數(shù)據(jù)在改變著當下的世界，但同時它也蘊藏著巨大的陷阱。在數(shù)據(jù)還叫統(tǒng)計數(shù)字的年代，馬克·吐溫有句名言：“統(tǒng)計數(shù)字經(jīng)常欺騙我，特別是我自己整理它們時。針對這一情況，有種說法十分準確：‘世界上有三種謊言：謊言、該死的謊言、統(tǒng)計數(shù)字?！?br/>

生活中，我們已經(jīng)聽過太多實現(xiàn)數(shù)據(jù)掘金，賺取巨大回報的故事了。但實際工作中，我們自己處理數(shù)據(jù)時，它卻很容易成為馬克·吐溫**的謊言。而身陷這個巨大謊言陷阱中的我們，往往后知后覺，浪費了很多金錢和心血。

為了讓更多的朋友不在深陷其中，中士哥根據(jù)自己服務過的300多家企業(yè)，上千個數(shù)據(jù)分析項目的實戰(zhàn)經(jīng)驗，總結了18個讓數(shù)據(jù)變成謊言的陷阱，讓你能提早防范，并給出了逃離陷阱的建議，希望你能喜歡。

在分享者18個讓數(shù)據(jù)變成謊言的陷阱之前，我們需要先看一看完整的數(shù)據(jù)分析工作大致是什么樣的。

通常有5個步驟：

1.量化。用統(tǒng)一的標準（或者說統(tǒng)計口徑）不重不漏的量化業(yè)務，并將業(yè)務數(shù)據(jù)均與財務數(shù)據(jù)關聯(lián)。

2.有數(shù)。根據(jù)統(tǒng)計口徑、統(tǒng)計平臺和項目進度，選擇合適的采集技術，并正確運用采集技術，讓采集回來的數(shù)據(jù)與統(tǒng)計口徑相符。

3.看數(shù)。根據(jù)查看者將數(shù)據(jù)可視化圖表匯總&分類，并將重點指標根據(jù)波動大小設置閾值，一旦觸發(fā)自動提醒需要關注數(shù)據(jù)的人。

4.分析。以達成業(yè)務目標為分析目標，結合行業(yè)均值數(shù)據(jù)，選擇合適的分析方法分析數(shù)據(jù)，切勿為了分析而分析。

5.用數(shù)。根據(jù)分析結果，進行產(chǎn)品改動、推薦/推送/廣告投放策略的調(diào)整、甚至文案和素材的調(diào)整等等。

做成這5個步驟，很可能會遇到如下18個讓數(shù)據(jù)變成謊言的陷阱。

01 量化階段的4個陷阱

在如今這個網(wǎng)站、APP、H5和各類小程序，共同構建在線業(yè)務的年代，選個現(xiàn)成的數(shù)據(jù)分析工具一接入，獲取的數(shù)據(jù)就能滿足數(shù)據(jù)分析需求的情況還有嗎？有！但太少了，少到我不得不告訴你，也許你們的在線業(yè)務發(fā)展空間很大、很大、很大。

在如此復雜的在線業(yè)務面前，我們必須先做一些必要的規(guī)劃工作才能有效的量化業(yè)務，絕大多數(shù)第三方公司管這個過程叫——指標體系搭建。（PS：包裝的真好?。┪覀兛匆幌逻@里面有哪4個陷阱，及如何應對他們。

陷阱一：統(tǒng)計口徑不統(tǒng)一。

統(tǒng)計口徑不統(tǒng)一是指：同一個指標每個平臺得是一個意思，否則不同平臺的數(shù)據(jù)對比也好和匯總也罷，意義都不大。

以閱讀量為例，見如下表格：

雖然都叫閱讀量，但這仨貨明顯不是一個東西，直接對比三者毫無意義。匯總三者頂多知道打開次數(shù)至少是三者之和 和 可能真的閱讀了的次數(shù)至多是三者之和，得不到什么確切結論。

為什么會出現(xiàn)統(tǒng)計口徑不統(tǒng)一的情況呢？一方面是因為，這么多平臺，大概率是不同人運營，難免會有差異，統(tǒng)一起來需要時間；另一方面是因為，互聯(lián)網(wǎng)行業(yè)還沒有統(tǒng)一的行業(yè)標準，沒有統(tǒng)一標準人員流動小也可以，至少可以自成一派，偏偏互聯(lián)網(wǎng)又人員流動性大，總是你方唱罷我登場，就沒個統(tǒng)一的時候。

寫在應對建議前的話：如果你就是想割資本的韭菜，那看過上面的內(nèi)容，你可能就把“閱讀量”的統(tǒng)計口徑統(tǒng)一成刷新+1了，我想勸你善良，但估計你會選擇性失聰，所以，我就不多說了；如果你是要接盤的資本方，“閱讀量”是不是“虛高”，也許你刷新一下就知道了。不扯了，進入正題。

