第 14 课：数据驱动决策
产品上线了，接下来怎么判断做得好不好？靠感觉不行，靠数据。但数据也会骗人。这堂课讲怎么用数据做决策，以及怎么避免数据陷阱。
一、为什么需要数据？
没有数据，你只能靠感觉判断。感觉的问题：
- 你觉得功能好用，但用户不用——你的使用场景不代表用户
- 你觉得用户喜欢，但留存下降——喜欢和持续使用是两回事
- 你觉得需要优化，但核心指标在涨——你以为的问题可能不是问题
数据的作用：让判断有依据，而不是靠猜。
但数据不是全部。数据告诉你"发生了什么"，不告诉你"为什么发生"。数据 + 用户反馈，才是完整的决策基础。
二、北极星指标
产品有无数个数据指标，你需要一个最重要的——北极星指标。
什么是北极星指标？
北极星指标是最能反映产品核心价值的单一指标。它指引整个团队的方向——所有人朝着同一个方向努力。
怎么选北极星指标？
问自己：用户从产品获得核心价值时，对应的可衡量行为是什么？
| 产品类型 | 北极星指标 | 为什么 |
|---|---|---|
| 内容平台 | 每日阅读时长 | 用户获得价值 = 阅读内容 |
| 电商 | 月购买频次 | 用户获得价值 = 完成购买 |
| SaaS 工具 | 周活跃用户数 | 用户获得价值 = 持续使用 |
| 社交产品 | 日发送消息数 | 用户获得价值 = 社交互动 |
北极星指标的三个标准
- 反映核心价值：指标上升 = 用户获得了更多价值
- 可行动：团队可以通过产品决策影响这个指标
- 领先指标：能预示未来趋势，而不是滞后指标
常见错误：
- 选了虚荣指标：注册用户数看起来很大，但不代表用户真的在用
- 选了收入指标：收入是结果，不是原因。先有用户价值，才有收入
- 选了太多指标：北极星只有一个，其他是辅助
三、定性数据与定量数据
两者的区别
| 维度 | 定量数据 | 定性数据 |
|---|---|---|
| 是什么 | 数字、统计 | 用户原话、观察 |
| 回答什么 | 发生了什么 | 为什么发生 |
| 来源 | 数据分析工具 | 用户访谈、反馈 |
| 样本量 | 大（全量用户） | 小（几十个用户） |
| 优势 | 客观、可量化 | 深入、有上下文 |
| 局限 | 不知道原因 | 不一定代表全量 |
两者的配合
定量数据发现问题，定性数据解释原因。
示例：
- 定量数据发现：7 日留存从 40% 降到 30%
- 定性数据解释：用户访谈发现，新注册流程太长，很多用户在第 3 步放弃了
只用定量：知道留存降了，但不知道为什么，也不知道怎么修。 只用定性：知道流程太长，但不知道这个问题影响有多大。
两者结合：既知道问题是什么，又知道为什么，还知道影响范围。
四、常见的数据陷阱
陷阱 1：相关不等于因果
"冰淇淋销量增加的时候，溺水人数也增加"——这不代表吃冰淇淋导致溺水。真正的原因是：夏天来了，气温升高同时导致两个现象。
产品里常见的错误归因：
- "上线新功能后，日活增加了"——可能是节假日效应、竞品出问题、或自然增长
- "用户满意度高的功能使用率也高"——可能是因为常用功能用户更熟悉，所以更满意
怎么判断因果？做 A/B 测试——控制其他变量不变，只改变一个因素，观察结果。
陷阱 2：幸存者偏差
你看到的反馈来自还在用产品的用户，但离开的用户你听不到。
- 只看活跃用户反馈 → 觉得产品挺好
- 但流失用户的意见可能才是最重要的
怎么避免：关注流失用户的反馈，设置流失用户回访机制。
陷阱 3：小样本陷阱
"3 个用户说喜欢这个功能" → 3 个用户不代表全量用户。
- 样本太小，结论不可靠
- 需要足够大的样本量才有统计意义
陷阱 4：平均数陷阱
"用户平均使用时长 30 分钟"——但可能 20% 的用户用了 2 小时，80% 的用户只用了 5 分钟。
- 平均数会掩盖分布的不均匀
- 看中位数和分布比看平均数更有意义
陷阱 5：确认偏误
你心里觉得某个功能好，就会不自觉地寻找支持这个结论的数据，忽略不支持的数据。
- "数据证明我的想法是对的" → 你可能只看了支持你的数据
- 主动寻找反面证据，才能做出更客观的判断
五、建立数据追踪体系
埋点
埋点是在产品中植入的数据采集代码，记录用户的行为。
常见埋点事件：
- 页面浏览：用户看了哪些页面
- 按钮点击：用户点了哪些按钮
- 功能使用：用户用了哪些功能
- 转化漏斗：用户从 A 操作到 B 操作的转化率
埋点规划
不要上线后再补埋点——数据从上线第一天就要开始采集。
上线前确认：
- 北极星指标需要哪些事件数据？
- 核心转化漏斗需要哪些事件数据？
- 每个事件需要哪些属性？（比如"点击购买"事件需要记录商品 ID、价格、来源页面）
关键概念
- 北极星指标：最能反映产品核心价值的单一指标，全团队的方向
- 定性 + 定量：定量发现"是什么"，定性解释"为什么"，两者结合才能做决策
- 数据陷阱：相关非因果、幸存者偏差、小样本、平均数、确认偏误
- 埋点：在产品中植入数据采集代码，上线第一天就要开始采集
- 数据驱动不是数据唯一：数据是依据，但判断仍然需要人来完成
课后练习
练习一：确定北极星指标
为你产品确定一个北极星指标。解释为什么选这个指标，它怎么反映产品核心价值。
练习二：数据追踪方案
设计你产品的数据追踪方案：需要追踪哪些事件？每个事件需要哪些属性？列出北极星指标和核心漏斗需要的埋点清单。
练习三：识别数据陷阱
找 3 个你见过的"数据结论"，分析它们可能存在什么数据陷阱（相关非因果、幸存者偏差等）。