很多優(yōu)秀甚至偉大的產(chǎn)品決策，并非通過(guò)數(shù)據(jù)發(fā)現(xiàn)的，而是一個(gè)產(chǎn)品經(jīng)理綜合智慧的體現(xiàn)。

產(chǎn)品經(jīng)理所面對(duì)的數(shù)據(jù)，本質(zhì)上和日常生活中的數(shù)據(jù)沒(méi)有太大的差別。簡(jiǎn)單來(lái)說(shuō)，都是一個(gè)量化事物的手段，就像身高、體重一樣，都是一個(gè)數(shù)字指標(biāo)，它代表了現(xiàn)實(shí)存在的事物的一個(gè)客觀情況。

正是因?yàn)閿?shù)據(jù)的客觀性，讓數(shù)據(jù)變成了發(fā)掘問(wèn)題本質(zhì)，尋找事物規(guī)律所需要用到的最有利的手段之一。

數(shù)據(jù)雖然客觀，但是有時(shí)也會(huì)騙人，而且騙人的方式不同。

1、障眼法欺騙

案例一：?把沉默用戶(hù)當(dāng)做支持和反對(duì)的中間態(tài)

2家網(wǎng)站A和B，都經(jīng)營(yíng)類(lèi)似的業(yè)務(wù)，都有穩(wěn)定的用戶(hù)群。它們都進(jìn)行了類(lèi)似的網(wǎng)站界面改版。改版之后，網(wǎng)站A沒(méi)有得到用戶(hù)的贊揚(yáng)，反而遭到很多用戶(hù)的臭罵；而網(wǎng)站B既沒(méi)有用戶(hù)夸它，也沒(méi)有用戶(hù)罵它。如果從數(shù)據(jù)來(lái)看, 應(yīng)該是網(wǎng)站B的改版相對(duì)更成功, 因?yàn)闆](méi)有用戶(hù)表達(dá)不滿(mǎn)。但事實(shí)并非如此。網(wǎng)站A雖然遭到很多用戶(hù)痛罵，但說(shuō)明還有很多用戶(hù)在乎它；對(duì)于網(wǎng)站B，用戶(hù)對(duì)它已經(jīng)不關(guān)心了.網(wǎng)站A指的是Facebook，網(wǎng)站B是微軟旗下的Live Space。

案例二：?把某一類(lèi)型數(shù)據(jù)當(dāng)做全部數(shù)據(jù)導(dǎo)致分析結(jié)果錯(cuò)誤

某產(chǎn)品想要看網(wǎng)站現(xiàn)在的用戶(hù)訪(fǎng)問(wèn)量是什么狀態(tài)，于是選擇了PV作為觀測(cè)指標(biāo)，通過(guò)alexa來(lái)看網(wǎng)站的PV在過(guò)去一年中呈明顯的下降態(tài)勢(shì)，于是就以此為論據(jù)進(jìn)行了分析。

可是后來(lái)發(fā)現(xiàn)，alexa僅僅統(tǒng)計(jì)通過(guò)WEB的訪(fǎng)問(wèn)量，而用戶(hù)移動(dòng)端的登錄并不在統(tǒng)計(jì)范圍之內(nèi)。由于微信等移動(dòng)端應(yīng)用的使用，一大部分人會(huì)通過(guò)移動(dòng)端的途徑進(jìn)入，缺失這部分?jǐn)?shù)據(jù)意味著前面統(tǒng)計(jì)的數(shù)據(jù)基本沒(méi)有意義，因?yàn)閃EB端訪(fǎng)問(wèn)量的下降有可能是用戶(hù)訪(fǎng)問(wèn)網(wǎng)站次數(shù)降低，同時(shí)也有可能是由PC端向移動(dòng)端遷移，這個(gè)統(tǒng)計(jì)就不能作為論據(jù)出現(xiàn)了。

2、單一欺騙法

案例一：將指標(biāo)分開(kāi)單一看，忽略多環(huán)節(jié)指標(biāo)

在統(tǒng)計(jì)用戶(hù)反饋的時(shí)候，只看到幾個(gè)用戶(hù)反饋一個(gè)問(wèn)題，這些反饋在整個(gè)問(wèn)題里占比只有1%，你覺(jué)得這個(gè)太低了，不加以重視！但是，你不知道另外99%遇到這個(gè)問(wèn)題的用戶(hù)很可能卸載你了?。?！

案例二? ：?高流量即高轉(zhuǎn)化？錯(cuò)！

一篇文章百度帶來(lái)100個(gè)leads，微信帶來(lái)80個(gè)leads。但百度帶來(lái)的流量最終轉(zhuǎn)化為60個(gè)注冊(cè)用戶(hù)，微信渠道最終轉(zhuǎn)化了64個(gè)注冊(cè)用戶(hù)，哪個(gè)渠道比較好，不能單純根據(jù)流量來(lái)源多少定吧？

