本文根據近期杏樹林醫療負責人孫文亮，在以“數據分析如何應用于產品和業務流程的優化”為主題的北京沙龍活動，演講內容整理所得。

---

在二戰期間，美軍在南太平洋的一個小島上造了一座空軍基地，當地土著從沒見過這種高科技，只知道有很多只“大鳥”飛過天空，并空投玉米等糧食。戰爭結束后，飛機隨著軍隊的離開被遺棄了。因為土著們再也沒有見到空投的貨物，為吸引“大鳥”回來，他們就按照族群里的先知所理解的，用木頭、樹葉搭了一個假機場，甚至做了高塔、木頭對講機等，即使機場擬真度很高，但大鳥并沒有回來……

數據驅動大行其道，在數據驅動的踐行道路上，許多公司也像土著群體一樣，跟著牛 X 公司學習。為此構建了復雜的數據系統、五花八門的指標、成百上千的自動報表。杏樹林曾經也是其中一家公司，千方百計地朝著看似十分“正確”的事，卻始終無法“吸引大鳥”——實現數據驅動。

在杏樹林踐行數據驅動的過程中，我們進行了反思，如“定義指標有指導意義嗎？”、“報表有人看嗎？他們是如何使數據的？”等等。在實現數據驅動的過程中，一切數據分析莫忘目標是“吸引‘大鳥’，要糧食”。企業在追求“糧食”的過程中，“評估”是重要工作，是數據驅動的聚焦點。

▌土著思維與科學思維，如何吸引“大鳥”？

什么是評估？簡言之就是做了什么，結果如何？詳細地說，即針對業務的每個假設和決策，給予高效、客觀、全面的數據反饋，從而實現數據驅動。科學評估分為選定指標、方案實施、歸因分析三個步驟，數據分析師要了解每個步驟的產出物是什么。

土著思維在企業數據分析比比皆是。下面重點對比土著思維與科學思維在選定指標、歸因分析中的差異。

不同思維下的選定指標

土著思維下的評估關注了繁雜的大量指標，做了很多事情，但是缺乏一致性。

這是一個典型的土著思維下的指標選定：我們簡化了注冊流程，因此增加了注冊轉化率；我們增加列表頁入口，因此提升了列表詳情頁的訪問量……隨著產品的不斷優化與迭代，如此不停地進行評估。

然而，每次產品迭代選擇的指標都是不一致的，換句話，我們一直在討論樹枝搭建的多么像一座“機場”，然而并沒有討論‘糧食’這一核心問題？因此，這并不科學。

那么，科學思維下，如何選定指標？

只有保證指標的一致性，才能知道“糧食”在哪。如何選擇一致性的指標？按照客戶的選購流程的漏斗，不妨將指標直接設定為漏斗的最底端，每次評估都拿這個指標來衡量。

我們后來將一致性指標定為了“周支付人數”，同時將優化行為對增長效果進行分級，未增長是零級，若實現兩位數的增長即“二級”，若實現三位數的增長即“三級”……如此，一個季度下來，企業就能夠科學評估增長的程度。

不同指標下的歸因分析

2017 年 2 月，杏樹林進行了一場糖尿病患者招募，患者可以免費用藥。在這個活動中，杏樹林重要用戶群——醫生可以推薦患者，即填寫推薦表格，杏樹林核實患者入組后，將醫生獎勵金打到醫生病歷夾賬戶。

面對“招募的患者人數提升”的結果，土著思維與科學思維有較大差異。

土著思維是這樣的：單純認為醫生錄入患者信息是很麻煩的事，所以要盡力減少醫生的工作量。為了方便醫生錄入，運營人員對此做了改進。經過改進后，招募人數果然變多。因此產品同學認為，之前的假設與優化都是正確的。

然而，真的是這樣的嗎？

科學思維下的歸因分析則有顯著不同：通過對醫生轉化全流程（列表頁→詳情頁→錄入患者）的精細化分析，我們發現：

（1）??實際上錄入率其實并未發生改變；

（2）??列表頁到詳情頁的轉化率提升。

那么，為什么錄入率并未改變，招募患者的數量變多了呢？經過深入了解，原來是前端的同學對列表頁 UI 進行了優化，我們可以判定，之前分析邏輯并不成立——醫生錄入麻煩并不會影響招募患者人數（經過一系列優化后，醫生錄入率未發生改變，且由于醫生錄入患者信息會有一定的折扣，這對醫生也有一定吸引力），而極可能是因為醫生身邊沒有合適的患者。因此，我們下一步引導醫生在線轉發給患者。

?

