正文开始之前,请大家先看1个案例:
1家公司希望了解自家产品的用户画像,因而他们在产品包装上印上自家小程序的2维码,然后想办法促使用户去扫码(比如扫码查真伪、扫码学习食用方法等)。1旦用户扫描2维码,公司就可以从后台了解他们的基本信息,比以下图就是对用户年龄散布的统计结果:
(PS,出于保密需要,这里暂且放1张P过的图来示意)
现在请问:哪一个年龄段的人材是该产品的典型用户?
对这个问题,我1共听到过3种答案。
第1种认为是30—39岁。如果你问他为何,很明显,由于那部份柱子最高…
第2种认为是25—29岁。由于虽然它高度只是第2,但它的年龄跨度只有5岁,仅仅是30—39岁跨度的1半。
第3种则认为18—29岁都是,道理跟第2条类似,不再多解释。
那末,究竟哪一种答案才更加正确呢?
我估计大部份人都会选第2种或第3种吧?
最开始我也是这样解读的,认为该产品的典型用户就是“年轻人”。(若依照国家统计局的标准,也就是15—34岁的人)
不过说实话,这个结论还真挺让我惊讶。由于若根据我的常识来判断的话,它的典型用户应当是年纪稍大点的中年人材对。
该产品属于健康食品,主打“排毒”“减肥”“降3高”“治便秘”“抗酸”的功效(你先别笑它卖点太多不够聚焦,又不是走电视广告的门路),而这些功能属性,除“减肥”之外,我相信很多人都会跟我1样——若用常识来判断,它们应当更偏向中年人。
但是,数据结果却与常识判断相互矛盾…这时候候,你到底该相信数据还是相信常识呢?
这是我最近在1个项目中遇到的1个问题,这个问题也的确让我纠结了1段时间。由于1方面有人说“数据是不会撒谎的”,而另外一方面又有人说“做调研,常识才更加重要”…
不过,当我想起之前看到过的1段故事以后,问题就变得相对明朗了。
1.2战的故事
在2战期间,盟军的战役机在战役中损失惨痛,因而盟军总部秘密召集了1批物理学家、数学家来专门研究“如何减少空军被击落的几率”。
当时军方统计了所有返航飞机的中弹位置,发现机翼部份中弹比较密集,而机身和机尾的中弹比较稀疏,因此当时普遍的建议便是:应加强机翼部份的防护。
但是,统计学家沃德却提出了1个完全相反的观点,他认为应加强机身和机尾部份。
沃德教授说:“所有的样本都是成功返航的飞机,也就是可能正是由于机翼遭到攻击,机身和机尾没有遭到密集的攻击,所以才使得这些飞性能够成功返航。”
后来又经过1系列有力的论证后,军方果真采取了他的建议。事后也证明这的确是非常正确的决策,有效下降了空军被击落的几率。
这个故事讲的就是所谓的「幸存者偏差」(Survivorship bias)
幸存者偏差是指:当获得资讯的渠道仅来自于幸存者时,此资讯可能会存在与实际情况不同的偏差。(由于死人不会说话)
那它跟之前用户画像的例子有甚么关系呢?
关系很大。
虽然数据是不会撒谎的,但它只能展现出有数据(幸存者)的那部份信息,而没法展现没有数据(阵亡者)的那部份信息,它是片面的。
翻译到之前那个案例:如果仅凭扫过码的用户数据来判断产品的用户特点,实际上是疏忽了那些使用了产品但没有扫码的用户的数据。毕竟,不是所有用了产品的人都1定会扫码。
而这里有很多可能的因素会影响结果,比如:
1)不同年龄段的人具有不同的扫码习惯——可能年轻人更愿意扫码,而中、老年人大部份都没有扫码习惯。
2)扫码的人不1定是产品的用户——或许是年轻人买了该产品送给尊长,然后自己去扫了码。
3)说服人们扫码的文案也会有影响——假设你说“扫码享优惠”,那终究扫码的可能就更偏向于那些“精打细算”的用户,而不是所有用户。
总之,永久不可能得到完全的数据样本。
因此,回到文章最开始的问题——哪一个年龄段的人材是该产品的典型用户?
