數(shù)據(jù)是個很好的東西，可以幫助我們做出相對客觀的產(chǎn)品決策。但是數(shù)據(jù)中也存在著很多的陷阱，如果我們沒有很好的邏輯分析能力，很可能會被數(shù)據(jù)玩弄而做出愚蠢的決策。今天，咱們就結(jié)合工作可能遇到的一些陷阱來聊聊這些數(shù)據(jù)陷阱以及怎么避免掉入陷阱。

開始之前，我們先看看幾個大家在工作中可能會遇到過的案例吧！

1. 購買A類商品的用戶當(dāng)中有80%的都是甲類用戶，因此當(dāng)發(fā)現(xiàn)用戶是甲類用戶時，應(yīng)該給用戶比一般情況下推薦更多A類商品
2. 當(dāng)乙值增加時，B功能的轉(zhuǎn)化率降低，因此應(yīng)該限制乙值在一定水平
3. 用戶調(diào)研發(fā)現(xiàn)90%用戶喜歡C功能，因此我們需要增加C功能
4. 根據(jù)現(xiàn)有數(shù)據(jù)發(fā)現(xiàn)，D值相對較高的商品有更高的點(diǎn)擊，因此應(yīng)該把D值高的商品的排序提前
5. 使用了E功能的用戶比沒使用E功能的用戶轉(zhuǎn)化率低，因此應(yīng)該將E功能下線

大家應(yīng)該猜到了，這幾個例子肯定是掉進(jìn)數(shù)據(jù)陷阱的描述，所以不妨先想一想這幾個描述問題出在哪里，如果你想不明白，這篇文章建議你看三遍。

1.購買A類商品的用戶當(dāng)中有80%的都是甲類用戶，因此當(dāng)發(fā)現(xiàn)用戶是甲類用戶時，應(yīng)該給用戶比一般情況下推薦更多A類商品

逆命題陷阱

第一個案例的陷阱迷惑性很大，在實(shí)際工作中，我也經(jīng)常碰到拿著這種描述來要求在某些場景下對某種類型商品給予更多流量的需求。從數(shù)據(jù)中，確實(shí)可以說明購買A類商品中甲類用戶偏多，但是這能夠說明甲類用戶比整體用戶更偏愛A商品么？顯然不是，案例如下表：

假設(shè)A類商品和非A類商品的需求都是50，平均情況下A類商品和非A類商品的流量分配應(yīng)該是50%:50%。雖然在購買A類商品中的用戶甲類用戶占比為80%，但甲類用戶需要A類商品的只有45%，還沒有到正常平均情況下的50%，原因就是因?yàn)橘徺I了非A類商品的用戶甲類用戶的比例高于80%。

這個陷阱叫做逆命題陷阱，逆命題應(yīng)該是高中數(shù)學(xué)中的概念，如果你忘了我們舉個簡單的例子，如果有個判斷語句“如果于謙是郭麒麟的父親，那么郭麒麟是于謙的兒子”，“如果郭麒麟是于謙的兒子，那么于謙是郭麒麟的父親”是它的逆命題。逆命題有個特點(diǎn)，那就是當(dāng)原命題是真的時候，逆命題不一定為真。再有一個例子，“如果小明是人，那他一定是哺乳動物”的逆命題“如果小明是哺乳動物，那么小明是人”就是不正確的，因?yàn)樾∶饔锌赡苁呛镒印５侨绻粋€命題是真的，他的逆否命題一定為真，比如“如果小明不是哺乳動物，那他一定不是人”。本例中，“購買A類商品的用戶更可能是甲類用戶”為真，但它逆命題“甲類用戶購買的更可能是A類商品”就是錯誤的。

這些簡單的邏輯學(xué)概念和定理，我相信大部分人是了解的，但是在實(shí)際工作往往忘記了這些基本的原理而做出一些愚蠢的決策。對于那些不怎么了解的人，只需要記住一條：小心逆命題，別隨便把推斷的話反過來說。