陷阱一的應對建議，這是一個管理問題，管理問題管理手段才能解：

1)制定一個名字與含義相符的、全平臺適用的統(tǒng)計口徑；

2)協(xié)調(diào)可以管理各個平臺的部門，以行政&財務手段，推行上述統(tǒng)計口徑；

3)相關職位新員工的入職培訓和轉正考核，統(tǒng)計口徑均為必選項。

PS：想看現(xiàn)成的名字與含義相符的、全平臺適用統(tǒng)計口徑的朋友，記得留言告訴我，并關注及時查看更新，讓你成為圈子里最像數(shù)據(jù)專家的那個人。

陷阱二：業(yè)務并未全面量化。

大數(shù)據(jù)已經(jīng)聊了快10年了，完全不做量化的基本沒有了，但量化不完整的，還是屢見不鮮，讓人甚是惋惜。

例如，一個購物流程是：活動頁>詳情頁>購物車>結算頁>訂單頁>支付頁>成功頁，7個頁面，但只有活動頁、詳情頁和支付頁進行了詳細量化，其他頁面沒有量化。這些頁面就成了“黑盒”，我們根本無法了解到底發(fā)生了什么，也就沒法憑據(jù)十足的制定優(yōu)化策略，更談不上推動我們希望的優(yōu)化方案落地了。

再舉個栗子，一波廣告活動，要投放很多渠道，但有些渠道沒有詳細量化單元、計劃和素材；結果只知道總轉化，卻不知道具體哪個單元、計劃和素材效果更好，這事成“黑盒”了，沒法把好鋼用在刀刃上，提升投入產(chǎn)出。

為什么會出現(xiàn)部分業(yè)務并未全面量化的情況呢？一方面是不同平臺業(yè)務流程并不完全相同，且很可能是不同的產(chǎn)品經(jīng)理獨立迭代，不同平臺間有差異的地方，就特別容易在量化時遺漏；另一方面是雖然大家都能意識到可能存在這個問題，但這個事不是任何人的KPI，且都已經(jīng)996了，誰還有余力做“分外”事呀。

陷阱二的應對建議：歸根究底是這事沒人負責，找能負責的人來管。注意，這里分產(chǎn)品里的業(yè)務流程和廣告投放兩部分。

1)找能統(tǒng)一負責同一個產(chǎn)品，APP、網(wǎng)站和各小程序整體效果的人（一般是產(chǎn)品總監(jiān)或產(chǎn)品VP）。負責產(chǎn)品業(yè)務流程的全面量化；或者這個事是數(shù)據(jù)分析師負責，但允許數(shù)據(jù)分析師協(xié)調(diào)這個能對產(chǎn)品整體負責的人推動這個事。

2)找能統(tǒng)一負責同一個產(chǎn)品所有廣告投放的人，負責產(chǎn)品廣告投放的全面量化；或者數(shù)據(jù)分析師負責，但數(shù)據(jù)分析師可以協(xié)調(diào)能對該產(chǎn)品所有廣告投放負責的人推動這個事。

PS：先找負責人，再說怎么推動，否則就是踢皮球，無解。

陷阱三：不與財務數(shù)據(jù)掛鉤。

一切不與財務數(shù)據(jù)掛鉤的業(yè)務量化，都是耍流氓。

我們看看下面這組數(shù)據(jù)：

這時，多數(shù)人會判定A渠道的價值更高，但加上一個成本數(shù)據(jù)后呢？

現(xiàn)在，你覺得哪個渠道的價值更高呢？再加上收入看看。

你和你老板說，A渠道轉化率是B的3倍，他不一定會有反應。但你和他說，A渠道的成本是B的4倍，他很可能會皺一下眉。要是你能再告訴他，A渠道賺的錢是B渠道的5倍，且成本不到5倍，相信他會覺得A渠道比B渠道好。

這個場景只是些基礎數(shù)據(jù)，但你應該能感受到，不考慮財務數(shù)據(jù)的量化，其實沒有什么價值。任何一個財務數(shù)據(jù)的加入，都可能改變最終的分析結果。

陷阱三的應對建議：量化的時候，一定要和財務數(shù)據(jù)掛鉤才全面，后續(xù)的分析才有價值。哪怕你是toB或者大C企業(yè)、單價高、線下成交，也要做這種關聯(lián)。雖然，中間經(jīng)歷了很多環(huán)節(jié)，成本容易被低估，收入的歸因可能不準確，但好過不做任何關聯(lián)。

