刚看了《如果你是人人网的流量分析产品经理，如何解释 7 月 1 日到 7 月 7 日人人网的总流量以每日 5% 的幅度下滑？》 原博主觉得“在一瞬间给出直觉的答案：因为人人网主要的用户是学生，而7月初可能是考试或者放暑假回家的日子。这样的产品经理难能可贵。”
其实我觉得能在一瞬间给出直觉的答案并不是那么的可贵 因为有的时候很多问题的原因可能是混杂的而且是多方面的 充满了外部因素的
在《思考 快与慢》这本书就给出了直觉性的思考对于项目误导的例子
“A study of the incidence of kidney cancer in the 3,141 counties of the United a>< HЉStates reveals a remarkable pattern. The counties in which the incidence of kidney cancer is lowest are mostly rural, sparsely populated, and located in traditionally Republican states in the Midwest, the South, and the West. What do you make of this?”
事实上原因仅仅是因为“the law of small numbers” 如果我们靠直觉给出的指导去做这个项目 给出一些类似于“政治 生活环境”等的分析 那不是完蛋了么
我更欣赏的做法是一开始给不出自觉性的答案 但是从多个维度对数据做分析
比如对于环比下降的人群做了聚类分析后发现以学校为分布再联想出是否是因为学校考试周的原因
假设不同学校考试周的时间的不同造成下降不是跳水而是逐步下降 再建模去验证学生和非学生在模型上的表现 排除其他原因 最终确定是因为考试周的原因
说到底 我认为 克服直觉的干扰 综合分析对于项目主体所有有正影响和负影响以及和depend on product的因素 详细给出所有的assumption、risk以及external factor 再去建模验证assumption 反复review project objective才是正道
量化投资的一个核心思想也是这样
直觉能让我们反应的更快 更好的处理生活中的琐事 但是以直觉来引导项目我觉得还是值得思考的
///
附原博客的文字
如果你是人人网的流量分析产品经理，如何解释 7 月 1 日到 7 月 7 日人人网的总流量以每日 5% 的幅度下滑？
以上是知乎上的一个问题，我把用做很多产品经理面试的杀手锏，也确实有许多人铩羽而归。
从数据角度如何分析调研这个问题，非常考验产品经理对数据的理解，是否全面，是否有内在的逻辑性，以及是否在实际工作中进行过比较好的总结和升华。
我给出的答案如下：
- 同比，去年同期的数据是否有类似的趋势
- 环比，上个月或者上上个月是否有类似的趋势
- 是网站整体流量下降？还是局部页面（或子域名）流量下降？
- 是所有地区的访问下降？还是部分地区的访问下降？
- 是所有用户的访问下降？还是新用户或者老用户的访问下降？
- 同期，竞争对手是否有什么动作？
- 同期，产品上线了那些内容？
- 同期，运营推广上线了哪些，下线了哪些？
- UV的下滑速度是否同样是5%？
以上非标准答案，大家也可以再深入考虑。实际上在面试过程中，很多号称注重数据的产品经理并没有能够系统化的思考这个问题，往往冲动的回答两三点就词穷了。
如果这个问题只是这样，那也就是一道比较有趣的数据面试题而已。但有比较少的比例的产品经理（约在10%左右），在一瞬间给出直觉的答案：因为人人网主要的用户是学生，而7月初可能是考试或者放暑假回家的日子。这样的产品经理难能可贵。
产品经理需要数据的指引，但更需要好的产品感觉或者产品直觉。数据会撒谎，是因为解读的人水平不够，被片面的数据误导。数据从不撒谎，因为每个数据都是真实的存在。
大公司培养出来的产品都很重视数据，但大多是拿一些比较浅的数据去看，真正能够通过数据进行思考、指导产品优化设计的人并不算多。小公司培养出来的产品忽视数据，能上线就不错了，但没有核心的数据指引，同样会迷失。一个是迷失于海量数据的海洋，一个是迷失于数据的沙漠。
数据能力是产品经理的基础能力，但不是万能的key。
曾经历过一个真实的例子，数据反映某个比较复杂的注册认证流程的转化率只有6%，于是规划相应的流程优化，同时把入口做的更加醒目。花了2个月讨论，1个月开发，上线后1个月内转化率没有提升反而下降，过了1个月才提升到原来的数据，但也只是持平。你想一想，知道其中原因吗？
