琉森是一名在ToC产品与ToB产品中螺旋穿越的产品经理：在初创团队做过产品经理，经历过11-14年移动产品高速发展的浪潮，也在腾讯的数据、智能产品部门从事过数据分析、产品策划运营的工作。

一、数据在产品中如何应用

数据一直贯穿始终整个项目生命周期，在项目的立项阶段，数据可用于甄别真假需求，可以研究出这个需求对应的市场容量、竞品的规模和其中的生态关系，帮助决策；

在运营中，通过埋点观察用户数据，对运营过程进行监控，可以找到新的需求，从而验证产品规划的正确性，同样也可以挖掘潜在需求——数据让运营的结果可量化、可预期。

随着运营成本的逐渐上升，“精细化运营”的呼声也越来越高，成本问题驱使运营人员必须对产品的用户群精准投放。而这就使运营开始变为精细化运营，在产品的每一个阶段都用数据来量化，有很多好处，能在用户群中形成口碑，提高用户的忠诚度，同样可以使资源的利用最大化。而精细化运营的核心思路是转化。

这就要求产品经理要建立起自己的“数据库”，这个数据库里面必须包括广度和深度两种数据。广度是指行业数据：你要对整个移动行业的各个门槛数据有粗略的了解；深度是指对自己应用所在的领域的相关数据要有所了解，包括竞品的数据和自己的数据。其中琉森推荐了几个好用的工具：移动行业有 App——Annie、应用雷达、酷传；广度的数据包括国家数据、大数据导航等等。

二、如何评价数据的有效性

评估数据可以通过指标的设定、相关指标的辅助和折射、判断数据的逻辑性三种方式。

举个例子：当制定指标时，若指标无法直接获得，可以用现在的指标折算，通过以前的数据和数据增长率推算出今年的指标；其中有一些需要注意的：

1、数据不等于数据源。

需要对原始数据进行维度的处理，例如老板要统计今天新用户数，不能直接把今天打开应用的用户数给老板，需要去重，核对设备号，把之前没有出现的设备号提取出来。这些数据采集的工具有很多，例如腾讯数据分析，灯塔等等。

2、用间接数据逼近原始数据。

例如当需要到一个聊天室的发言数据，而这个数据没有保存，此时熟悉业务的产品经理会知道XX比例的好友关系产生于聊天室，可通过发生好友关系的人和比例推算出大概的发言数据。这就是一个数据有无到有被创造出来的例子。虽然原始数据没有保存，但是懂业务的产品经理就是通过其他可能被获取的数据逼近原始数据，从而还原一个较为真实的状况。

3、强相关的指标一定程度上可以互相替代。

例如一些指标会成正比，活跃数据推算新增数据。

在使用数据的过程中经常会有以下几种“坑”的情况：

1、计算错误，忽略去重之类的情况。

2、（主流程）无埋点，例如忘记去重，关键流程没有埋点等等，比如在电商业务中，经常容易发生这种情况：对订单是否支付成功仅关注到“点击支付”，而忽略了统计用户支付成功后，第三方支付平台回调的成功参数。因为有些用户在点击支付后跳转到支付平台后，取消了支付，而没有对支付成功参数进行统计的后果就是造成了”支付成功“数据的虚高。

3、指标定义不统一。例如在定义新增用户时，是以账号还是设备号为统计口径。如果是以设备号作为唯一标识符，但设备号获取的方式不是唯一的；如果是以账号作为统计口径，那么究竟是从注册就算作新增，还是从具体哪个步骤算作新增？同样新增用户产生时间是由终端的时间决定，还是后台上报时间，要根据业务产品的不同，定义指标时，可以找数据工程师和程序员，让他们帮忙把关一下。 

4、取样不合理

去年的美国大选，twitter上清一色的支持希拉里，反对川普的。如果收集舆情，分析数据，那么希拉里看起来一定会赢了。是不是数据说谎了？其实也不是，只是我们选取的样本有问题。精英阶层把持舆论，普通老百姓懒得发声。但是选举这种事情，一个人就是一票。我们做产品，不是收到了几十条一样的反馈，就要去做些什么。一定要反思，这些样本是否具备普遍性和代表性，毕竟绝大多数用户是不走心的。

5、错把相关性当成因果关系。