2.當(dāng)乙值增加時，B功能的轉(zhuǎn)化率降低，因此應(yīng)該限制乙值在一定水平

相關(guān)和因果陷阱

數(shù)據(jù)分析是幫助我們找到產(chǎn)品問題/機(jī)會的重要手段，相關(guān)性分析是數(shù)據(jù)分析中最常見的方法，我們常容易犯把相關(guān)關(guān)系當(dāng)因果關(guān)系的錯誤。關(guān)于相關(guān)關(guān)系和因果關(guān)系的描述，最著名的例子是冰激凌和溺水死亡率的例子：通過數(shù)據(jù)統(tǒng)計(jì)發(fā)現(xiàn)，冰激凌銷量增加時，溺水死亡率也顯著增加。那是不是可以限制冰激凌的銷量來控制溺水死亡率呢？對于風(fēng)馬牛不相及的推斷，正常人都會嗤之以鼻。冰激凌的銷量和溺水死亡率只是存在相關(guān)關(guān)系，這種相關(guān)關(guān)系的產(chǎn)生是因?yàn)樵谏钐幱幸粋€相同的原因：氣溫的升高。但冰激凌的銷量明顯不是溺水死亡率高的原因，因此不能靠限制冰激凌的銷量解決溺水死亡率高的問題。但不幸的是，我們大多數(shù)人還是會犯同類型的錯誤，比如2。

這個例子中，乙值的增加和B的轉(zhuǎn)化率降低應(yīng)該都只是某個深層原因的結(jié)果，但在描述中我們把B轉(zhuǎn)化率的下降歸咎于乙值的增加，這就是我們錯把相關(guān)關(guān)系當(dāng)因果的原因。對于如何避免這類錯誤，我們需要做的是盡量看到數(shù)據(jù)所體現(xiàn)的深層原因，將每個數(shù)據(jù)變化都對應(yīng)到產(chǎn)品相關(guān)的實(shí)際因素中去，比如需求的變化、供應(yīng)的變化、功能的改變、環(huán)境的變化、競對的動作等等，而不是讓數(shù)據(jù)分析只停留在數(shù)據(jù)層面。

3.用戶調(diào)研發(fā)現(xiàn)90%用戶喜歡C功能，因此我們需要增加C功能

4.根據(jù)現(xiàn)有數(shù)據(jù)發(fā)現(xiàn)，D值相對較高的商品有更高的點(diǎn)擊，因此應(yīng)該把D值高的商品的排序提前

既定規(guī)則陷阱

在需求挖掘的方式中，個人非常愿意將用戶調(diào)研的吐槽部分作為發(fā)現(xiàn)問題的渠道，但絕對不會將用戶調(diào)研的建議部分作為產(chǎn)品機(jī)會的直接來源。原因很簡單，用戶的不滿是真真切切存在，他們也懂得如何表達(dá)不滿，但用戶的建議受既定規(guī)則的影響往往是不靠譜的，就像那個福特汽車的例子：在汽車出現(xiàn)以前，所有的用戶只想要一匹更快的馬。如果人人都能提出靠譜的建議，還會有喬布斯張小龍這種被你們奉為神的存在么。

我一直對用戶調(diào)研持謹(jǐn)慎態(tài)度最深層次的原因，是因?yàn)樗械挠脩魩缀醵际艿搅思榷ㄒ?guī)則的影響，這種既定規(guī)則的影響，也給了我們設(shè)下不少的數(shù)據(jù)陷阱。比如3，我曾見過通過“用戶競對app使用場景調(diào)研”的結(jié)論得出“我們應(yīng)該增加C功能（和競對一樣）”的決策的例子，我想說的是：之所以許多用戶覺得C功能不錯（或者在使用C功能），是不是僅僅因?yàn)楦倢μ峁┝诉@個功能并且放在了明顯的位置呢？當(dāng)然，如果你說用戶已經(jīng)習(xí)慣了這種操作方式，這個結(jié)論也對，做這個功能也不會犯大錯。但如果始終采取這種方式做需求，那么恭喜你，你又在不知所以然的道路前進(jìn)了一步。另外分享個最近的思考題：現(xiàn)在手機(jī)屏幕越做越大，是不是因?yàn)橛脩粽f了想要更大屏的手機(jī)呢？但是用戶真的需要大屏手機(jī)么？大屏手機(jī)到底有什么好？

