数据会说谎产品经理要避免哪些数据的坑?

标签:数据,会说,说谎,产品,经理,避免,哪些 时间:2024年03月29日 阅读306次

产品经理所面对的数据,本质上和日常生活中的数据没有太大的差别。简单来说,都是一个量化事物的手段,就像身高、体重一样,都是一个数字指标,它代表了实际存在的事物的一个客观情况。

正是由于数据的客观性,让数据变成了挖掘题目本质,探求事物规律所必要用到的最有利的手段之一。

数据虽然客观,但是偶然也会骗人,而且骗人的体例不同。

1、障眼法诳骗

案例一: 把沉默用户当做支撑和反对的中心态

2家网站A和B,都经营类似的营业,都有稳固的用户群。它们都进行了类似的网站界面改版。改版之后,网站A没有得到用户的歌颂,反而遭到许多用户的臭骂;而网站B既没有效户夸它,也没有效户骂它。假如从数据来看, 应该是网站B的改版相对更成功, 由于没有效户表达不满。但事实并非如此。网站A虽然遭到许多用户痛骂,但说明还有许多用户在乎它;对于网站B,用户对它已经不关心了.网站A指的是Facebook,网站B是微软旗下的Live Space。

案例二: 把某一类型数据当做悉数数据导致分析效果错误

某产品想要看网站如今的用户访问量是什么状况,于是选择了PV作为观测指标,通过alexa来看网站的PV在曩昔一年中呈显明的降落态势,于是就以此为论据进行了分析。

可是后来发现,alexa仅仅统计通过WEB的访问量,而用户移动端的登录并不在统计范围之内。因为微信等移动端应用的使用,一大部分人会通过移动端的途径进入,缺失这部分数据意味着前面统计的数据基本没故意义新疆人事考试中心网,由于WEB端访问量的降落有可能是用户访问网站次数降低,同时也有可能是由PC端向移动端迁移,这个统计就不能作为论据出现了。

2、单一诳骗法

案例一:将指标分开单一看,忽略多环节指标

在统计用户反馈的时候,只看到几个用户反馈一个题目,这些反馈在整个题目里占比只有1%,你觉得这个太低了,不加以正视!但是,你不知道另外99%碰到这个题目的用户很可能卸载你了!!!

案例二 : 高流量即高转化?错!

一篇文章百度带来100个leads百度网站优化,微信带来80个leads。但百度带来的流量最终转化为60个注册用户,微信渠道最终转化了64个注册用户,哪个渠道比较好,不能单纯根据流量来源多少定吧?


 

图/数极客用户举动分析工具

大流量、收录高是获得好转化、好排名的基础,是敲门砖。但绝不是决定性的唯一因素。某些情况下,大流量是获得转化的前提,也就我们寻常所说的扩大用户池子。在获得流量后必要考虑如何进步产品转化。但某些情况下,流量转化的高低取决于渠道质量的好坏。

3、被动诳骗法

案例一 : 只看数据不考虑其他因素

比如:A入口的留存率是30%,B入口的留存率是50%,大多人都觉得B入口的功能更吸引用户。但你忘掉了B入口藏的特别很是深啊,进到这里的用户都是特别很是忠厚的用户当然留存高啊,这就根本没法说明B比A好。

案例二 : 只关注产品而不关注外界的决定性因素

昔时Firefox用户与Mac用户对付出宝紧张与否,单从欣赏器数据统计看,Firefox访问付出宝的比例太低了。不过由于付出宝不支撑Firefox,所以,这个比例不能用作判断的依据。Mac用户也是一样。再说一个,付出宝昔时代缴水电煤的项目改版之后电缆沟堵漏,发现缴费用户马上暴增,产品人员欣喜若狂。后来某同窗分析一下,原来那几天是每个月水电煤缴费岑岭期,周期性的抽风。其实呢,分析一下我国有关部门发布的数据,你会发现那都是一些说谎的数据。

案例三 : 数字背后对应的内容可能更紧张

改版了款wap产品,没做任何推广前提下,发现流量飙升,尤其匿名用户涨了3倍。由于产品自己用户基数低,所以流量翻了两三倍也算正常。当时估计是SNS的口碑传播导致的。但最后照旧觉得舛错劲,查了一下,发现是搜索引擎在抓页面,由于改版了,所以它们要重新抓一次。空欢喜一场。数字照旧那个数字,但背后它到底对应了什么内容,常常被忽略了。在与数据打交道的过程中,我们会由于各种缘故原由,导致分析的结论出现较大的偏颇。

那如何避免被 “说谎的数据 ”诳骗呢?

