對產(chǎn)品經(jīng)理來說，以各項指標為對象展開數(shù)據(jù)分析，并做出對應應對策略是家常便飯的一件事。不過，在數(shù)據(jù)分析的時候，我們總會遇到數(shù)據(jù)異?；蛘邤?shù)據(jù)對不上的問題，而本文就分享了如何從源頭規(guī)避這些坑的方法。

做數(shù)據(jù)統(tǒng)計和分析，是一項嚴密和邏輯性很強的工作。如果平時不多加注意，就會出現(xiàn)一些不好解釋的問題。

比如發(fā)現(xiàn)報表數(shù)據(jù)對不上或者有些數(shù)據(jù)漲跌的原因無從解釋，這時不僅需要耗費很多精力去排查，還有可能會誤導我們后續(xù)的迭代，作出一些不正確的決策。

下面我就重點講講，怎么從源頭來有效規(guī)避這些坑。

01?數(shù)據(jù)埋點的坑：埋點不全面和上報邏輯不一致

1. 數(shù)據(jù)埋點不全面、范圍錯誤或上報邏輯不準確

（1）數(shù)據(jù)埋點不全面

就是有遺漏的埋點，這個可能直接導致重要的數(shù)據(jù)沒有辦法采集，是需要盡快排查并完成補救的，否則會對數(shù)據(jù)分析影響較大。

埋點不全通常包括兩方面：

1）點位缺失

比如某個頁面、某個按鈕的點擊位沒有加等，這個會造成數(shù)據(jù)缺失，必須重新打點才能補救；

2）參數(shù)遺漏

比如少加一個渠道的參數(shù)，這個只是對數(shù)據(jù)的對維度分析有影響；

（2）取數(shù)據(jù)范圍錯誤

比如統(tǒng)計活動頁面的發(fā)帖，如果無法區(qū)分內(nèi)容是來自活動頁面那就沒法做后續(xù)的分析。

（3）上報邏輯不準確或不一致

比如發(fā)布按鈕是點擊就上報，還是發(fā)布成功時再計數(shù)？點贊是生效才計算，還是只要點擊都算？這些上報邏輯的確定對后續(xù)的數(shù)據(jù)分析有很大影響，一旦不一致就會出現(xiàn)數(shù)據(jù)對不上的問題。

2. 如何規(guī)避埋點問題，確保打點完整和上報統(tǒng)一

這塊需要建立完整的埋點實施流程和打點模版。

（1）確立埋點實施的流程和規(guī)范化操作

在產(chǎn)品需求方案完成后必須開始設計埋點方案，而不能拖到開發(fā)階段，具體流程和事項包括：

1. 明確當前版本的核心數(shù)據(jù)指標，做好指標定義，并梳理對應的核心頁面和功能點；
2. 埋點事件設計，明確事件類型（訪問、曝光、點擊），事件點位以及細分維度（來源、用戶設備）等；
3. 前端或服務端打點拉通和實施，確定相應規(guī)范；
4. 測試排查機制和上線驗證；

數(shù)據(jù)埋點流程

（2）建立打點模板，做好聚類、參數(shù)命名和規(guī)則定義等

進行具體的埋點設計，需要建立項目匹配的埋點模板，做好規(guī)范化管理。

數(shù)據(jù)埋點模板

02?建報表的坑：數(shù)據(jù)統(tǒng)計口徑錯誤或者不一致

1. 數(shù)據(jù)統(tǒng)計口徑不一致通常表現(xiàn)為：數(shù)據(jù)來源不一致、數(shù)據(jù)指標定義和公式拆解不準確

1）首先，口徑不一致最普遍的坑，就是取數(shù)據(jù)的來源不一致

這點很好理解，通常我們建報表都要和BI同學溝通數(shù)據(jù)是從哪里取，是從前端的打點取還是服務端的表里取。如果前期沒有明確出來，后面很可能造成數(shù)據(jù)上來源不一致的問題。

比如社區(qū)的發(fā)帖數(shù)據(jù)，發(fā)帖UV和發(fā)帖率，如果取前端數(shù)據(jù)可能會不準確，而服務端更精準一些。

如果現(xiàn)有報表存在不一致，需要立即修改。

2）其次，是數(shù)據(jù)指標定義不對

比如內(nèi)容社區(qū)，拿對內(nèi)容生產(chǎn)這個指標的定義來說，是否應該包含評論內(nèi)容必須明確好。不能說內(nèi)容生產(chǎn)包含評論，互動指標里也有評論，那就有點自欺欺人了。

比如對業(yè)務新用戶的定義，很多非app的業(yè)務很難以注冊和激活app來定義新用戶的，這個時候就需要明確的定義，是從來沒有使用過，還是某個時期內(nèi)，如一年內(nèi)新訪問業(yè)務的用戶；

再比如流失用戶，我們通常定義可能是1個月甚至更短時間沒有啟動app就算了，但是對于低頻的應用，或者像教育類app存在寒暑假，你很難這么去定義；

3）還有可能，是數(shù)據(jù)指標公式拆解不對

比如人均發(fā)帖究竟應該是發(fā)帖量比上整體的UV還是應該比上發(fā)帖UV？如果你比上前者你就發(fā)現(xiàn)人均發(fā)帖量很小，你就會很困惑，困惑就是因為我們的公式錯了。我們其實要的是發(fā)帖這些人，平均會發(fā)多少條。

