数据|是如何坑人的？( 二 )

文章插图
除了广告投放，辛普森悖论还经常出现在各种各样的数据统计活动之中——需要算比率的统计基本都会出现，比如：
那么，如何才能避免汇总数据可能带来的坑呢？
关键记住8个字：不同性质，拆开来算。
二、坑2：误把相关当因果“啤酒与尿布”的故事大家应该都听过——通过相关性分析，商家发现啤酒的销量与尿布的销量高度正相关。于是他们在陈列上，把啤酒和尿布离得更近，以此来提高销量。

文章插图
当然，这完全是个不切实际的、杜撰的故事。（杜撰者是Teradata公司的一位经理——估计是营销经理，为了说服商家购买他家的数据服务，编的软文）而这里想说的重点是：相关性分析。
【数据|是如何坑人的？】如今，不管是传统行业还是互联网行业，数据已成为企业内部最重要的资产之一。
而各家公司的数据分析师，几乎每天都会做的一件事就是：分析各个因素之间的相关性，并以此来找到增长方法。
比如游戏公司发现：用户玩游戏时间越长，留存往往越好，所以就重点提升新用户的游戏时长，以此大幅提升留存。
再比如便利店通过监测发现：人们逆时针环顾店内的时间占比越大，人均消费就越高，所以在装修和陈列上，就尽量引导人们逆时针行走。（因为右撇子的人更多，而一般逆时针环店能让更多商品出现在人右侧，这样拿东西更方便，也就拿得更多了）

文章插图
不可否认的是：通过相关性分析，确实能找到很多有效的增长方法。不过，过于迷信相关性，有时却会带来相反的结果。
比如某社交APP想提高留存。
他们发现：用户发消息的条数，与留存的相关性系数是最高的。
不仅如此，他们还发现：消息条数超过500的用户群体，与没有超过500的用户群体，留存情况出现了断崖式的差异。（这里的“500”，通常被称为“魔法数字”）
于是，为提高留存，团队就提出：假如我们设法提升新用户发消息的条数，尽量使之超过500，就可以明显提高留存了。
再于是，他们就通过设置“阶段性有奖任务”（发消息到一定条数，就会触发获奖提示，并告知下一个有奖任务），将所有新用户的消息条数都给拉了上去，并基本超过500。
然而，最后的结果却是：虽然整体的短期留存上去了，但整体的长期留存反而下降了。
为什么会这样？明明消息条数和留存的相关性是最高的呀…
其实，这就是典型的误把相关当因果，甚至是因果倒置——不是因为条数多，所以才留存好，而更多是因为留存好，所以才条数多。
上述的方案，虽然短期能通过利益提高留存，但对真正愿意使用产品的用户来说，获奖提示可能是一种打扰。
另一方面，利益的刺激会带动更多非目标用户（羊毛党）下载和使用APP，拉低用户质量，所以长期留存就降了。
而最终关于留存的优化方案，其实是在广告方面：因为该APP是重点参考Instagram来做的，特点在于图像相关的功能。
但此前的广告只是模糊的说了“好玩有趣”，没有突出具体的“功能和使用场景”，所以造成用户预期与产品不符，留存就不高的情况。
有趣的是：在之前数据分析的结果中，广告与留存的相关系数并不算很高。
三、坑3：只信看得见的数据如果说上述两个坑，分别是因为对数据和业务不够理解才掉进去的，那第3个坑，可能就是越理解数据和业务，就越容易掉进去。在以往的文章中我也说过：数据最大的问题，是它只能显示有数据的信息，而不能显示没有数据的信息。