每年这段时间业务都是焦头烂额都在为了证明自己，避免背锅，少分指标，多拿预算而努力。数据团队为了业务的各种“故事”疯狂提数，为了能有一个“好看”的数据几乎穷举了各种维度，count 和 group by 两兄弟在这一段时间的使用频率终于也能和 where 一较高下了。 为了把数据“做好看”，我也是见识了不少套路，在这给各位列举一二，如有必要收藏下来以备不时之需；)
“做”数据大体上可分为两派，我暂且将他们分为气宗和剑宗吧。（我自己想想还真有这么点意思） 针对各类维度特征进行细分统计，性别分一分，年龄分一分，地域分一分…… 总是能在一个特定维度下，找到一批客户是在自己的活动或者产品中表现良好的。如果单一维度下找不到好的还可以组合维度，比如 25 到 35 岁的男性用户，还不行还能叠加其他维度，总能找到好的。 然后就是包装的问题，比如给这类用户标注定性为主力“韭菜”用户，然后故事就是你在针对主力韭菜客群上产品运营策略相当好，说明产品运营策略的成功，毕竟主力韭菜才是主流消费客群，是最需要抓住的用户。就算你们公司卖的是女性向产品，没关系就问一句：主力韭菜客户，老板难道不想要？在包装故事上我相信各位大佬比我在行多了…… 看上去似乎和维度细分一样，实际段位更高。最常见的就是将最终指标纳入到细分中偷换指标形式，再反过来看改头换面的指标表现。 最常见的就是对于数值型指标进行分段，比如目标指标是月度活跃率，统计的是用户为主体的活跃比例。现在将用户基于一个月的活跃天数进行分段，比如活跃 0 到 3 天，3 到 10 天，10 到 30 天分为三段，定义为低活跃，中活跃，高活跃。 注意重点来了，之后的指标表述的就不再是活跃率 ，而是不同段间的迁移率 。找活动的时间，配合目标客群的细分，只要你指标分段做的好，可以很容易将从低到高的迁移率数据最大化，用以证明活动效果突出，促使了不同段用户向上迁徙。 各位仔细想想，高活跃实际已经没有上升段位了，所以算组间的上迁率，相当于只计算了低，中段用户的表现，相当于把好学生都去掉，只看差生的增长率自然是更高的。而且可以刻意不说向下迁移的比例，营造出全面提升的错觉，这种故事编起来简直就是科幻小说级别。 还有一种更高端的做法，是用与目标指标强相关的指标参与拆分，这种方式就更为隐蔽，不容易被人看出来。 我直接给个例子，各位自行体会。比如你有个目标指标是个布尔值，比如：是否购买会员。你做了一个活动是针对男性客群的。结果一看，男性只有 40%购买了会员，女性 50%都购买了会员，是不是你要爆炸？ 但是如果统计结果的时候换个视角——购买会员的人中，男性占比是 66.7%，而女性占比只有 33.3%，你是不是马上走上了人生巅峰。你这活动有效，男性显然成为了购买会员的主力人群啊。你品，你细品！ 还有一种是针对第一式和第二式中的结果进行统计主体偷换 ，比如第二式中你将活跃分成了三段，通过调整各段的阈值，很容易获得低和中的活跃率提升，高的活跃率下降。 这时候就可以将统计主体变更为组而不是用户。这样你就能获得了三分之二的客群组活跃提升，三分之一下降的统计结论，实际上就是忽略是各组的实际人数。其他维度也可以进行这样的操作，通过把不好的用户基于组合细分放进一组，其他组都放优等生，最后统计优等生的组占比，自然就可以得到正向结论。 气宗的套路就简单介绍到这，建议大家请仔细阅读，认真思考。虽然看上去都是教大家如何作弊讲故事，但实际上也是日常分析的思路。都是方法而已，用好了气随心动分析大佬，用错了走火入魔，陷入各种统计悖论还不自知。 后续有空再给大家接着介绍剑宗流派，那就更加精彩了。 4 月份，我和顾青老师主讲的牛年第一次公开课，将帮助产品运营通过数据分析 洞察发现高价值用户行为，并量化他们的价值，结合科学的 AB 实验确定最终的路径。
如果你的团队符合以下特点 ，可以与我们联系报名：
1）负责线上业务，并背负明确的增长指标
2）需要自己做数据分析 和洞察，也需要数据辅助决策能力支持
3）希望摆脱“数据报表”工作, 快速获取业务决策依据
4）有预算用于站外获客和站内召回活动
5）强烈希望通过用户数据和业务数据寻找业务增长问题和机会
6）对 AB 测试、试验有一定认知
7）对用户分群分层、标签体系有一定认知
8）对用户画像有一定认知
9）有数据分析 产品的使用经验和基础认识（如 Excel、GA、神策、GrowingIO、诸葛 IO）、或自建的用户行为分析系统和 BI 系统）
