Episode 12 跳出數據看數據
首先有兩個問題:
1、當我們在討論數據的時候，我們真的是在討論數據么？
2、當我們分析數據的時候，我們只是在看數據的漲跌變化么？
我們先不著急下定論，我們來看一個小故事。
某個端游做用戶調研。收到3份同樣內容的反饋：“這個游戲太坑錢了。”于是，運營同學去詳細查了一下這三個用戶的情況：
用戶A，角色戰士，等級處于中等，從用戶資料上看，是個學生，游戲中當月消費金額200元。
用戶B，角色法師，等級處于高級，從用戶資料上看，是個白領，游戲中當月消費金額200元。
用戶C，角色奶媽，等級處于低級，從用戶資料上看，是個工人，游戲中當月消費金額200元。
首先，雖然同樣是200元的消費金額，但是學生、白領、工人的消費能力是不一樣的，承受消費的壓力也不同。
其次，中級戰士，經常在PVP中被蹂躪，這個學生在游戲中對藥品、裝備產生了大量消費；高級法師，有超多的副本記錄，消費分布很正常，主要是藥品的補給和材料消費；低級奶媽，副本下的不多，PK也不多，但是購買了大量的經驗包用于升級，并且在回答調研之后，等級已經提高到中級。
于是，運營同學大致理解了為什么三個不同類型的用戶會有同樣的反饋：
用戶A，由于在游戲中被其他玩家壓制，同時沒有很好的消費能力，200元在其日常支出中占了很大的比例，所以理所當然的認為“坑”了；
用戶B，由于DPS在游戲中大受歡迎，所以花費了大量時間和精力，在游戲外可能產生了大量的消費，比如，游戲時間太多沒時間做飯需要訂外賣，第一天太疲勞了導致第二天要買咖啡等等游戲外的大量消費。
用戶C，由于要趕超等級進度，花費的金錢主要投入在了經驗包上，導致產生了游戲不平衡，高等級玩家都是花錢買來的感知。
看完這個小故事，我想大家已經感覺到什么了。
是的，我們在討論數據分析的時候，其實想要了解的不單單是數據，而是數據背后的人。
因此，讀懂數據的關鍵是讀懂數據背后的人。
那么，問題來了，如何讀懂數據背后的人？
以我的經驗，有幾個步驟或者原則：
1、拋棄預設立場。
分析數據的第一步是要拋棄預設的立場，就是不要試圖先定義數據展現的意義是什么，只先研究數據的波動，和波動的節點。通過這一步去確立后面要研究哪些相關事件，用戶行為還是系統事件。
這一步是定位。
2、深挖用戶行為與系統事件。
定位完成后，就要去挖掘對應時間節點的相關事件，包括了系統事件（版本升級、服務器錯誤等）和用戶行為（時間節點前后一段時間相關聯用戶的持續行為）。
通過這一步去找出可能造成影響的動作和事件。
3、嘗試換位思考。
接下來，不管定位原因在系統還是用戶，都需要換位思考，如果運營人員是用戶，在對應的時間節點和對應的事件行為發生時，有什么樣的感知、反饋。 模擬可能的狀態。
通過這一步進一步去了解數據變化的原因，并對后續整合數據，產生后續操作進行思考。
4、整合關鍵數據。
前面的動作完成之后，就可以整合關鍵數據，必要時要去比對歷史數據，然后得出結論：
1）造成數據變化的原因究竟是什么？
2）有什么辦法可以改善或者促進數據的變化？
3）獲得經驗，下次有類似情況的時候，應該進行何種處置與預案。
在這里最重要的是，要整合所有路徑的數據，串起所有的流程去看對應的行為，孤立的一個數據不說明任何問題。
舉個例子：
某品牌電商最近的成交量下降，運營人員需要看哪些數據？
1）頁面流量變化+各渠道入口流量變化
2）登錄用戶的瀏覽行為，使用購物車但未購買的用戶數、商品類型
3）支付訂單頁面的蹦失率
4）其他：競品平臺同類商品價格，競品平臺同節點流量變化等，網站最近的異常監控報告等等。
跳出數據看數據，考驗的是運營人員對數據的敏感度，以及通過數據解讀背后原因和產生解決方案的總結、歸納、提高的能力。
這種作法需要大量的實操去完成，同時需要操作者有沉下心去積累的心態。
