數(shù)據(jù)運(yùn)營(yíng)實(shí)戰(zhàn)(四):似是而非的數(shù)據(jù)悖論

0 評(píng)論 9011 瀏覽 60 收藏 7 分鐘

數(shù)據(jù)顯示,產(chǎn)品A和B的購(gòu)買(mǎi)成交率男性>女性,可產(chǎn)品A與產(chǎn)品B之和,成交率卻是女性>男性。你信嗎?

精細(xì)化運(yùn)營(yíng)能夠幫助我們?cè)跀?shù)據(jù)的指導(dǎo)下進(jìn)行產(chǎn)品路線、戰(zhàn)略的調(diào)整,讓產(chǎn)品改進(jìn)的過(guò)程有章可循。

但有時(shí)候,我們也會(huì)遇到一些看起來(lái)有些詭異的數(shù)據(jù)陷阱。

案例數(shù)據(jù)

我們先看問(wèn)題的描述:

在產(chǎn)品A和產(chǎn)品B中,男性的購(gòu)買(mǎi)成交率都是男性>女性,可在合計(jì)中,卻是女性>男性。那么,這就有點(diǎn)懵了。

所以,到底應(yīng)該拓展男性用戶,還是女性用戶呢??


可能我們的第一反應(yīng)都是:是不是數(shù)據(jù)不準(zhǔn)確???于是我們就有了這個(gè)案例……

原因定位

我們來(lái)追溯一下問(wèn)題的來(lái)源:

*此處數(shù)據(jù)已做了模糊處理,非真實(shí)數(shù)據(jù)

從數(shù)據(jù)上我們可以看到,實(shí)際上,在產(chǎn)品A和產(chǎn)品B上,確實(shí)都是男性轉(zhuǎn)化率高于女性,但由于產(chǎn)品B的轉(zhuǎn)化率明顯低于A,且男性群體大量被引導(dǎo)去了產(chǎn)品B,所以整體數(shù)據(jù)的轉(zhuǎn)化率反而要低于A

這在統(tǒng)計(jì)學(xué)上稱為:辛普森悖論(Simpson’s Paradox)

在分組比較中都占優(yōu)勢(shì)的一方,在總評(píng)中有時(shí)反而是失勢(shì)的一方。該現(xiàn)象于20世紀(jì)初就有人討論,但一直到1951年,E.H.辛普森在他發(fā)表的論文中闡述這一現(xiàn)象后,該現(xiàn)象才算正式被描述解釋。 后來(lái)就以他的名字命名此悖論,即辛普森悖論。

優(yōu)化方案

回到這里的題目中,數(shù)據(jù)向我們展現(xiàn)了兩個(gè)結(jié)論:

  1. 對(duì)于產(chǎn)品A和產(chǎn)品B,男性的購(gòu)買(mǎi)成交率都大于女性;
  2. 產(chǎn)品B的平均成交率要明顯低于產(chǎn)品A。

那么對(duì)于投放決策來(lái)說(shuō),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(gòu)買(mǎi)轉(zhuǎn)化率較高。而針對(duì)產(chǎn)品A和產(chǎn)品B的分流推薦方式,可能還需要考慮兩個(gè)產(chǎn)品的客單價(jià)與利潤(rùn)率

從上圖中可以看出,產(chǎn)品A屬于低單價(jià)、低利潤(rùn)、成交率高的產(chǎn)品,產(chǎn)品B屬于高單價(jià)、高利潤(rùn)、成交率低的產(chǎn)品。那么如果在電商開(kāi)拓期,希望引入更多用戶,我們可能會(huì)側(cè)重于推廣產(chǎn)品A;如果平臺(tái)已經(jīng)有一定規(guī)模,希望能夠提高人均利潤(rùn)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(chǎn)品B。

(大概就是像這樣的兩個(gè)產(chǎn)品↑)

當(dāng)然,這些的前提是在,引流成本相同的情況下。而往往實(shí)際問(wèn)題的考慮中,我們還會(huì)需要考慮投放成本、投放效果、轉(zhuǎn)化效果等問(wèn)題,這一部分在我們的第一章《數(shù)據(jù)運(yùn)營(yíng)實(shí)戰(zhàn)(一):細(xì)分目標(biāo)人群,結(jié)合用戶畫(huà)像的實(shí)踐》中也探討過(guò),歡迎移步討論!

案例總結(jié)

在數(shù)據(jù)運(yùn)營(yíng)的實(shí)戰(zhàn)中,可能常常會(huì)遇到一些讓我們覺(jué)得有點(diǎn)別扭的數(shù)據(jù)。

而在這些數(shù)據(jù)背后,其實(shí)蘊(yùn)藏著很多的細(xì)節(jié)與能量。因此,建立詳細(xì)的數(shù)據(jù)分析運(yùn)營(yíng)體系,理解用戶群分離與歸并的思路,讓數(shù)據(jù)為你所用,這是很重要的。

回顧我們上一期講過(guò)的數(shù)據(jù)運(yùn)營(yíng)微笑模型~


這一期我們講的是在定位原因的過(guò)程中,對(duì)用戶群拆分解析之后發(fā)現(xiàn)了其中的運(yùn)營(yíng)價(jià)值。

我們可以先通過(guò)自定義事件埋點(diǎn),監(jiān)測(cè)購(gòu)買(mǎi)事件,同時(shí)上報(bào)購(gòu)買(mǎi)商品的參數(shù);然后通過(guò)用戶分群設(shè)置篩選出購(gòu)買(mǎi)事件中,購(gòu)買(mǎi)參數(shù)等于產(chǎn)品A的人群,來(lái)得到我們想要的細(xì)分用戶群體:

然后通過(guò)用戶群體的計(jì)算與分析,得到該群體的人群特征,展開(kāi)我們的數(shù)據(jù)分析工作。

今天的運(yùn)營(yíng)實(shí)戰(zhàn)分享就先到這里,客官們有啥建議或意見(jiàn)歡迎在留言區(qū)評(píng)論哦~

相關(guān)閱讀

數(shù)據(jù)運(yùn)營(yíng)實(shí)戰(zhàn)(一):細(xì)分目標(biāo)人群,結(jié)合用戶畫(huà)像的實(shí)踐

數(shù)據(jù)運(yùn)營(yíng)實(shí)戰(zhàn)(二):細(xì)分漏斗畫(huà)像,改善關(guān)鍵節(jié)點(diǎn)

數(shù)據(jù)運(yùn)營(yíng)實(shí)戰(zhàn)(三):用數(shù)據(jù)說(shuō)話,從埋點(diǎn)開(kāi)始

 

本文由 @騰訊大數(shù)據(jù) 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(zhuǎn)載。

題圖來(lái)自 Pexels,基于 CC0 協(xié)議

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 目前還沒(méi)評(píng)論,等你發(fā)揮!