在用數(shù)據(jù)說話的策略產(chǎn)品中，也可能存在這樣的陷阱，比如4中通過對現(xiàn)有的數(shù)據(jù)分析發(fā)現(xiàn)D值高的商品點(diǎn)擊量更多，得出應(yīng)該將D值高排在前面的結(jié)論。在排序中，被排在前面的item必然比排在后面的item有更高的點(diǎn)擊，如果在之前的排序策略已經(jīng)有了和D強(qiáng)相關(guān)的D1的特征生效，那么必然D值高（因?yàn)镈1高）的item就會有很高的點(diǎn)擊。因此“D值相對較高的商品有更高的點(diǎn)擊”很可能只是因?yàn)楸緛鞤值高的排在了前面。如果你把D值加入到了排序當(dāng)中，很可能會做無用功，也因此在策略相關(guān)產(chǎn)品增加特征時，需要考慮新增特征是否和老特征正交。

對于既定規(guī)則陷阱的規(guī)避相對困難，這也是創(chuàng)新之所以難的原因。那一句非常虛的“挖掘用戶深層次的需求”是避免錯誤的不二法門，謹(jǐn)記要think out of the box。

5.使用了E功能的用戶比沒使用E功能的用戶轉(zhuǎn)化率低，因此應(yīng)該將E功能下線

數(shù)據(jù)統(tǒng)計(jì)陷阱

這是最近同事在處理需求遇到的一個問題，本來大家都信心滿滿的一個需求，上線之后發(fā)現(xiàn)使用了E功能的用戶的轉(zhuǎn)化率還不如沒有使用E功能的用戶的轉(zhuǎn)化率高。如果停留在表面的數(shù)據(jù)分析，大多數(shù)人可能會做出需求下線的決策。但是真的對么？產(chǎn)品對比試驗(yàn)是我們經(jīng)常使用的決策方式，這類試驗(yàn)有一個基本前提那就是單一變量，要求進(jìn)行對比的兩組用戶除實(shí)驗(yàn)變量之外的統(tǒng)計(jì)特征是相同的?；氐桨咐?，使用了E功能和沒使用E功能的用戶特征相同么？假設(shè)使用了E功能的用戶轉(zhuǎn)化率為5%，沒使用的轉(zhuǎn)化率為10%，或許，有沒有可能在沒有E功能之前，使用了E功能的這批用戶的轉(zhuǎn)化率只有1%？

在這個陷阱中，讓我們中招的是對數(shù)據(jù)取樣的錯誤處理。除了數(shù)據(jù)取樣，我們還可能遇到各種統(tǒng)計(jì)陷阱。對于這類陷阱，我們要時刻注意的是對比試驗(yàn)中的兩組是不是單一變量：是不是同一群用戶？是不是同一種場景？其他功能有沒有對結(jié)果有干擾？等等等。

通過對上面幾個陷阱的分析，不難知道如果能夠?qū)⑸厦嬲f的陷阱具體內(nèi)容描述拋開，抽象成具體的邏輯問題，結(jié)論的正確以否還是很容易判斷的?？傊a(chǎn)品經(jīng)理心里要保有批判性的看數(shù)據(jù)的意識：做決策之前多想想數(shù)據(jù)和決策之間有木有正確的邏輯關(guān)系，做個講邏輯的產(chǎn)品經(jīng)理吧。

作者@?hihipm

來源@策略產(chǎn)品經(jīng)理講堂（公眾號ID；hihipm）

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