产品设计与数据

原文链接

在这个越来越急躁，越来越卷的就业环境下，大家出去面试，不吹下数据，聊下业务发展，好像就低人一等了。但是很多同学，在吹数据的时候，通常只能说，通过XX改动，数据提升了多少个百分比。
吹的姿势过于无趣，如果面试官追问下细节，大多数直接社死。而为了大家能够舒服地高人一等！本人就给大家科普下基础的数据分析是怎么吹的！

01 那么，数据该怎么看待呢？

接下来会用一个简单的案例去说明下，可能不是很恰当，但是看不懂也没关系，多看几次自然会懂。

如图，是一个超市的结算柜台，供有5层货架。
销售小张打算在货架卖可乐，假设每层货架可以放10瓶可乐，5层则是50瓶，然后设定每周一营业前进行一次补货。接下来我们可以看看小张10月的销售数据。

可以看到销售小张的销售数据非常不错，周转化率为84%。如果这个时候小张拿着这个数据去汇报领导，无外乎两个结果，一个是升职加薪，一个是寻根问底。两种结果，两种人生。但小张是一个诚实且爱学习的孩子，在没有一个负责任的结论下，是不会贸然去邀功的。接下来小张统计了10月的所有数据，果然发现了一些问题。

• 10月的销售数据中，第一周的成绩是最好的，达到了84%
• 每周的销售数据中都是前3天的销售量占据了该周销售量的大半，后续几天下滑严重
• 从10月第一周开始，到11月初也就是第5周，销售数据一直在下滑

看到这些明显的问题后，小张决定将时间维度继续拉长去看，以月、季度、年的单位去看了最近7年柜台的销售数据，发现商品具有明显的周期性。
可乐虽然在10月第一周销售最好，但可能是国庆节人流量大增等原因，大多数商品都会有量的提升，后面出现回落属于正常现象。但如果以季度为单位去看，会发现第一个季度A商品销售得很好，但到2季度3季度后，对比1季度都有很大的下滑。
如果这个时候把2、3季度换成B商品时，销量会稳定上升，反而B如果放在1季度的话，销量会比较平淡。由此我们可以看出短时间的销量是没有代表性，在数据分析中，样本的数量是多多益善，还得具备周期性的思维。
然后我们再去看第2个问题，为什么前3天的销售量占据了整周销售量的大半。小张调研了下，发现货架最上面2层卖完后，销量立马开始下滑，而最下层总是保存的最完好，几乎无人购买。如果及时地补货，提升商品的曝光率和便捷性是否能提升销量呢。
固定每周一营业前补货是不合理的，需重新制定补货维护策略。
想到这些，小张又在想后面的销售计划该怎么去制定。时间、地点、人文、商品本身都会影响销售数据，而现在10月气温还算好，对可乐影响不大，但往后会越来越冷了，可乐是否不再适合在柜台销售了呢？该用什么商品去代替，获得更高的收益呢？
最后小张根据这些想法，做了一个汇报方案，先汇报了当前的成绩，再讲了下现在的问题，最后展望了下未来与应对策略。在一片掌声中，小张的发量越发地开始稀疏。
PS：我们常常看到一些团队或个人，拿一些不负责的数据，去邀功，这种做法让我很羡慕。比如某人做了一个新方案，在汇报时说，点击率上升了80%。一下子整个会议室肃然起敬。但如果深入了解会发现，他只是问卷式地访谈了4个用户，其中3个觉得还不错。对于访谈样本特征没有分级，样本量也太少。这种数据没有任何意义，只能说对我们的方案做一些启发评估。

02 小结

对于数据，我们不能孤立的去看待，每一个数值的背后都值得我们去关注。一个负责任的数据结论是多条链路相互佐证的结果，是算明白了变量条件对结论的影响，是明确了运行的规律。
如一个商品卖的好不好，可能纯粹就是该商品曝光率太低，也可能是一场疫情超市直接倒闭，剔除这些因素再去分析才是有意义的。
有人说，如果我链条够多，算力够牛，我就能预知未来。
下一篇将结合实际案例去讲解怎么通过数据发现问题，然后确定问题，再修改方案解决问题等。

前面我们简单地聊了下数据该怎么看待，接下来我们会通过实际的案例去进行分析。希望给大家带来一些启发。

一、以某电商为例子

如图所示，是一个落地转化页面流程。用户输入手机号领取奖励，然后进入中间页，中间页里强化了利益点且加强了用户心理预期，告知用户奖励已放入账号，从而促使用户下载APP去使用。
那么该电商的拉新方案表现如何呢？我们通过一组数据来看看。