陷阱四：掉進錢眼里了。

凡事過猶不及，與財務數(shù)據(jù)掛鉤是必須的，但掉進錢眼里，是會賠錢的，尤其是那種用戶不直接在你這里花錢的、通過廣告變現(xiàn)類的業(yè)務。我們以曝光計費廣告為例，了解下為什么。

我們先看下此時廣告收入的指標拆解公式。

廣告收入 = 訪問用戶數(shù) * 日人均訪問次數(shù) * 每訪問瀏覽頁數(shù) * 被訪問頁面平均廣告位個數(shù) * 曝光單價。

一個垂直內(nèi)容社區(qū)朋友的真實案例是這樣的。

他認為：前3個指標只要堅持做優(yōu)質(zhì)內(nèi)容就會持續(xù)上漲，最后一個指標主要取決于競價，他只能接受，需要專門提升的是第4個指標——訪問頁面平均廣告位個數(shù)。

他的策略簡單粗暴：把頁面做成了滿屏廣告的那種。你肯定見過，能想得出來那有多煩人。結果，單價大幅上升，前3個指標初期下降不多，總收入短期內(nèi)上升了！

但隨后是持續(xù)的下跌，那種廣告位減少了，都無法挽回的下跌。我們事后總結，發(fā)現(xiàn)剛開始還有些老用戶不知道已經(jīng)滿屏廣告了，所以初期下跌不明顯；但當老用戶都知道廣告太多時，他們就不來了，也不推薦了。

陷阱四的應對建議：要注意指標間的升降關系是否存在關聯(lián)，如果本來就是不能同時提高的指標，即使他們都是乘法關系，也得舍棄一些。

PS：在非無限延長的頁面上，被訪問頁面平均廣告位個數(shù) 與 訪問用戶數(shù)、日人均訪問次數(shù)、每訪問瀏覽頁數(shù)三者間的關系，大體符合：廣告位從0到1，三者下降很大；廣告位從1到某個數(shù)字，三者變化不大；廣告位超過該數(shù)字，三者大幅下跌的情況。無限延長的頁面上把一定的屏數(shù)當成1個頁面，也有類似有趣的現(xiàn)象。

量化這部分聊完了，我們進入——有數(shù)。

02 有數(shù)階段的5個陷阱

當我們根據(jù)指標體系把業(yè)務不重不漏的量化并與財務數(shù)據(jù)關聯(lián)后，如何在技術和項目實施層面，真的將數(shù)據(jù)采集回來，就成了最重要的任務。畢竟，數(shù)都沒有，你還分析個P呀！

在這個時候，很多企業(yè)發(fā)現(xiàn)自己從咨詢公司花費重金建立了指標體系之后，卻無法落地、無法產(chǎn)生效益，覺得錢都打了水漂，指標體系毫無用處。但這并不是因為指標體系搭建這個量化過程有什么問題，而是數(shù)據(jù)采集涉及了太多的技術、認知和多方協(xié)作的問題。稍有不慎你有的數(shù)，就成謊言了。

下面和大家分享有數(shù)階段5個最常見，且危害最大的陷阱。

陷阱五：采集命名規(guī)則不統(tǒng)一。

指標體系搭建時，統(tǒng)一制定了用戶ID的統(tǒng)計口徑，寫數(shù)據(jù)采集代碼時，不能用中文，你覺得不同程序員會如何寫用戶ID呢？以下是真實案例：

5個程序員都認為自己是在采集用戶ID，且它們的發(fā)音都一樣。但在系統(tǒng)計算數(shù)據(jù)時，會把它們當成5個不同的東西，因為系統(tǒng)只知其名，不知其意。

陷阱一和陷阱五很像，但有區(qū)別；陷阱一是同一個詞、寫法相同、意思不同，陷阱五是意思一樣、寫法不同、電腦程序認為不是一個東西。

陷阱一容易識別，陷阱五隱蔽性極強。因為如果只是語言溝通，很可能所有人都覺得彼此相互理解，但一回數(shù)發(fā)現(xiàn)大家做的完全不是一回事。

陷阱五的應對建議：統(tǒng)計口徑匯總表表頭，一定要有英文名這個字段，且要有各平臺該數(shù)據(jù)實際采集字段名的記錄，并且這個記錄動作要發(fā)生在實際采集代碼撰寫前。

PS：這樣做是否一致，就像上面的表格一目了然了，且此時通常是程序員們先發(fā)現(xiàn)不一致，數(shù)據(jù)計算會存在問題，就自發(fā)統(tǒng)一了。

PPS：說遠點，建議大家在做需要跨多個部門和工種協(xié)作的工作時，一定要寫下來，讓不同部門不同工種的同事看理解是否一致。不同部門不同工種的人對同一個詞和用一個音的理解，千差萬別；寫下來看看，起碼可以避免同音不同字的情況，導致的差異。

