起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識數據運營實戰（四）：似是而非的數據悖論
數據顯示，產品A和B的購買成交率男性>女性，可產品A與產品B之和，成交率卻是女性>男性。你信嗎？
精細化運營能夠幫助我們在數據的指導下進行產品路線、戰略的調整，讓產品改進的過程有章可循。
但有時候，我們也會遇到一些看起來有些詭異的數據陷阱。
案例數據
我們先看問題的描述：
在產品A和產品B中，男性的購買成交率都是男性>女性，可在合計中，卻是女性>男性。那么，這就有點懵了。
所以，到底應該拓展男性用戶，還是女性用戶呢？？
可能我們的第一反應都是：是不是數據不準確?。坑谑俏覀兙陀辛诉@個案例……
原因定位
我們來追溯一下問題的來源：
*此處數據已做了模糊處理，非真實數據
從數據上我們可以看到，實際上，在產品A和產品B上，確實都是男性轉化率高于女性，但由于產品B的轉化率明顯低于A，且男性群體大量被引導去了產品B，所以整體數據的轉化率反而要低于A。
這在統計學上稱為：辛普森悖論（Simpson’s Paradox）
在分組比較中都占優勢的一方，在總評中有時反而是失勢的一方。該現象于20世紀初就有人討論，但一直到1951年，E.H.辛普森在他發表的論文中闡述這一現象后，該現象才算正式被描述解釋。 后來就以他的名字命名此悖論，即辛普森悖論。
優化方案
回到這里的題目中，數據向我們展現了兩個結論：
- 對于產品A和產品B，男性的購買成交率都大于女性；
- 產品B的平均成交率要明顯低于產品A。
那么對于投放決策來說，我們還是偏好男性用戶。在引流成本相同的條件下，男性的購買轉化率較高。而針對產品A和產品B的分流推薦方式，可能還需要考慮兩個產品的客單價與利潤率。
從上圖中可以看出，產品A屬于低單價、低利潤、成交率高的產品，產品B屬于高單價、高利潤、成交率低的產品。那么如果在電商開拓期，希望引入更多用戶，我們可能會側重于推廣產品A；如果平臺已經有一定規模，希望能夠提高人均利潤率，降低百元成交量的獲客成本，我們可能可以考慮多推廣產品B。
（大概就是像這樣的兩個產品↑）
當然，這些的前提是在，引流成本相同的情況下。而往往實際問題的考慮中，我們還會需要考慮投放成本、投放效果、轉化效果等問題，這一部分在我們的第一章《數據運營實戰（一）：細分目標人群，結合用戶畫像的實踐》中也探討過，歡迎移步討論！
案例總結
在數據運營的實戰中，可能常常會遇到一些讓我們覺得有點別扭的數據。
而在這些數據背后，其實蘊藏著很多的細節與能量。因此，建立詳細的數據分析運營體系，理解用戶群分離與歸并的思路，讓數據為你所用，這是很重要的。
回顧我們上一期講過的數據運營微笑模型~
這一期我們講的是在定位原因的過程中，對用戶群拆分解析之后發現了其中的運營價值。
我們可以先通過自定義事件埋點，監測購買事件，同時上報購買商品的參數；然后通過用戶分群設置篩選出購買事件中，購買參數等于產品A的人群，來得到我們想要的細分用戶群體：
然后通過用戶群體的計算與分析，得到該群體的人群特征，展開我們的數據分析工作。
今天的運營實戰分享就先到這里，客官們有啥建議或意見歡迎在留言區評論哦~
相關閱讀
本文由 @騰訊大數據 原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自 Pexels，基于 CC0 協議
- 目前還沒評論，等你發揮！
