Sunny Cha
2017年3月22日
如今，大数据工具已无处不在，而且与几年前相比，价格也低廉得多。但这些工具虽然能提供“是什么”——如消防栓般源源不断的数据——却无法提供“如何”利用这些数据的方法。.
例如，一款游戏应用的开发者可以配置简单易用的开箱即用工具，每天收集数百万个数据点，涵盖用户的游戏行为、病毒式传播活动、广告互动等。但究竟哪些数据是有价值的、无用的，或者根本不值得研究，这需要开发者自行判断。.
下面，我们将以这位虚构的游戏开发者为例，逐步介绍一个实用的决策流程。.
从提出正确的问题开始
在收集任何数据之前，你就可以开始就业务表现提出问题。这些问题就像一副“眼罩”，能帮助你专注于真正重要的事情。 虽然也可以先确定目标——例如“首日留存率达到50%”——然后尝试从数据中寻找实现该目标的线索，但这种方法缺乏问题所具有的聚焦性，且存在确认偏误的风险。.
以我们的例子为例，假设我们的开发人员首先提出这样的问题：“为什么我的用户不经常回来呢？”
弄清楚从哪里开始之后，就深入探索吧
为了获得最佳效果，请尽可能具体地提出问题。例如，“为什么我的用户不经常回来？”这一问题给出了太多可能的调查方向。一个具体的问题应该基于开发人员已经了解的基本情况。.
开发者：“为什么我的用户每次打开应用后都会进行长达5到10分钟的游戏，却仍然不常回来？”
提出能够解答你问题的假设陈述
在确定好问题后，提出一些可以被证实或证伪的假设。.
开发者的初步假设：“我的游戏用户不常回来，是因为他们在应用上的人脉很少。”
然后为每种结果（真、假或其他）设置相应的操作，以便在验证完成后立即采取下一步行动。.
开发者的最终假设：“我的游戏玩家不常回来，是因为他们缺乏足够的活跃社交联系。如果这一假设成立，那么我们就需要制定策略，将他们的朋友吸引到游戏中来。如果我的假设不成立，那么我就需要考察其他可能的原因，比如通知发送时机不当。”
在分析数据时对用户进行分群
用户群体规模越小，就越容易根据其行为制定行动计划。按注册地区、年龄或设备类型对数据进行切片分析，并结合连接次数或对通知的反应等因素进行分析。.
开发者：“针对居住在美国的18至25岁iOS用户开展推荐活动，要比单纯针对所有iOS用户容易得多。”
制定成功指标
如果没有衡量数据成效的指标，就很难判断是应该继续执行某项策略，还是该调整策略了。此外，也很难准确确定哪些用户属于你想要研究的用户群。.
开发者：如何区分活跃用户和其他用户？是每周登录十次才算活跃用户吗？是否应该用同一套指标来衡量iOS和Android用户？
而且不要只看个别数据点
最后，请记住，情况总是会变化的。例如，顶尖开发者往往要花数月时间打磨教程流程，结果却不得不将其弃之不用，重新开始。这是因为你今天吸引到的用户，可能与6个月前已大不相同。不要过于执着于个别数据点，而忽视了整体趋势。.
开发者：“既然我们在18-35岁用户群体中已经实现了病毒式增长，我们是否还应该继续针对36-50岁用户群体进行优化？”
请记住，这些数据分析结果不应仅局限于商业智能部门或高管会议室。 在提出问题并得出结论时，请确保与其他团队的沟通流程顺畅。例如，市场营销团队若能明确应向哪些用户群体投放广告，将大有裨益；设计师需要了解使用频率，以便设计流畅的应用体验；程序员则需要掌握使用量预测，从而合理规划更新规模。数据应当实现民主化。.
为了保持理智，最好使用一个工具来管理所有数据，而不是将数据分散在多个孤岛中。关于如何选择服务，请参阅我们最近发布的 关于商业智能工具的文章.