可以看到该电商周转化率最终在26.43%（上面表格最右侧总转化率），与预期的达到40%左右相差甚远，问题是比较严重的。这个时候我们可以利用一些数据分析的思路去尝试找出问题，然后解决问题。
前文提过，数据决不能孤立的去看待，为了找出问题，我们需要完整的看待数据链路（此处仅针对本链路数据分析）。
根据表格，我们可以发现从落地页到输入手机号，转化为85%，输入手机号到点击领取按钮转化为95%。数据正常，说明在方案设计上与数据采集上在这块都没问题，可以先进行排除。
接下来我们继续看，发现中间页点击下载按钮的数据为60%，数据出现了第一次大的滑坡；后面应用商城的下载转化一样是60%，也出现了数据滑坡。整个数据链路就是因为这两次大的滑坡造成了最高的转化达不到预期。虽然在下载这块出现数据滑坡是有心理预期的，但连续两次的数据滑坡，是否可以避免呢？
那么我们有没有办法去解决呢？接下来我们可以分析一下数据出问题的地方。

首先我们要明确该电商针对的是东南亚用户，那么在本地化过程中是否存在信息传递的问题。针对这个问题我们和本地工作人员核查了多次，可以基本排除，单页面本身理解上是没问题的。
东南亚用户是否会对该流程感到疑惑呢？输入手机号点击领取——下载APP使用——跳转应用商城进行下载。
这个问题我们不需要花费大量的时间去调研，比如看看同类是否有这种流程，本地头部产品是否有这种流程，用户被教育的如何等的（该流程有的产品有中间页，有的没有）。
快速的迭代验证即可，看能不能去掉中间页试试（有时间的团队当然是调研最佳，穷B团队还是采取穷B的方法吧，毕竟数据已经说明这里有问题了，等你出了调研结论我都上线看数据了）。
接下来我们分析下去掉中间页的可行性。
中间页是告知下载，主要是解决用户心理预期的问题。如果我们在前面落地页就加入这些信息，那么完全可以省略中间页，只是落地页会多一些内容，但减少了一步漏斗，这点是划算的。而应用商城是执行下载，这个是不可或缺的。
我们再从外部环境去看，国内微信的外链规范是不许直接跳出的（老版的外链规范），必须通过一个中间页才可以跳出。也就是国内同类产品做法的由来。比如拼多多和瑞幸咖啡APP。

那么主要的社交渠道都是Facebook、Messenger等的东南亚产品，他们的外链规范是否也有此限制呢？
经过查询，没有发现明确的条文规定不准直接跳出。那么去掉中间页的可行性就具备了。由此新的方案出现了。

在新方案中，点击按钮会直接跳转到应用商城进行下载，按钮和按钮下方的文案对用户进行引导，提示下载信息。
那么，新方案是否有效的提升了转化率呢？我们可以看下新方案的数据表现。

去掉中间页后，我们发现相关节点数据和之前的对比没有什么不同，但由于少了一步漏斗，我们的总转化率从之前的26.43%提升到了51.4%，达到了我们的心理预期，一次非常成功的迭代优化。

二、在寻常中寻找不同

数据是波动的，不会一层不变，但这个波动如没有内外条件的影响，都会维持在一个合理的范围间波动。我们观察数据，很简单的一个点就是数据是否有异常的波动，这个异常波动的原因是啥？这就是我们日常观测的意义所在。

可以发现在11月13后，数据开始攀升，分析这背后的原因会发现，是由于该业务11月13日开始在站内全量开放，之前是只有白名单用户才可以体验。
然后通过趋势图可以发现在11月20与22（图中标示出的低点），数据有较大的断档，这里就需要我们去研究下，断档的原因是啥，是运营层面的影响，还是技术上的影响，此处需要去分析是否是正常的波动。
首先我们可以通过当天的漏斗去观察，是否是路劲出了问题，如没有再去排期其他的。

对比漏斗会发现，11月20与11月22日在短信下发这块出现了问题，数据出现了非常大的波动。排查后得出事故原因在于一部分用户收不到短信验证码，供应商服务出现异常波动。经过修复，数据恢复正常。

三、小结

通过以上两个例子，可以发现，在日常工作中，我们可以通过数据去发现和定位一些问题。只有发现与定位到问题后，我们才可以针对性地去解决。而不是发现结果不对，就开始主观地各种思考和反思，这种是非常累也非常难以推进新方案的。
第1个列子我们通过案列去讲述，怎么通过数据去定位问题，然后分析每一个数据是否合理是否有问题的。然后再去提出假设，去寻找支撑点。再加上一些判断，然后快速的上线去尝试。
第2个列子我们发现，数据是需要持续的进行观测的。只有常态化观察才能尽力的保障业务平稳的运行，发现问题然后及时处理问题，减少非必要的损耗。
数据是业务价值的体现，很多指标是可以人为的去影响的，对待数据我们要综合性的去看待与分析。以上就不再说大道理了，后续有空继续深入分析。