回到几十年前，你假设想打造圆满的用户领会，只需闭上眼深呼吸，然后得到神的旨意：跟着感触走。
后来，正如先祖们学会了运用火力，我们也学会了运用各种数据分析办法。从此，我们不用再在黑暗中探索，忐忑地置疑「究竟有没有人点开我宣布的邮件」或许「究竟几人运用了我们的新功用」。我们只需求翻开从各个途径搜集到的宝贵数据，心中的疑问便有了答案。
可是，数据方针(Metric)的呈现给我们供应了便当，但也存在限制。茶余饭后，我听到关于一些敌对的观念，我们常常会有猛烈的评论。海淘科技告诉您我们的纠结点主要在：
我们做这些数据分析，是不是只是是为了进步这些数据方针?
如安在进步数据方针和真实有意义的功用之间找到均衡?
我自个最认同的一条：我们究竟是被各种数据方针牵着走，仍是真实的为进步用户领会思索?
关于这些尖利的疑问，我写下了以下思索。
在好莱坞大片中，英豪和坏蛋正反两派普通势不两立。除了这种情况以外，都不应当让商品的「数据方针」与「用户领会」相互敌对。否则，就仿佛说「碳水化合物」与「安康」是相敌对的，这看起来错的离谱。
首要，用数据来测控商品，能让你理解到用户的运用情况。除非你喜欢与世隔绝的，否则仍是应当多把握一些信息。固然，信息量太大，你若是没有判别和选择才干，普通会适得其反，但别由于这点就觉得数据方针祸不单行。
第二，假设商品的改善让用户觉得很有意义，数据方针自然就会上升。但假设运用商品的领会没有啥改动，就不能说你的改善很胜利。相反，假设你做了一些调整，但运用的人数因此减少，那么不管你做了啥，只能说明一个疑问——你搞砸了。
数据方针很有价值的第三个要素：它能把全部团队团结起来，我们盘绕着一些明晰和有形的方针，各司其责。单纯从逻辑上讲，让50个职工在一同，为了所谓「创造超绝佳的用户领会」这么一个方针斗争，是极端困难的。当你宣布完激情弥漫的鼓舞讲演，他们却是会持续拍手，然后说道「好的，加油!为了绝佳的用户领会斗争!这即是我们寻求的一切!」但当新一星期开端，A团队兴高采烈的说：「看!这即是我们创造的绝佳用户领会!」而B团队则说：「不是吧，这个看上去普通般。」呈现这种情况究竟是由于啥?谁的观念才是准确的?我们怎样可以持续有用地界说究竟啥是「绝佳的用户领会」?
处置这个疑问的一个办法，即是设立层层评价的等级制度。你可以指定公司中某一自个(或许一系列不一样队伍的人)来对商品的质量凹凸停止评断。假设不喜欢这种等级制度，那么也可以设定详细方针来停止测控，例如：假设50%的人会在一星期内运用两次以上，那就说明这款商品的用户领会非常好。如今，团队A和团队B不只明晰了他们的尽力方向，平常的作业终了后，也都能找到与方针的间隔。
总归，数据方针是很有用的，它和用户领会不应堕入永世的竞赛敌对局势。所以作为指导者，留意不要表达出这么的意义。
这就比如，你吃太多甜甜圈而致使肚子疼，然后就觉得碳水化合物不是啥好东西。相同，数据方针也会致使一些评判欠稳妥。这类作业究其要素有二：一、并不是一切可以被测控的东西都值得被设定方针，并且也不见得能发作啥影响。二、只是单纯的看数据，也不能统揽作业的大局。普通，想要看的更微观，你需求一系列的统计数据。
假设你恰巧找错了测控的方向，却还持续推进，那么事实上你或许正在损伤用户领会。
来看一些比如：
a)原先这个页面的点击率是2%，在我们调整以后，点击率变成了5%，真是太赞了!
疑问出在哪?点击率并不能准确地通知我们用户领会是不是得到了改善。比如，我把网站上一切的衔接都改成「点这里来赢取250元话费!」这么一来，点击率自然上升了。但最终，我们或许发现，事实上我并没有给他们250元的破费，那他们必定会骂死我，然后不会点击衔接，更会卸载运用，然后在运用商铺里边给我一个一星差评。结局即是这么。
b)我们原本天天运用我这款运用的时间是5分钟。如今新功用上线后，他们天天的运用时间就只剩3分钟了，唉。
疑问出在哪?你要思索下，用户的在线时间究竟是不是一个有用方针?这个得详细疑问详细分析。假设你的运用以内容为主，那么答案是必定的——这款运用存在的企图是给我们一些好文章去读、好的东西去看去听，所以他们在线时间越长，他们就越能发现你供应的东西很有价值。
但假设你的商品只是单纯的运用性质，比如辅佐别人签署数字文档，那答案即是不是定的了。你需求去搜集一些别的的数据方针来测控运用的用户领会，比如这款运用真实辅佐我们签署文档的次数等等。实践上，用户可以由于能更快地签署文件，所以更喜欢这个运用。一朝一夕，他们才会相关运用到你能供应的别的效劳。
c) 「原先运用我们商品的人大多都在北京，但如今上海的用户更多一些。」
这个疑问出在哪?朋友，这原本底子不是疑问，也底子不是值得你注重的数据。
理论上来讲，假设我们理解用户的需求，我们就能规划出用户领会极佳的商品。但可惜的是，不是每自个都会读心术。所以我们只能尽力而为，去猜一猜用户都注重啥。在这个时期，我们需求时间铭刻：能测控的方针是有限的。只是注重用户怎样运用你的商品，并不能通知你：
用户喜欢你的商品吗?他究竟注重你的商品或是商品这个功用吗?