小心5大误区,让数据不在说谎

(1)选取的样本容量有误

08年奥运会上,姚明的三分投篮命中率为100%,科比的三分投篮命中率为32%,那么是不是说姚明的三分投篮命中率要比科比高?

显然不能这么说,由于那届奥运会,姚明只投了一个三分球,科比投了53个。

因此,在做数据对比分析时,对于样本的选取,必要制订雷同的抽样规则,削减分析结论的误差性。

抽取样本的方法有:

随机抽样

体系抽样

整群抽样

分层抽样

各种抽样方法的抽样偏差一样平常是:整群抽样≥单纯随机抽样≥体系抽样≥分层抽样。


 

图/数极客用户举动分析工具

(2)忽略沉默用户

用户迫切必要的需求≠产品的核心需求

产品经理在听到部分用户反馈的时候就做出决策,花费大量的时间开发响应的功能,每每效果,可能这些功能只是极少部分用户的迫切需求,而大部分用户并不在乎。

忽略沉默用户,没有全盘的考虑产品大部分目标用户的核心需求,可能造成人力物力的虚耗,更有甚者,会错失商业机会。

(3)混淆关联与因果

某电商网站数据表现,商品评论的数量与商品贩卖额成正比。即一个商品评论数量越多,那么该商品的贩卖额也会越高。

如果我们认为评论多是销量高的缘故原由的话,数据分析的结论就会引导我们,必要创造更多的商品评论来带动商品销量。

但假如真的如许操作的话,就会发现许多商品的销量对于评论的敏感度并不一样,甚至许多商品销量很高,但与其评论的多少毫无关系。

这里,我们就必要思考,评论真的是影响销量的必然因素吗?

除了评论之外,影响销量的因素,还有其质量、价格、运动等,假如能完备的熟悉到这些因素,那我们要拉升商品销量,首先会必要先从其他角度来考虑,而非评论入手。

因此,在分析数据的时候,精确判断数据指标的逻辑关系,是引导我们做出产品决策的前提。

(4)可视化表达体例有误

用来表达数据的图表的长宽,取值的间隔,数据的标准化等都会造成视觉上的偏差。


 

由上图可知,假如数据的取值间隔划分过大(等比数列 1,10,100,1000,10000)而不是标准等差数列(1,2,3,4),则数据之间伟大差异会被缩小。

左图暗示“湖北、河南、江苏总产值排名前三远超其他省市”

右图暗示“各省市总产值相差并不太大”

数极客在可视化数据看板里面,采用同一的图表标准,选用最适合企业查看的数据表达体例。不仅拥有可视化图表,而且还有可视化埋点,让数据分析完全主动化,定制化。


 


 

图/数极客用户举动分析工具

(5)过度依靠数据

过度依靠数据,一方面,会让我们做许多没有价值的数据分析;另一方面,也会限定产品经理原本应有的灵感和创意。

比如,分析马车的数据,很可能我们得出的结论,是用户必要一匹更快的马车。假如过度依靠数据,局限了我们的思维,就很有可能不会有汽车的诞生。

许多良好甚至巨大的产品决策,并非通过数据发现的,而是一个产品经理综合伶俐的表现。

数据是客观的,但是,解读数据的人是主观的。

只有精确的熟悉数据,才能精确的行使数据。

壮大的功能和严谨的数据分析逻辑已经被越来越多的产品经理,运营人员所保举。

不锈钢阀门
百度搜索排行
全国服务热线:4000-340-360 企业QQ:4000340360
公司地址:北京市密云县河南寨镇密顺路18号产业基地办公楼420室-958
CopyRight◎2015-2025 版权所有:百信百度排名公司 备案号:京ICP备15033961号