陷阱六：不同平臺賬號數(shù)據(jù)未打通。

這里主要有3種情況：

第1種，混合開發(fā)的APP，不打通。結果是：

用戶的真實行為是：在原生頁面A，點擊能到H5的鏈接，到了H5頁面，在H5頁面點擊能到原生頁面B的鏈接，到了原生頁面B。

你監(jiān)測成了兩個用戶，小明和張三：小明在原生頁面A點了個鏈接，很久后出現(xiàn)在了從A到不了的原生頁面B上；另一個用戶張三，突然出現(xiàn)在打開APP不能直接到的H5頁面上。

第2種，跨平臺（如：APP和微信小程序），不打通。結果是：

用戶的真實行為：在APP里分享拼團到群里，然后通過分享入口進入小程序，在小程序里完成支付。

你監(jiān)測成了兩個用戶，小明和張三：小明在APP里分享之后，啥也沒干。張三通過小明的分享進入小程序完成支付。

PS：其他跨平臺也類似，會監(jiān)測成多個用戶。

PPS：你想想如果上述例子中的APP還是混合開發(fā)的，也沒打通，那數(shù)據(jù)會有多么“精彩絕倫”。

第3種，現(xiàn)在，一個人同時使用手機+電腦+pad訪問同一個公司的網(wǎng)站、APP和小程序是很常見的現(xiàn)象。這時候，不打通的話，至少算3個人。

陷阱六的應對建議：使用相同的賬號體系，讓各平臺統(tǒng)一把賬號ID作為用戶唯一身份標識。

靈魂拷問：我們公司APP、網(wǎng)站和小程序要分別注冊賬號不統(tǒng)一的，且永遠不會統(tǒng)一，該怎么辦呢？

答：鄙人才疏學淺，不知道有什么合法手段可以打通這種數(shù)據(jù)。有太多人問過我，不合法但能做到的方法是啥了，這種問答題了，我都選擇性失聰。而問我不合法能做得到方法是不是啥啥啥，這種判斷題的，我會回答YES or NO。但我勸你，即使是為了能睡的踏實，也別碰紅線。

陷阱七：不知道轉化來源。

簡而言之，就是數(shù)據(jù)是下面這樣的，不知道某個渠道的轉化和收入。

你別笑，我服務的企業(yè)不乏月廣告投放預算上億的，但他們當中也有一半以上，剛開始的時候，不知道這個數(shù)據(jù)。80%以上的企業(yè)，我服務初期沒有這個數(shù)據(jù)，包括很多拿過互聯(lián)網(wǎng)營銷大獎的公司。如果要的更細，比如，A渠道某個廣告素材的轉化和收入是多少，我服務初期能拿出這個數(shù)據(jù)的也就2-3%。

Why？！為什么會是這樣？！這不是造孽嗎？！

主要是4種情況：

1)一部分人就是覺得拿不到這些數(shù)據(jù)，他們要么覺得技術上做不到，要么覺得媒體會想盡辦法不讓你知道，而根本不會去求證，然后不作為。

2)不希望廣告投放效果明確量化出來，也許是因為量化出來對他們不利吧。

3)你知道廣告投放這門生意有個東西叫“返點”吧！點到為止！點到為止！

4)我確實想追溯到轉化來源，但太麻煩了，1萬個關鍵詞，就要弄1萬次。

前3種情況嘛，你永遠叫不醒裝睡的人。

針對陷阱七里的第4種情況的應對建議：

建議一：利用媒體開放的追蹤API，如某些平臺，只需要{placement}就能知道具體投放到了哪里，{keyword}就能知道所有關鍵詞。

建議二：如果媒體沒有開放追蹤API，可以結合Excel模板和批量操作工具，用較低的工作量實現(xiàn)對來源數(shù)據(jù)的全面追蹤。

PS：實現(xiàn)轉化來源追蹤，不同平臺需要不同的技術，足夠單獨寫篇文章了。這里先挖個坑，找機會填。

陷阱八：所有數(shù)據(jù)都追求絕對準確。

我們能追蹤到的數(shù)據(jù)，一定比真實發(fā)生的要少！

隨便舉幾個場景吧：

無痕瀏覽能準確追蹤到數(shù)據(jù)嗎？

屏蔽廣告能準確追蹤到數(shù)據(jù)嗎？

用代理了能準確追蹤到數(shù)據(jù)嗎？

實時在線人數(shù)真能準確追蹤到嗎？

IT技術落后的國家，移動站還是WAP，都不支持JS能準確追蹤到數(shù)據(jù)嗎？

……

更不要說，數(shù)據(jù)接收、數(shù)據(jù)消費、數(shù)據(jù)存儲和數(shù)據(jù)查詢，這么多技術環(huán)節(jié)，多多少少都會出點問題，只是問題多大、多頻繁的問題；更何況還有個人隱私保護法案這類東西，這年頭追求所有數(shù)據(jù)的絕對準確，可能你會被贈送一副連在一起的手鐲吧。