圖/數(shù)極客用戶(hù)行為分析工具

大流量、收錄高是獲得好轉(zhuǎn)化、好排名的基礎(chǔ)，是敲門(mén)磚。但絕不是決定性的唯一因素。某些情況下，大流量是獲得轉(zhuǎn)化的前提，也就我們平常所說(shuō)的擴(kuò)大用戶(hù)池子。在獲得流量后需要考慮如何提高產(chǎn)品轉(zhuǎn)化。但某些情況下，流量轉(zhuǎn)化的高低取決于渠道質(zhì)量的好壞。

3、被動(dòng)欺騙法

案例一? ：?只看數(shù)據(jù)不考慮其他因素

比如：A入口的留存率是30%，B入口的留存率是50%,大多人都覺(jué)得B入口的功能更吸引用戶(hù)。但你忘記了B入口藏的非常深啊，進(jìn)到這里的用戶(hù)都是非常忠實(shí)的用戶(hù)當(dāng)然留存高啊，這就根本沒(méi)法說(shuō)明B比A好。

案例二 ：?只關(guān)注產(chǎn)品而不關(guān)注外界的決定性因素

當(dāng)年Firefox用戶(hù)與Mac用戶(hù)對(duì)支付寶重要與否，單從瀏覽器數(shù)據(jù)統(tǒng)計(jì)看，F(xiàn)irefox訪(fǎng)問(wèn)支付寶的比例太低了。不過(guò)因?yàn)橹Ц秾毑恢С諪irefox，所以，這個(gè)比例不能用作判斷的依據(jù)。Mac用戶(hù)也是一樣。再說(shuō)一個(gè)，支付寶當(dāng)年代繳水電煤的項(xiàng)目改版之后，發(fā)現(xiàn)繳費(fèi)用戶(hù)立刻暴增，產(chǎn)品人員欣喜若狂。后來(lái)某同學(xué)分析一下，原來(lái)那幾天是每個(gè)月水電煤繳費(fèi)高峰期，周期性的抽風(fēng)。其實(shí)呢，分析一下我國(guó)有關(guān)部門(mén)發(fā)布的數(shù)據(jù)，你會(huì)發(fā)現(xiàn)那都是一些說(shuō)謊的數(shù)據(jù)。

案例三? ：?數(shù)字背后對(duì)應(yīng)的內(nèi)容可能更重要

改版了款wap產(chǎn)品，沒(méi)做任何推廣前提下，發(fā)現(xiàn)流量飆升，尤其匿名用戶(hù)漲了3倍。因?yàn)楫a(chǎn)品本身用戶(hù)基數(shù)低，所以流量翻了兩三倍也算正常。當(dāng)時(shí)估計(jì)是SNS的口碑傳播導(dǎo)致的。但最后還是覺(jué)得不對(duì)勁，查了一下，發(fā)現(xiàn)是搜索引擎在抓頁(yè)面，因?yàn)楦陌媪?，所以它們要重新抓一次?？諝g喜一場(chǎng)。數(shù)字還是那個(gè)數(shù)字，但背后它到底對(duì)應(yīng)了什么內(nèi)容，常常被忽略了。在與數(shù)據(jù)打交道的過(guò)程中，我們會(huì)因?yàn)楦鞣N原因，導(dǎo)致分析的結(jié)論出現(xiàn)較大的偏頗。

那如何避免被 “說(shuō)謊的數(shù)據(jù) ”欺騙呢？

警惕5大誤區(qū)，讓數(shù)據(jù)不在說(shuō)謊

（1）選取的樣本容量有誤

08年奧運(yùn)會(huì)上，姚明的三分投籃命中率為100%，科比的三分投籃命中率為32%，那么是不是說(shuō)姚明的三分投籃命中率要比科比高?

顯然不能這么說(shuō)，因?yàn)槟菍脢W運(yùn)會(huì)，姚明只投了一個(gè)三分球，科比投了53個(gè)。

因此，在做數(shù)據(jù)對(duì)比分析時(shí)，對(duì)于樣本的選取，需要制定相同的抽樣規(guī)則，減少分析結(jié)論的偏差性。

抽取樣本的方法有：

• 隨機(jī)抽樣
• 系統(tǒng)抽樣
• 整群抽樣
• 分層抽樣

各種抽樣方法的抽樣誤差一般是：整群抽樣≥單純隨機(jī)抽樣≥系統(tǒng)抽樣≥分層抽樣。

圖/數(shù)極客用戶(hù)行為分析工具

（2）忽略沉默用戶(hù)

用戶(hù)迫切需要的需求≠產(chǎn)品的核心需求

產(chǎn)品經(jīng)理在聽(tīng)到部分用戶(hù)反饋的時(shí)候就做出決策，花費(fèi)大量的時(shí)間開(kāi)發(fā)相應(yīng)的功能，往往結(jié)果，可能這些功能只是極少部分用戶(hù)的迫切需求，而大部分用戶(hù)并不在乎。

