第 14 课：数据驱动决策
模块四：产品上线与运营 | 第 14 课
课前思考
产品上线了。老板问你"数据怎么样"，你打开后台，看到：UV（独立访客）在涨、PV（页面浏览量）在涨、注册数在涨。
一切看起来都在变好。但真的是这样吗？
很多"看起来很好"的数据和产品的实际健康状况毫无关系。这一课教你区分虚荣指标和真实信号，找到真正能告诉你产品是否在正确轨道上的数据。
虚荣指标 vs 可行动指标
什么是虚荣指标
虚荣指标的特点是：只会涨，不会告诉你任何事情。
- 累计注册用户数：永远不会下降，但沉默用户占了 90% 这个数字没有意义
- 页面浏览量：有人在你的页面上迷路了反复点击，PV 就涨了
- App 下载量：下载了但从来没用过的用户在统计数据里和活跃用户长得一样
虚荣指标的危险在于它们让你感觉良好，让你以为产品在变好，但实际上用户可能正在流失。
什么是可行动指标
可行动指标的特点是：告诉你具体该做什么。
- 次日留存率：如果从 40% 跌到 30%，你知道用户在第一次使用后就流失了——需要优化首次体验
- 核心功能完成率：如果 100 个人打开页面，只有 20 个人完成了核心操作——流程有障碍
- 用户反馈中的高频关键词：如果"找不到"被反复提到——信息架构有问题
北极星指标
北极星指标（North Star Metric）是一个概念：最能反映产品核心价值的那个单一数字。
不同类型的产品，北极星指标完全不同：
| 产品类型 | 北极星指标 | 为什么 |
|---|---|---|
| 笔记工具 | 每周创建笔记数 | 反映用户是否在持续使用核心功能 |
| 社交平台 | 日活跃用户 | 反映用户是否每天回来 |
| 电商 | 订单转化率 | 反映浏览变成了购买 |
| SaaS 工具 | 月活跃用户数 | 反映是否有持续使用价值 |
| 内容平台 | 人均内容消费时长 | 反映内容是否吸引了用户 |
如何找到你的北极星指标
问三个问题：
- 用户从你的产品中获得的核心价值是什么？
- 什么用户行为最直接地反映了"他们获得了这个价值"？
- 这个数字的上升和下降，是否真的意味着产品在变好或变坏？
如果你的北极星指标在涨，产品大概率在正确的轨道上。如果它在跌，不论其他数据多好看，产品都在往下走。
警惕"优化错了"
如果你的北极星指标是"每周创建笔记数"，而你把重心放在"让注册流程更流畅"——你的注册转化率可能涨了，但对北极星指标没有影响。
围绕北极星指标优化，而不是围绕容易优化的指标优化。
定性 + 定量：两条腿走路
数据告诉你 What，但不会告诉你 Why
数据显示某个页面跳出率 70%。
你只能看到"70% 的人在这个页面离开了"。你不知道的是：他们是被页面设计搞糊涂了？是加载太慢等不及？还是进来发现不是自己想找的东西？
这三种原因对应的解决方案完全不同。第一种需要改设计，第二种需要改性能，第三种需要改引流策略。
用户访谈告诉你 Why，但样本太小
访谈了 5 个用户，3 个说"找不到设置入口"。这个比例（60%）看起来很高，但样本只有 5 个人——可能刚好这 3 个人比较粗心，不代表全体用户。
两者的正确结合方式
- 先看数据，找到异常点（"这个页面的离开率为什么突然涨了？"）
- 带着假设去做用户访谈（"我怀疑是新版导航让用户找不到设置，需要验证"）
- 用访谈验证假设，用数据确认模式不是个例
- 改完后再看数据，确认异常是否消失
数据发现问题，访谈理解原因，实验验证方案。
常见的数据陷阱
陷阱一：相关 ≠ 因果
数据显示：使用搜索功能的用户，留存率比不使用搜索的用户高 50%。
于是你觉得"如果我推搜索功能，留存率就会涨"。但更可能的因果方向是反的：留存高的用户本身就更活跃，活跃用户更常使用搜索。
验证因果关系需要做实验（A/B 测试），而不是看相关关系。
陷阱二：选择性偏差
你只看了"给了 5 星好评"的用户的反馈。他们当然说你的产品好——不好的用户根本没评价就走了。
做决策时要有意识地问自己：我是不是漏掉了"沉默的大多数"？
陷阱三：短期主义
一个弹窗促销让本周收入涨了 30%，但下个月用户留存率跌了 15%。只看本周数据的人会觉得这个弹窗很成功，看长期数据的人才知道它在杀死产品。
永远同时关注短期指标和长期指标。
陷阱四：过度分析
有数据比没有数据好，但一直分析不行动比没有数据还糟糕。数据给你的信号不是"等更完美的数据来了再做决定"，而是"基于当前最可靠的信息，做出最好的判断，然后从结果中学习"。
AI 时代的数据分析
用 AI 帮你理解数据
"这是我产品最近一周的数据：登录用户 500 人，核心功能使用 120 人，第一天的用户第 7 天还回来的比例 20%。作为产品经理，请帮我分析这些数据反映了什么问题，我应该关注哪些改进方向？"
用 AI 帮你生成分析假设
"数据显示我的产品的用户在第 3 天之后就不回来了。请帮我列出 5 种可能导致这个现象的原因，以及验证每种原因需要做什么。"
从简单工具开始
不需要复杂的数据基础设施。先用 Umami、Plausible 这类轻量工具，重点关注：
- 留存率（用户用了还会不会回来）
- 核心功能使用率（用户是否真的在用你的核心功能）
- 转化率（浏览 → 注册 → 核心操作 → 持续使用）
本课实践
- 为你的产品确定一个北极星指标。写出三个候选指标，然后判断哪个最直接反映核心价值。
- 打开你产品的数据后台（如果有的话），找出一个"只涨不跌"的虚荣指标，然后找到它背后真正有意义的数据。
- 设计一个简单的数据分析假设："我注意到 X 数据异常，我猜测是因为 Y，验证方法是 Z。"
下一步
数据告诉你"发生了什么"，但你需要用户来告诉你"为什么发生"。下一课学习如何建立用户反馈机制，以及如何把反馈转化为可执行的迭代计划。