产品笔记第06篇｜数据辅助决策
在数据收集的前后，我们应该做些什么？
在数据收集之前，要预先对结论时行预测，基于预测的结论有目标地收集数据。如此之后，才能有效地使用数据认证法，从现象到结论。提前预测结论，可以让我们变得目标清晰，做到心中有谱，避免东一榔头西一棒槌。
在数据收集之后，要在数据的横向和纵向两个维度上做对比分析。所谓“纵向数据”常常有收入、流量等；所谓“横向数据”有时间、成本等。从数据对比中找准问题、发现机会，这是论证结论的有力根据，也是行为决策的参考基础。
从具体业务出发，如何利用数据来辅助决策？
本小节我们将分享，数据是如何辅助决策的，以及如何追踪决策成果。首先，我们引入一个问题：假设XX产品需要构建自有的流量池，以摆脱产品对搜索引擎的流量依赖，那么我们是应该投入做社区还是做工具呢？
前面我们已经分享过一个需求价值分析的框架：用户是谁、用户有什么问题、我们提供了什么样的解决方案。
本小节将基于上面的问题假设和这个分析框架，展开来讨论。
通过数据了解用户是谁
要为产品构建自有的流量池，就必须先搞清楚用户是谁，即把符合产品属性的用户聚集起来。
那么从数据的角度，如何搞清楚用户画像呢？其一是直接获取用户的属性数据；其二是收集并分析用户的行为数据。
前一种用户数据可以来自用户表单收集、问卷调研、第三方机构等。后一种数据，来自我们对用户使用产品时的行为记录，如访问偏好、访问时段等。
有了这些用户数据后，我们便能够对用户进行定位，判断用户的喜好、特点。这些分析结果，即可作为我们设计流量池产品的依据，进而初步确定社区或工具的信息架构。
通过数据了解用户需求
知道了用户是谁以后，我们再反向去思考用户有哪些需求未被满足。这是我们构建流量池的机会。
那么如何搞清楚特定用户群的需求呢？其一是通过调研、访谈、客服等渠道收集用户反馈；其二是通过对用户数据进行专业分析、推测，得到可能的最接近的用户需求。
至于第一种收集用户需求的方式，这里不再赘述。关于第二种推测用户需求的方式，我们在这里分享几个有意思的具体方法：
（1）分析用户的搜索记录。大多数产品都有搜索功能，记录用户的搜索关键字、搜索时间等信息，并分析用户的搜索行为，是打开用户心扉最为直接的手段之一。
（2）从产品假设出发，去寻找逻辑上的“反对意见”。因为一旦建立了结论假设，我们收集数据时难免会刻意地从正面角度选择支持我们决定的信息。事实上，我们从用户的“反对意见”中收集数据，也不失为一种有效的需求收集手段。我们试图证明什么，也不能忘了用户不要什么。
（3）观察抽样用户的具体行为轨迹，建立猜想和假设，再倒推回来看整体数据。具体做法是，花较长的时间去观察部分用户行为，身临其境地猜想用户为什么这样做，猜想部分用户的心理活动，假设出行为结论。然后再与整体数据进行比较分析，从比较中找到共通点、差异点，为进一步的探索和决定打下基础。
我们能提供什么样的解决方案
当我们确定了用户的痛点后，接下来就要开始思考解决方案了。回到问题源，为了构建这个流量池，我们到底是应该做社区还是做工具呢？
这个决策与两组数据有关，其一是竞争状态，其二是触达效率。
所谓“竞争状态”指的是我们的解决方案在市场中的竞争力。比如，用户是否用过其它竞品？我们这样做是否有竞争力？我们是否有资源优势？等等。
所谓“触达效率”指的是我们的解决方案所拥有的“自动获取”流量的能力。即，这个解决方案在获客和留存方面的能力如何？我们非常希望这个解决方案可以有较高的触达效率，如此才能帮助XX产品摆脱对搜索引擎的流量依赖。
基于竞争状态和触达效率的分析，我们选择一种可行性较高、成本较低、效果可能更好的方案。这便是数据辅助决策。
小结：数据辅助决策，开工干活