忽略沉默用戶(hù)，沒(méi)有全盤(pán)的考慮產(chǎn)品大部分目標(biāo)用戶(hù)的核心需求，可能造成人力物力的浪費(fèi)，更有甚者，會(huì)錯(cuò)失商業(yè)機(jī)會(huì)。

（3）混淆關(guān)聯(lián)與因果

某電商網(wǎng)站數(shù)據(jù)顯示，商品評(píng)論的數(shù)量與商品銷(xiāo)售額成正比。即一個(gè)商品評(píng)論數(shù)量越多，那么該商品的銷(xiāo)售額也會(huì)越高。

假如我們認(rèn)為評(píng)論多是銷(xiāo)量高的原因的話(huà)，數(shù)據(jù)分析的結(jié)論就會(huì)指導(dǎo)我們，需要?jiǎng)?chuàng)造更多的商品評(píng)論來(lái)帶動(dòng)商品銷(xiāo)量。

但如果真的這樣操作的話(huà)，就會(huì)發(fā)現(xiàn)很多商品的銷(xiāo)量對(duì)于評(píng)論的敏感度并不一樣，甚至很多商品銷(xiāo)量很高，但與其評(píng)論的多少毫無(wú)關(guān)系。

這里，我們就需要思考，評(píng)論真的是影響銷(xiāo)量的必然因素嗎?

除了評(píng)論之外，影響銷(xiāo)量的因素，還有其質(zhì)量、價(jià)格、活動(dòng)等，如果能完整的認(rèn)識(shí)到這些因素，那我們要拉升商品銷(xiāo)量，首先會(huì)需要先從其他角度來(lái)考慮，而非評(píng)論入手。

因此，在分析數(shù)據(jù)的時(shí)候，正確判斷數(shù)據(jù)指標(biāo)的邏輯關(guān)系，是指導(dǎo)我們做出產(chǎn)品決策的前提。

（4）可視化表達(dá)方式有誤

用來(lái)表達(dá)數(shù)據(jù)的圖表的長(zhǎng)寬，取值的間隔，數(shù)據(jù)的標(biāo)準(zhǔn)化等都會(huì)造成視覺(jué)上的誤差。

由上圖可知，如果數(shù)據(jù)的取值間隔劃分過(guò)大（等比數(shù)列 1,10,100,1000,10000）而不是標(biāo)準(zhǔn)等差數(shù)列（1,2,3,4），則數(shù)據(jù)之間巨大差異會(huì)被縮小。

• 左圖暗示“湖北、河南、江蘇總產(chǎn)值排名前三遠(yuǎn)超其他省市”
• 右圖暗示“各省市總產(chǎn)值相差并不太大”

數(shù)極客在可視化數(shù)據(jù)看板里面，采用統(tǒng)一的圖表標(biāo)準(zhǔn)，選用最適合企業(yè)查看的數(shù)據(jù)表達(dá)方式。不僅擁有可視化圖表，而且還有可視化埋點(diǎn)，讓數(shù)據(jù)分析完全自動(dòng)化，定制化。

圖/數(shù)極客用戶(hù)行為分析工具

（5）過(guò)度依賴(lài)數(shù)據(jù)

過(guò)度依賴(lài)數(shù)據(jù)，一方面，會(huì)讓我們做很多沒(méi)有價(jià)值的數(shù)據(jù)分析；另一方面，也會(huì)限制產(chǎn)品經(jīng)理本來(lái)應(yīng)有的靈感和創(chuàng)意。

比如，分析馬車(chē)的數(shù)據(jù)，很可能我們得出的結(jié)論，是用戶(hù)需要一匹更快的馬車(chē)。如果過(guò)度依賴(lài)數(shù)據(jù)，局限了我們的思維，就很有可能不會(huì)有汽車(chē)的誕生。

很多優(yōu)秀甚至偉大的產(chǎn)品決策，并非通過(guò)數(shù)據(jù)發(fā)現(xiàn)的，而是一個(gè)產(chǎn)品經(jīng)理綜合智慧的體現(xiàn)。

數(shù)據(jù)是客觀的，但是，解讀數(shù)據(jù)的人是主觀的。

只有正確的認(rèn)識(shí)數(shù)據(jù)，才能正確的利用數(shù)據(jù)。

強(qiáng)大的功能和嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)分析邏輯已經(jīng)被越來(lái)越多的產(chǎn)品經(jīng)理，運(yùn)營(yíng)人員所推薦。

文/老衲原創(chuàng)，部分內(nèi)容選自人人都是產(chǎn)品經(jīng)理

作者：老衲（公眾號(hào)：ifenxipai），數(shù)極客數(shù)據(jù)分析師，新媒體運(yùn)營(yíng)。玩轉(zhuǎn)運(yùn)營(yíng)及數(shù)據(jù)分析的應(yīng)用，擁有大量相關(guān)經(jīng)驗(yàn)。

本文由 @老衲 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 Pexels，基于 CC0 協(xié)議