▌三項原則保證評估科學性

進行科學評估，要有“預期”和“結果”、“局部指標”和“整體指標”、“離散”和“連續”的對比，這是產品進行評估的三原則，而不是籠統的說“我們本季度要完成 30 份分析報告，要分析各種維度，要對業務有價值?！毕旅嫱ㄟ^舉例來解釋這三項原則。

第一，預期 VS.結果：先有預期，再談結果；

無預期，就如同“拍腦袋”做決定。下面以不同科室的模板上線舉例。

土著思維下是這樣的：團隊沒有任何預期，單純認為“不同科室不同醫生所記錄的內容有一定差異”。產品優化后，的確留存率會變高。

科學思維是這樣的：上線前，新模板以提升醫生體驗為目標，預計留存率會 3%-5% 的漲幅。上線后，留存率的確漲了，通過進一步觀察發現，只是老用戶變了，而新用戶未變。因此，下一步重點進行新用戶引導。

總之，一定要事先有預期。在杏樹林內部，為了促進大家對每次優化與改進都有所預期，舉辦了“數據猜猜猜”的活動——每次產品在線之前，公司內部都會進行大規模的競猜，產品和運營等團隊都參與進來，現在各團隊對產品上線的最終效果都充滿期待。

第二，局部 VS.整體：聚焦關鍵指標，避免一葉障目；

土著思維將聚焦點放在產品功能點的改進所帶來增長上；科學的數據評估，不應局限于單一的結果指標，避免一葉障目，緊盯關鍵目標，以此為核心衡量你的工作是否有效。

第三，離散 VS.連續：保證評估連續性，避免打一槍換一地。

許多企業有大量的評估報告，目標零散的評估報告是數據分析的大忌，每一份分析報告都應該指向企業發展當前階段最關鍵指標，具有一定連續性、統一性的數據分析報告，才能具有可比性，才能為企業提供指導作用。

?

▌三個技巧提升評估效率

以下三個技巧可以提高評估效率。

第一，?要做好埋點工作。

埋點方案設計要與產品設計同步。避免上線后再談需求、重新埋點造成效率低下；要防止過度設計，也要防止遺漏?；貧w測試保障歷史埋點——有些企業沒有回歸測試能力，杏樹林通過定期監控神策分析的“埋點管理”解決了這一問題。

第二，構建指標工具箱。

每一家企業根據業務不同、發展階段不同，構建的指標工具箱應該有所差異，這點非常重要。關于指標的選擇，有兩點說明：a .不能啟發我們采取行動的指標，都是錯誤指標（虛榮指標）；b.好的指標具有及時性、易理解等特點。

第三，?用好分析工具。

杏樹林將市面上所有的數據分析產品經過了比較與測試，神策數據被證明是實時性最強的，杏樹林在產品上線前，就根據數據指標提前設好看板（數據概覽），上線 1 秒即可獲得全面的反饋，時時提醒你“飛機來了嗎，糧食來了嗎？”評估效率非常高。

▌評估的終極形態：平臺化、基礎化

Facebook 廣告系統做的非常贊，與國內的許多平臺的不同之處在于，他要先了解企業的“目的是什么”——“你的飛機是什么”，Facebook 會根據不同目標設定不同指標與不同方案。Facebook 廣告系統具有實時、全面評估的效果，甚至在投放廣告三四個小時內，企業能夠進行 20～30 次優化，將投資回報率達到最高。

Facebook 對內的增長平臺能夠方便、快捷的科學實驗，同時超過 1000 個版本進行在線測試，每個月大約有一萬次實驗，正如 Facebook 創始人兼首席執行官馬克·扎克伯格（Mark Elliot Zuckerberg）說：“把運營公司當作一場科學實驗?！?/span>

綜上所述，企業在數據驅動分析過程中，不要做土著，警惕看似正確的事情，堅持科學思維，隨時準備被現實打臉，勇于承認“我錯了”。

如果想了解更多干貨，歡迎關注本公眾號（神策數據），點擊“閱讀原文”，即可獲取本文干貨PPT~

總結

以上是生活随笔為你收集整理的干货下载 | 评估产品增长，勿陷入“土著思维”的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。