即使合法，即使技術上沒問題，就要追求所有數(shù)據(jù)的絕對準確嗎？數(shù)據(jù)本身也是有成本的：軟件費、服務費、咨詢費、硬件費、使用工具員工的薪酬等等。

通過這些數(shù)據(jù)的更加準確，能賺取到的收益有多少呢？

90%的準確率得出的結論和99%準確率得出的結論有什么差別嗎？

90%的準確率能獲取到的收益和99%準確率能獲取到的收益有什么差別嗎？

準確率從90%到99%，成本要提高20倍，還做嗎？

更高準確率入不敷出的話，還要追求嗎？

陷阱八的應對建議：在合法范圍內(nèi)，有幾個分析價值巨大的數(shù)據(jù)，還是要盡可能追求準確的：頁面打開次數(shù)（無限加載頁面可以一定長度算1頁）、賬號登錄次數(shù)（含自動登錄）及其打通、來源追蹤、收入和投放成本。

陷阱九：想一次性搞定數(shù)據(jù)采集。

我很能理解為什么這么多剛做數(shù)據(jù)采集的朋友想一次性解決數(shù)據(jù)采集問題，但應用開發(fā)的技術在不停升級、變化，數(shù)據(jù)采集技術也在不斷演進，只有變才是不變的！除非你的應用不在繼續(xù)迭代升級，不再做任何活動頁面，只擴充內(nèi)容或商品數(shù)量；否則，數(shù)據(jù)采集就總得隨著應用本身的變化，而不斷調(diào)整。

很多朋友覺得，起碼首次上線解決大部分問題，然后，隨著變化而變。

我對陷阱九的應對建議是：“二八原則”。很多工作中，我們都會用到它。優(yōu)先采集那些容易產(chǎn)生效益數(shù)據(jù)，即：頁面打開次數(shù)（無限加載頁面可以一定長度算1頁）、賬號登錄次數(shù)（含自動登錄）及其打通、來源追蹤、收入和投放成本，后面根據(jù)情況補充。

PS：如何更好地在數(shù)據(jù)采集時，用“二八原則”提高效益，也是能單獨寫篇文章的，這里只說個思路：例如：你細分頁面標題查看頁面流轉圖，發(fā)現(xiàn)搜索后付款的比例低于導航、推薦和運營位，那是不是可以考慮對搜索進行詳細監(jiān)測，看如何優(yōu)化搜索功能呢？通常搜索后付款的比例不會是墊底的。

03 看數(shù)階段的3個陷阱

做好數(shù)據(jù)采集后，我們有可以反映真實情況的數(shù)據(jù)了！那么，如何看數(shù)才能讓人更容易從數(shù)據(jù)中看出門道呢？

剛開始做看數(shù)這項工作時，我總覺得看數(shù)就像寫文案，好像誰都能看得出來什么是好文案，誰都能寫兩筆文案，似乎這項工作沒什么門檻，誰都能做似的。做多了看數(shù)工作，我更覺得看數(shù)很像寫文案了，確實沒什么門檻，誰都能做；但文案金句不是誰都能寫得出來的，不是誰都能讓大家把數(shù)看好的。

我們來看看看數(shù)階段的3個陷阱，你會發(fā)現(xiàn)避免起來，沒那么難。但平凡中見神奇，把大多數(shù)人都能學會的事情做到出類拔萃，卻是最難的。

陷阱十：只把數(shù)字圖表化。

我們不追求自己也能做出那些，讓人一眼驚艷的數(shù)據(jù)可視化作品。但把數(shù)字做成圖表，真的還不夠；數(shù)據(jù)可視化要幫助查看者更容易讀懂數(shù)據(jù)包含的信息、甚至隱藏的秘密。

看看下面這組數(shù)據(jù)：

比較常規(guī)的數(shù)據(jù)可視化方法，就是做個餅圖，表示構成比例：

但一眼沒看到圖例的話，不容易直接意識到哪部分是男，哪部分是女。如果想一下子，把比例和男女，兩個信息都傳達出去，也許可以這么做：

是不是一目了然了呢？我再拋磚引玉下：錢相關的可以用金幣（甚至收入和成本用不同顏色）、省份可以用地圖、設備占比可以用手機/PC/平板的icon等等。

除了這些以外呢？根據(jù)轉化流程增加指標，是個好方法，如下圖：

絕大多數(shù)人，應該一眼就能看到，哪個來源是最特殊的吧！

另外，兩個坐標軸都平均數(shù)搞個4象限，效果也十分明顯，就不具體舉例了。

相信大家開動腦筋，能想到更多好方法，讓你的數(shù)據(jù)可視化變得更容易傳遞信息，更容易讓人看出數(shù)據(jù)背后的秘密。先走出這一步，也許你就會成為人群中，那個與眾不同的人了。

