什麼是虛榮數據呢，其實也就是那些看上去很好，卻不能給這個產品帶來絲毫價值的數據。而這些看起來很好的數據，卻迷惑了背後的本質。
我先講之前工作上的一個數據探索的故事吧：有一次在國慶前，我們團隊做了一次首屏的改版，起初產品團隊是不太支持做這個方案，擔心常規版的情況下因為banne位置移到icon下面影響運營的數據。
剛上線時一週裡，banner數據掉的很厲害。很快，我們在國慶前立馬推出皮膚氛圍的ab版測試，結果皮膚版本數據超乎尋常的好。
於是，我們通過這個數據給設計方案做了一次有力佐證。後來呢，這個皮膚的方案成了運營活動的一把利器，大型活動、節假日都利用上了。
事後，我也一直在反思，當初設計方案和數據之間的關係：是設計方案影響了數據？還是國慶假日影響了數據，banne點擊量的數據最後產生了什麼行為變化？
接下來我來談談我對數據的一些新的認識。
一些看起來美好的虛榮數據
什麼是虛榮數據呢，其實也就是那些看上去很好，卻不能給這個產品帶來絲毫價值的數據。比如點擊量、下載量、用戶數、停留時間。我們來看看這些數據是如何沒有產生價值的。
（1）點擊量
是指在某一個時間段裡對某個資源位點擊的次數。然鵝，單獨談點擊量並沒什麼意義,比如一個用戶在有些資源位連續點擊點擊，或者因為一些利益性的活動補貼引發的點擊量變化，這些統計出來的數字到底哪個才能代表呢？
（2）用戶數
計算用戶數量只是一場毫無意義的人氣比賽，除非能讓用戶做對產品有利的事。比如，在推出活動時，有多少用戶能轉化購買？只有知道了這個數字，這個用戶數才是有價值的。
（3）停留時間
用停留時間數據來統計用戶參與度或活躍度，他並並不能說明什麼問題。比如，客戶在某個全是文字內容頁面上停留了很長時間，不見得能看出什麼價值。
（4）下載量
儘管有時會影響你在應用商店中的排名，但下載量本身並不帶來價值；還需要參照的是：用戶下載後的激活量、賬號創建量，等等。
可付諸行動的指標
可付諸行動的數據是指我們通過數據的揭示，找到問題所在，從而改進設計方案，決策下一步的行動。
（1）轉化率=轉化次數/訪問次數
轉化率可以用來衡量產品的效果，比如某個資源位每天能帶來100次用戶訪問，但是隻有1個轉化。在這個數據下，做了一些方案改進，發現每天能帶來100次用戶訪問，提高到有50個轉化。這就說明設計方案改進提升了更高的轉化率更高。舉個例子，我們在養老計算器中發現用戶轉化率低，通過對計算結果前置，影響用戶購買決策，在一定程度上提升了轉化率。
（2）跳出率
跳出率是反映流量質量的一個指標。用戶進入 app後，只訪問了一個頁面就離開了，用戶訪問次數佔總訪問次數的百分比就是跳出率跳出率越低說明流量質量越好，用戶對產品的內容越感興趣。
舉個例子：我們通過漏斗數據發現用戶操作路徑太長，把好幾個步驟的路徑縮減到一步操作，最後看到用戶跳出率就減少了。
如何理性利用數據的價值？
1. 人為因素
數據本身並不會欺騙人，他就真真實實存在哪裡，而是有一部分人為了自己的某些利益有選擇性的展示一些數據，利用數據為自己所用。
比如：開頭我提到了，皮膚帶來的點擊率的數據，實際也是沒有什麼用的虛榮數據，只是利用了數據來佐證設計方案。但背後的真實數據原因還需要深入挖局。
所以，有的數據並不一定是結論事實，它取決於使用者的出發點和目的。
2. 數據的定量與定性
定量數據是指那些可衡量的數字，具有科學性，比如評分、排名。定性數據是不精確的、具有一定主觀性，比較難量化。如果定量數據回答的是“什麼”和“多少”這樣的問題，那定性數據回答的就是“為什麼”。
舉個例子：
定性數據：用戶喜歡金黃色數據提升明顯
定量數據：金黃色的改版帶來50%的數據提升
3. 數據的參照性
如果單從一方面看數據是沒有意義的，需要和其他數據參照，找到數據之間的關係。比如，兩個數據之間總是一同變化，則說明它們是有
相關性的，如果其中一個數據導致另一個數據的變化，則它們之間具有因果關係。舉個例子：因體驗金獎勵策略的投放，提升了聽課的時長。這是有一定因果性的，獎勵影響了聽課時長數據。
4. 依照經驗觀察
舉個例子，在夏天，“冰激凌的銷量”和“溺水死亡人數”成正比，二者的趨勢高度吻合。看到這條信息，簡單的以數據分析的思維就會理解為，冰淇淋銷量帶來溺水死亡人數上漲。
但如果以常識去推理，就會知道這兩個數據根本沒有聯繫，唯一的共同點都在於“夏天天氣熱”，冰激凌的銷量會因此上升，下水游泳的人也會因此增多，因而就會增加溺水人數。我們可以看到數據是客觀的、理智的，但人是具有觀察和經驗的，需要用經驗觀察判斷數據的客觀性，避免走入數據的誤區。
5. 深度挖掘—用戶選擇的不一定是真實的
百度在做搜索功能調研時，通過問卷調查統計，發現有一部分數據顯示：用戶不願意出現歷史記錄這個功能。單從數據上來看這點比較異常，如果單從數據出發，就是滿足用戶，去掉歷史記錄這個功能。但在對用戶做了深入調查後，發現用戶是因為對自己搜索的一些隱晦的詞的介意，不希望出現在歷史記錄裡。
這樣，百度在對這個歷史記錄的改進是，用戶可以選擇清除歷史記錄、也可以選擇不清楚。我們可以看到，用戶有時候做出的選擇導致的數據異常，不一定是最真實的情況，還需要根據數據反應的情況進行深度挖掘，採取最合適的方案來解決。
6. a/b數據測試價值體現
比如一個設計方案測試的結果，其作用在於幫助優化產品體驗及商業價值轉化。藉助a/b測試的數據結果，影響設計方案的結果，例如，如果把app功能做成a 、b版兩種形式，對比哪個方案能帶來更多的轉化。
另外需要注意的是，這個測試更多是用於功能、品牌定位方面的測試，我見過有人提議用ab測試做圖標的1像素、2像素測試，這種測試其實是毫無價值的。我們利用數據指標，是為以後能在數據上通過設計方案改變用戶行為，是因為它最終目標在於價值的體現：有效獲取用戶，創造營收。
小結
我們認識到數據是具有理性的，他就是客觀存在，但也有它的侷限性，數據只是我們用來總結改進用戶體驗產品的一個工具方法，實踐才是真理，想要更深層次的解讀數據背後的價值，就要自己多去挖掘和實踐。
閱讀更多 依然舊少年 的文章
