体情况的数据,但却几乎没有人关心过当中的原理是怎样的。大多数人只知道留存高了,日活就高了。却不知道留存也分为短期留存和长期留存,而两者的提升策略是截然不同的。这自然就无法做到 “对症下药”,没能规划出最高效的迭代路径。对于其它数据,也是类似的原理。

从字面上来看,数据分析似乎是一件纯理性、重逻辑的事情。然而,要避免上述这些情况的发生,对产品和用户的熟悉、理解依然是必不可少的。千万不要唯数据决策,同理心与数据分析应该是相互校验、相互配合以辅助产品决策的。

相关文章