陷阱十一：不同KPI的人，看相同的數(shù)據(jù)。

這是最可怕的，往往導致內(nèi)耗巨大，很多亟需解決的問題沒人管，看相同數(shù)據(jù)的人相互之間無限踢皮球，就是不作為，企業(yè)效益每況愈下。

這事聽起來像笑話，但總能碰見。為什么呢？主要是如下3種情況：

1)被第一關鍵指標洗腦了，覺得全公司都應該看同一個指標，大家群策群力，甚至覺得程序員應該優(yōu)先看市場傳播類指標。

2)雖然KPI不同，但卻有很多交集。比如，銷售和售前、產(chǎn)品經(jīng)理和產(chǎn)品運營，KPI并不相同，交集卻很大。（當然更搞笑的是：不同崗位的人，對同一個KPI負責）

3)數(shù)據(jù)太少了，少到?jīng)]得選。

陷阱十一的應對建議：

1)情況1的應對說明。第一關鍵指標是指策略層面有個最重要的指標是目的，其他根據(jù)他拆解來的指標是手段，通過圍觀指標幫助我們避免在做數(shù)據(jù)分析時，本末倒置。以自愿為原則，讓全公司參與第一關鍵指標的提升的頭腦風暴是OK的，但強制性的讓它成為所有人必須考慮的指標，有點奇怪。每個人優(yōu)先看的數(shù)據(jù)，一定是他/她的KPI。

2)情況2的應對說明。寫在建議前的話：很多上了年紀的人，告訴我：“你太年輕，你不懂，這是老板的馭人之道，帝王權術！他就希望你們有矛盾，甚至是故意挑撥離間，他才能坐享其成！”我不驚訝于這個觀點，但驚訝于這個觀點的普遍性。我想說的是，暴利行業(yè)也許有這么作妖，企業(yè)收益降低，老板個人收益提升的空間，利潤不高的小微企業(yè)，這么操作的空間不大。進入正題：明確“責·權·利”，并與KPI交集大的同事，商量好分工和協(xié)作方式，這之后你們看的數(shù)據(jù)就自然而然不一樣了。

3)情況3的應對說明。這我還能說啥呀，除了多搞點的數(shù)據(jù)，我還能說啥。要是你們這個業(yè)務本身就沒啥數(shù)據(jù)，那可能它就不適合用數(shù)據(jù)分析這個方法。畢竟，數(shù)據(jù)分析只是個方式方法，不是萬能靈藥。

陷阱十二：關注計算型指標的實時變化。

有次和一位數(shù)據(jù)產(chǎn)品經(jīng)理交流時，聽到：“我們客戶的需求就是，一個數(shù)據(jù)變化超過百分之多少，立刻收到一條短信或者微信，讓他們知道！”非常典型的需求，你是不是也想立刻知道數(shù)據(jù)的實時巨變？

但不是所有的指標都適合關注實時變化的。

統(tǒng)計型指標、標量、累加的那種，比如：用戶數(shù)、瀏覽次數(shù)、打開次數(shù)、訪問次數(shù)、銷量、銷售金額等，在有大動作的時候，關注它們的實時變化，是很有意義的。比如，推廣活動上線后，稍有延遲用戶數(shù)就應該上升，沒上升大概率是出了什么問題；再比如，做了個促銷，銷量應該上升等等。

但計算型指標，需要做個四則運算的，都不太適合關注實時變化，比如，轉化率、留存率、每訪問瀏覽頁數(shù)、平均訪問時長、視頻觀看完成率等，這些數(shù)據(jù)關注實時變化意義不大，因為他們是浮動型的，可漲可跌。你收到提醒，焦急的去查看波動巨大的原因，發(fā)現(xiàn)它們又到正常范圍內(nèi)了。另外，像留存率這種，最小時間顆粒度是天，看實時變化根本沒有任何意義。

04 分析階段的4個陷阱

終于到了直接創(chuàng)造價值的部分了！前面三個步驟，十二個陷阱，通常會占據(jù)數(shù)據(jù)分析工作80%以上的工作量，但大家感受不到他們的價值。那些工作的價值幾乎都是隱性的，沒有他們做基礎，萬萬不能。但讓那些付出產(chǎn)生回報的分析里，卻藏著4個是最容易讓數(shù)據(jù)變成謊言的陷阱。