你对商品停止了更新，那么用户对这款商品的信任，从长远来讲是加强仍是削弱了?
在用户预期中，商品的简单性和易用性究竟怎样?
相较于市场上的别的精品，用户对你的商品怎样看?
我们最想改动、最想增加或许最想修正的商品功用是啥?
长远来看，用户对你的商品有着怎样的等候?
你可以检验经过定性研讨(qualitative research)或许用户调研来得到上述疑问的答案，但原本这些方法并不能圆满处置你的疑问(想必你还记得那些用于预测「脱欧」成果的民意调查?)乃至在一些作业上，你固然能准确地做到微观感知(比如理解大众对品牌的信任度)，但很难理解某些改动究竟发作哪些特定的作用(例如：公司所采用的最新Logo和视觉特效，究竟有没有改善大众对这个品牌的形象?)假设不能将以上信息量化，说明我们并没有真实地做到数据测控。看看几个比如你就懂了：
当你每次在商品上增加新功用时，你追随的数据方针仿佛都能显现出商品越来越好。可是，假设你不停地给这个商品增加新功用，一朝一夕，在某种水平上我们到最终都会觉得这个商品冗繁。紧接着，一些新的竞品会很快遭到大众喜爱，由于人人能都爱「傻瓜软件」。让你的用户感到商品过于杂乱，那么你必定要为此付出价值。怎样对其杂乱化停止调整和取舍，是最真实可感的敌对。
每逢苹果或许耐克发布一个新商品，许多的人会力争上游地采购，乃至都不经过大脑的思索。由于在这之前这个品牌现已让他们有了格外好的领会。但换做是别的新式品牌，比如叫做梨子或许赛克的公司，即使它们发布了相同程度的新商品，也不会有人如此力争上游地采购。必定水平上，我们都理解这种现象。但疑问是，将品牌效应停止量化，或许把它变成可追随的数据方针是非常难的。更别提一个公司做出的千百条决议方案，会对品牌构成怎样的影响及利害得失。
数据方针无法通知你怎样去斗胆举措而博得未来。让我们回到2008年，那时分智能手机还刚刚起步。假设你调查你页面上关于智能手机的统计数据，就会发现，运用它的人简直太少了。你很或许得出一个非常实践的结论——即是你不应把钱投在这么一种受众小的手机上。
而如今我们才认识到，那些把钱赌在智能手机而赚得盆满钵满的人，是多么的登高望远。因此，关于当前人群表现的检验并不能准确地通知该走哪条路。远见卓识仍然需求一个老方法：信任直觉。
1. 哇，这点子好棒 2. 呃，怎样是这么的呢 3. 这点子糟透了 4. 我怎样这么笨 5. 或许，可以?6. 可以，这很特赞!
最终，一些巧妙运用数据方针的规律
以下即是我关于数据方针的5条运用规律。
别光看商品的用户肯定数量(过于急进的推行手法会构成用户量很大的假象)，你应当注重用户留存率，最佳联络你的商品价值来看，由于经过这种办法你才干晓得我们运用以后是不是喜欢它，以致于会回来再用。
为了优化商品，必定要理解你的推行漏斗模型(指推行过程中，将非用户或潜在客户逐步变为用户的转化量化模型)。
我们要变成商品的常用用户，需求突破重重障碍。首要，他们要知晓你商品的存在;其次，他们的有足够的喜好看上第二眼;第三，他们要做许多入门作业(比如下载运用、填写表格、供认邮件等);第四，他们还得鼓捣半响才干晓得过日子要它有何用;第五，他们得想得起来回来用。在上述的每一个环节中，都会发作潜在客户的丧失。假设你能追随并测控出丧失率在哪，你就可以开端着手改善你的推行漏斗，让它没那么容易漏掉用户。
你或许很享用那种追随一切数据投入情况，你也希冀一切数据都是美丽的，但你要认识到，只需少局部数据能起到关键作用。别的的都是鸡肋，是做出一点改善就能处置的。别糜费时间扯些有的没的，也别省心思去关心那些非关键数据的起起落落。
我着重强调一下：你和你的团队一同认可的方针将会对作业发作严重影响。不要根据外表价值去接受一个数据方针。要问问自个为这么这么做。有没有这么的情况，这个决议方案感触很棒，但数据方针并没有改动?反过来，你看到数据在飙升，可是并不深信商品必定就好?你应当仔细思量它们的意义。
假设数据向你展示出了形似极好的成果，就问问自个：「我还能调查哪些数据来辅佐判别?」这些就称作敌对数据，每一个胜利数据方针的反面都有一些敌对的度量。(例如，看了点击率就也必定要看回头率，看了商品的销量就也必定要看退货和撤销订单的数量，等等)对数据成果偏执狂般的解读是件功德，这么你能疾速找出过错并调整战略，但不要过于堕入其间。
定性研讨设计通知你我们做了啥，定量研讨帮你知晓我们的感触，两者相辅相成。关于商品，停止可用性的检验、焦点小组、调查研讨，这么你就能理解到表象行为反面的内涵要素。