从上面看，是数据帮助我们确定了用户画像，是数据帮助我们获取到用户的痛点，也是数据帮助我们规划、抉择了解决方案。有了这些，我们便可以开始定义产品了，在产品的定义过程中，仍然需要不断地返回回来查看数据、分析数据。
事实上，一旦我们建立了这样的数据思维，并让数据辅助我们的决策，自然而然地形成了数据习惯，让决策的可靠性、成功率变得越来越高。
尽信“数”不如无“数”，数据也不是万能的
在前面章节中，我们分享了“产品经理必备的数据能力”和“数据辅助决策”等内容，我们已经知道数据能力是产品经理的核心能力之一。对产品经理来讲，再怎么强调数据能力也不为过，数据必须是我们最为忠实的伙伴。
古人说“尽信书不如无书”，现在我们也换个角度来说一说数据，即“尽信数不如无数”。事实上，有很多事是数据也无法告诉我们的。本小节，便分享一些数据的误区和陷阱。
数据的骗局
其一，当我们收集到大量用户数据时，在执行数据分析之前，必须对用户数据做一轮排查，要把用户数据中的错误数据、不靠谱不确定的数据先剔除掉。否则这些不良数据，会给我们的数据分析工作带来极大的危害和误差。
其二，小心“巴纳姆效应”。它讲的内容是：人通常会很容易相信一个笼统的、一般性的人格描述，即使这种描述十分泛泛，也会让人们误认为这对自己的描述。因此，我们尽量不要把用户的星座信息作为决策依据，因为星座信息就是一种笼统的泛泛的描述数据。
其三，不要把相关性当作因果性。即，如果两件事同时发生了，我们自然是觉得两件事是有联系的。但是，其实它们在逻辑上可能完全没有关系。可参见图灵的《别拿相关当因果》一书。事实上，所有的数据都是现象，我们不能武断地把数据当作“因”。
不要预设你的期望
一种大忌是：当我们有了一个特别有倾向性的立场和期望的观点时，我们在潜意识里就会去误读数据，用以支撑自己的结论。
这种感觉就像你到了一个岛上，你发现这个岛上没人穿鞋。如果你的预设是：不想在这个岛上卖鞋。你就会分析说，这个岛上没人穿鞋，所以鞋子在这个岛上没有市场；但是你到这个岛上的预设是：我就是要在这个岛上卖鞋。你一看没人没穿鞋，就会觉得：哇，商机很大，这些人都没穿鞋，给他们穿上。
我们可以提前预测结论，但不要武断地预设立场。带着私心去做数据分析，是毫无疑义的，你必须清空自己的私心。
数据不是唯一的驱动力
虽然我们做产品总是在说“数据驱动”，但是数据并不应该成为你的唯一驱动， 如果说我们纯粹被一些数字驱动的话，我们就很容易被 KPI 所绑架。
以“写作”为例，倘若你使用标题党策略，在一定时段里就会把文章的阅读量搞上去，你会误认为你的写作很受欢迎。但事实上，你不过是在迎合用户心理和市场品味而已，久而久之会影响你写作水平的提升。这种盲目基于数据的行为，不仅害了自己，也搞乱了行业生态。于人于已，都是弊大于利。
也就说，数据不是唯一的驱动力。我们写作是为了输出优质的内容，这才是我们写作的源动力。切勿盲目趋势阅读量的短期暴涨。
数据不是终点
不要把数据分析当成终点，不要把数据分析当成我们的依靠，所谓尽信“数”不如无“数”。真正驱动我们做事情的，仍然是产品的目标和用户的价值实现。数据只是辅助我们做决策、选择方向的一个工具而已，数据不能代替我们系统性的思考。
数据能够带给我们更多的是对过去的理解。它没有办法对未来有一个特别明确的指示。当然，很多时候我们需要根据过往经验来做判断。但是，有时候一些划时代的产品，或者一些真正能够影响行业的产品，是很难从过往经验中分析和演化而来的，它需要的是变革和精华。无论我们多么理性，仍然需要给自己的直觉一些机会。
数据是我们推动产品发展的必要手段，而不是唯一手段。更不要误把数据当做成产品的目标，无论走到哪里都不能忘记，用户价值才是我们唯一的目标。
END 2019-03-30