陷阱十三：不剔除假流量就做數(shù)據(jù)分析。

近5年，在線廣告的假流量占比持續(xù)降低，但平均下來占比也高達30%，雖然假流量的比例在逐年下降，但即使是最樂觀的估算2020年這個占比也能到四分之一。而某些重災區(qū)，這個數(shù)字甚至會超過50%，更有甚者超過80%。

這么大的比例，不剔除出去，數(shù)據(jù)分析還有什么意義！

為什么會有這么大的比例呢？

首先，造假的直接成本太低。機器人假流量的直接成本很低，是真流量的千分之一！即使是那種技術含量很高，很難識別的機器人假流量，直接成本也不到真流量的百分之一。而“肉雞”則更難識別，且直接成為也不到真流量的五十分之一。利潤太大了，總是有人抵抗不住這種誘惑的。

其次，廣告主買到假流量仍賺錢就沒事。我們拿最夸張的80%舉例，只要這20%的真流量帶來的收益，比廣告投放成本高，廣告主就沒必要較真，當做流量的真實價格是標價的5倍就好。除非有另一平臺，帶來的收益更高，那即使假流量更大，廣告主也會考慮換到那里。

再次，實錘假流量很難。造假技術也是在不斷升級的，能升級到什么程度呢？《貓鼠游戲》里有段臺詞說得好：“技術上來講，他不是在做假支票，就是在做真支票?！庇行┘倭髁扛呒壍剑藳]有付款，所以你懷疑它是假流量外，你找不到任何證據(jù)。

最后，假流量是個巨大的利益集團……點到為止！點到為止！

如何應對假流量呢？

1)我很想教大家如何識別假流量，但曾經(jīng)我用某種方法，證明了1個渠道是假流量，對方不接茬了。結果下次，相同的方法無法證明這個渠道是假流量了，但轉化毫無提升，我懷疑還是假流量，又費了很大力氣才實錘就是假流量。這就很尷尬了，我實錘吧，這招下次就不好使了，我不實錘吧，就得看著他們繼續(xù)作孽。所以，有機會線下和大家細說，這里只分享一個方法，比如分辨率的寬連號從1300-1399，100個數(shù)字全都有，且流量占比相同，最重要的是分辨率的高都是0。挺玄幻是吧，還有更玄幻的呢。找多了假流量你會發(fā)現(xiàn)，真的很有趣，點到為止哈！

2)有些你嚴重懷疑是假流量，但沒有上面那么明確的證據(jù)該怎么辦呢？反正他是不會有轉化，不會有付款的，把它當成低質(zhì)量流量處理就好了。

3)一個渠道真假流量混合怎么辦？根據(jù)實錘證據(jù)把假流量篩出去，再分析。

陷阱十四：不對指標細分，不加其他相關指標驗證。

總說在線業(yè)務的例子，很枯燥，這里換個籃球場上數(shù)據(jù)分析的例子。

有個球員，新賽季投籃命中率55.7%，上賽季投籃命中率48.7%，提升了7個百分點，那我們是不是就可以認為，他們投籃更準了呢？命中率更高和投籃更準是一回事嗎？聽起來像是一回事哈，數(shù)據(jù)支持這種想法嗎？

我們把投籃區(qū)域分成：籃下、中投和三分，細分看看數(shù)據(jù)是什么情況。

驚不驚喜！

意不意外！

這是開了什么掛？！籃下、中投和三分和上賽季比都下降了，但合計命中率居然上升了！

我們加入按投籃區(qū)域細分命中/出手數(shù)據(jù)，再看下：

看出來了嗎？即使和上賽季比籃下命中率略有下降，但它還是上賽季合計命中率的近1.5倍，而籃下出手比例比上賽季提升了50%以上，低命中率的三分和中投又減少的更多，使總出手比上賽季都低了。這個命中率的提升，不是靠提高投籃準確度，而是靠提高更擅長投籃方式的占比實現(xiàn)的。

依照這個思路，你可以查看下，那些沒有細分、添加其他相關指標驗證的數(shù)據(jù)，估計你會找到一個大寶藏！

陷阱十五：分析業(yè)務數(shù)據(jù)時，不加外部數(shù)據(jù)。

舉個真實案例，一個公司年營業(yè)額從去年的2,000萬到了今年的4,000萬，CEO給董事會匯報時，說：業(yè)績翻番，做的很好。前4個字是描述事實，沒有問題；后4個字是表達觀點，業(yè)績翻番和做的好有什么關系嗎？真的有關系嗎？