通常我們的數(shù)據(jù)指標公式，比如：

• 訪問滲透率=當前頁面的訪問UV/上一頁面的訪問UV；
• 點擊滲透率=當前位置的點擊UV/當前頁面的訪問UV；
• 參與率=活動參與的UV/當前頁面的訪問UV；
• 人均訪問=訪問PV/訪問UV
• 人均發(fā)布=發(fā)布PV/發(fā)布UV

2. 如何規(guī)避？確定數(shù)據(jù)來源，明確數(shù)據(jù)指標的定義以及換算公式

針對數(shù)據(jù)統(tǒng)計口徑容易出現(xiàn)的問題，我的解法是：

1）在前期建報表需求的時候，一定要梳理好指標項，并對指標做好明確的定義，明確數(shù)據(jù)來源，和對應的換算公式。

2）建數(shù)據(jù)報表前期一定做好統(tǒng)計口徑的溝通，明確哪一部分的數(shù)據(jù)從哪里取？是取前端的打點還是取服務端的數(shù)據(jù)；

通常的原則是：頁面展現(xiàn)、點擊、本地播放或者停留時長等數(shù)據(jù)可以取前端數(shù)據(jù)，數(shù)據(jù)上報依賴網(wǎng)絡，且用戶刪除自己操作記錄時也會有數(shù)據(jù)丟失的情況，所以前端打點存在延遲和不準確、不完整的缺點；

而安裝數(shù)據(jù)、內(nèi)容生產(chǎn)、互動數(shù)據(jù)可以使用服務端數(shù)據(jù)，更為精準；實時性好，不存在延時上報。

3）做好公示拆解和定義。如果公式錯誤，在數(shù)據(jù)分析時就會出現(xiàn)歸因錯誤，所以一定要在前期規(guī)避。

這里我提供一份建表的需求模板，通常這樣完整提供給BI最保險。

數(shù)據(jù)報表需求模板

03 數(shù)據(jù)分析的坑:數(shù)據(jù)指標看絕對值，忽略鏈路和技術因素

坑1：數(shù)據(jù)指標看絕對值，對比也看絕對差值

看絕對值的坑主要表現(xiàn)為：指標觀察看絕對值和數(shù)據(jù)間對比看絕對差值。這塊應該改為指標優(yōu)先側重比率指標。另外，做數(shù)據(jù)對比，一方面要使用比率指標來看產(chǎn)品的效果。

比如內(nèi)容社區(qū)的發(fā)帖數(shù)，如果要看這個指標的情況，不論是前后數(shù)據(jù)對比還是設立分桶做同步對比，因為漏斗的上一層（訪問UV）肯定存在不一致的情況，所以此時使用發(fā)帖率來評估效果才是更準確的。

并且，看發(fā)帖率的漲跌對比，也要看相對比值，而不是看絕對差值。

比如之前的發(fā)帖率2.4%，現(xiàn)在的發(fā)帖率是1.2%，從絕對值來看不多啊，才降了1.2個百分點，但是實際降了100%；

坑2：只針對單一指標進行分析

這里的坑是將指標分開單一看，忽略多環(huán)節(jié)或者鏈路指標的分析，這時候其實根本不明白數(shù)據(jù)是因為哪里才發(fā)生了變化。

還是以內(nèi)容社區(qū)產(chǎn)品為例，比如我們要看回復框的發(fā)帖成功率，你會發(fā)現(xiàn)在評論詳情頁的回復框的發(fā)布成功率比帖子詳情頁回復框的發(fā)布成功率要高。

但其實這并不能證明后面的回復框就好，其實回復框樣式通常是一樣的，只是因為進入評論詳情頁且要評論的用戶忠誠度更高，且真有評論的需求。

并且有時所說總指標看是漲的，但漏斗某一指標卻跌了，所以數(shù)據(jù)分析時整體鏈路上的指標都是需要我們關注的。

可以說只通過對單一數(shù)據(jù)指標的對比，通常是無效的。我們需要兼顧多種因素以及評估整個功能鏈路或者漏斗模型的數(shù)據(jù)指標情況。

坑3：沒有考慮技術因素帶來的波動等

有些數(shù)據(jù)波動可能是由于網(wǎng)絡或數(shù)據(jù)接口等技術原因，對打點造成的影響，這塊需要考慮并作出優(yōu)化實驗；

比如我之前做ab實驗時，發(fā)現(xiàn)新版的留存就是比舊版要低，但是低的幅度很小，都是在1%以內(nèi)。

按理說新版的體驗比舊版要好很多，從用戶定性反饋和訪問、生產(chǎn)、消費等定量數(shù)據(jù)指標都能看出來。但唯獨留存略低，經(jīng)過排查發(fā)現(xiàn)，新版的首頁的接口數(shù)量增加了，請求時長變長，頁面打開成功率降低，造成新版留存略低。

所以整體上，對于微小的波動如果確實找不到原因可以忽略，但是對于大的波動一定要考慮技術等因素。

04 小結

數(shù)據(jù)統(tǒng)計和分析的避坑卡片

總之，在數(shù)據(jù)統(tǒng)計和分析時，我們只有有效避開這些常見的坑，才能更好得出我們想要的分析結果，指導我們的后續(xù)迭代。

#專欄作家#

阿外，微信公眾號：波悟館，人人都是產(chǎn)品經(jīng)理專欄作家。10年互聯(lián)網(wǎng)產(chǎn)品經(jīng)歷，關注社交/教育和新消費領域，聚焦行業(yè)分析和產(chǎn)品力建設。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議