行業(yè)第一從10億做到了20億也是業(yè)績翻倍，但人家基數(shù)是你50倍，這個難度差得有點大呀。

該公司的主要競爭對手，從1億做到了4億，業(yè)績翻兩翻。基數(shù)是你5倍，業(yè)績成長是你2倍，哪個更難不言而喻。

而去年營業(yè)額在2,000萬左右的同行，今年營業(yè)額全在5,000萬以上。

業(yè)績翻番是增長最少，且總營業(yè)額最低的！能說做得好嗎？

分析業(yè)務數(shù)據(jù)時，加上行業(yè)第一、競爭對手、其他同行，再看看自己的業(yè)務數(shù)據(jù)變化，也許你會發(fā)現(xiàn)，世界不一樣了！

陷阱十六：為了分析而分析。

做業(yè)務時，數(shù)據(jù)分析是手段，業(yè)務提升是目的，不能本末倒置。

舉個例子，歸因模型大家應該都聽過，一個非常高級的分析技術，用來分配價值的。一個用戶看了某個產(chǎn)品很多次，才購買，每次的入口不同，應該如何分配這筆收入呢？

這么高級的東西，很多做數(shù)據(jù)分析的朋友，都很愿意嘗試，用它來做數(shù)據(jù)分析，甚至是自定義歸因模型，聽起來很高大上哈。高達上和假大空往往只有一線之隔，能不能落地帶來價值。

繼續(xù)說歸因模型，它是分析反復瀏覽才轉化的用戶的。

如果你絕大部分的轉化都是新用戶帶來的？

如果你絕大部分用戶的訪問間隔大于購買決策周期？

如果你是在做促使消費者沖動消費的活動？

上述3種情況，用歸因模型分析得到的結論，對業(yè)務提升幫助不大。

類似的情況很多就不一一舉例了。分析模型該怎么選，也夠單獨成文了。

所有的分析模型、分析方法、分析手段，都是為了通過數(shù)據(jù)解釋某個業(yè)務場景而存在的。建議大家先想業(yè)務目標，再想業(yè)務場景，最后看怎么分析，這樣數(shù)據(jù)分析才能有的放矢！

05 用數(shù)階段的2個陷阱

這兩個讓數(shù)據(jù)變成謊言的陷阱都能越過的話，你應該能從數(shù)據(jù)中，獲取很大的收益了！

陷阱十七：根據(jù)推算標簽，做具體調(diào)整。

細致調(diào)整是指推廣賬戶里的具體設定，尤其是那些標簽的具體選擇。

標簽的分類入手，解釋下為什么這是個陷阱。

標簽主要分采集型標簽和推算型標簽兩類。

手機型號，聯(lián)網(wǎng)方式，這些是可以直接采集到的，這種標簽非常準確。

推算型標簽，一般數(shù)據(jù)量越大越準，標簽里值的個數(shù)越少越準。舉個例子，性別，只算男和女，有2個值；年齡段，卻可以有18以下、18-25、26-35、36-45、45以上，很多個值；那么，數(shù)據(jù)量相同的情況，大概率是性別更準確。由于這點的存在，一般再分成高準確率推算標簽和低準確率推算標簽。

標簽推算的一大邏輯是：根據(jù)行為打分，以性別為例，算1百萬個人，有多少男、多少女，準確率會超過97%；但具體某個人，系統(tǒng)給出的不是，這個人的性別是男是女，而是類似該用戶有89%的男性行為、11%的女性行為。

根據(jù)推算標簽做細致調(diào)整非常不靠譜，越是準確率低的標簽，越是不值得根據(jù)它做細致調(diào)整！根據(jù)它們調(diào)整往往適得其反，甚至連量都沒有了。但這里不是說推算型的標簽沒用，根據(jù)標簽進行大的策略調(diào)整是OK的。例如，你發(fā)現(xiàn)你用戶大部分是男的，據(jù)此，設計文案和素材，肯定是大有幫助的。

陷阱十八：做A/B測試只改頁面。

舉個例子，之前一個客戶覺得推廣頁面的文案和頭圖不好，導致轉化率很低。但是無論怎么修改，都是第一版轉化率更高，導致他都懷疑所處行業(yè)的前景了。

分析跳出率后，發(fā)現(xiàn)新頁面的跳出率普遍在93%以上，而第一版頁面的跳出率不到80%。我們體驗了一下流程發(fā)現(xiàn)，推廣投放的文案和圖片一直沒改，只和第一版匹配。和后續(xù)調(diào)整的頁面，全都驢唇不對馬嘴！之前的A/B測試結論，都靠不住。

于是，我們把推廣投放的文案和圖片，配合推廣頁進行了修改，發(fā)現(xiàn)更改的版本里，確實有轉化率更高的了。

大家做推廣頁面的A/B測試時，千萬要記得把投放端的文案和圖片也改了。

18個讓數(shù)據(jù)變成謊言的陷阱匯總表：

-END-