准确的答案应当是:没法仅通过该数据就得出结论。
是的,到目前为止,我仍然更偏向于相信常识——认为中年人材是它的典型用户。(估摸着最少也是30岁以上)
2.洞穴之喻
柏拉图曾在《理想国》的第7篇中,讲了1个著名的比喻——洞穴之喻(Allegory of the Cave)
假想有个很深的洞穴,洞里有1些囚徒,他们生来就被锁链束缚在洞穴当中,他们背向洞口,头不能转动,眼睛只能看着洞壁。
在他们后面砌有1道矮墙,墙和洞口之间燃烧着1堆火,1些人举着各种器物沿着墙来往走动,犹如木偶戏的屏风。当人们扛着各种用具走过墙后的小道,火光便把那些器物的影象投射到眼前的洞壁上。
由于这些影象是洞中囚徒们唯1能见的事物,他们便以为这些影象就是这个世界真实的事物。
在现实生活中,数据就像该比喻中印在壁洞上的影象——它试图利用低维的事物,去给人们描绘1个高维的东西。如果将洞壁的影象进行数据化处理,哪怕技术再先进,搜集的数据再多,都难以让洞穴人感知到1个真实的世界,由于他们看到的世界都被“降维处理”了。
而另外一方面,常识又是甚么?
不可否认的是:常识跟数据1样,都是片面的。并且每一个人的常识都不尽相同,质量良莠不齐。
不过这里想说的重点是:相比于数据,常识能从更多很多的角度去分析1个事物。
由于人类的大脑很奇妙,它能把很多看似无关的事物联系在1起。而这1点,是任何计算机都很难以数据的情势做到的。
举个最简单的例子:人们可通过视察“1根筷子折得断,10根筷子折不断”的现象,悟出1个与之绝不相干的道理——团结就是气力。而同1个现象如果交给计算机去处理,那最后的结果就肯定只能与“材料”“扭矩”和“力度”等相干…
再比如迈克·亚当斯曾做过的1项研究,他发现:美国大学生期中考试邻近时,奶奶去世的可能性是平时的10倍,而期末考试时是平时的19倍。(数据来自各高校收到的请假邮件和推延交论文的申请)
若单看数据,你或许会认为学生的学术压力会对奶奶的健康造成影响(的确有科学家对此做过研究…);但如果用常识去思考,那就很简单了——为躲避考试,学生们编造了“奶奶去世”的请假借口。
这就是常识与数据的区分——常识是多维的,数据是单维的。
3.数据不骗人,但它会坑人
数据真实的价值其实不在于其统计或计算结果,而在于人们能对其做出正确的解读。不过这很困难,特别当你面对的是残缺的数据。
就像我之前举过的1个例子:
据《2017社会大学英雄榜》显示,国内登上胡润百富榜的2000多位资产超210亿的富豪中,有1半的人都是低学历。(PS,低学历是指本科以下的学历)
请问:从这条新闻中你能读出甚么结论?
我想肯定有很多人会认为:学历的高低跟收入的确没甚么关系。
但是,这类解读是错的。
正确的解读方式是甚么呢?
应当是:中国在2016年末大约有13.8亿人口,其中本科及以上的只有3800万,本科以下则有13.42亿——低学历的人本来就比高学历的人多很多(35倍),而它们进入榜单的人数基本相同。因此,具有高学历的人进入百富榜的几率,是低学历的35倍。
在这个例子中,所有的数据都是真实的。但如果你只看到1部份数据,而没有看到其他数据,那就很容易被数据给坑了,得出毛病的结论。
固然,要想得出更加准确的结论,这里还需发掘更多的数据。比如:
富豪们的年龄散布。毕竟不同年龄段人群的学历散布是不1样的;
所属行业的散布。毕竟不同行业对学历的要求与相干程度是不1样的;
在这些富豪中,高学历的收入与低学历的收入的整体对照情况…
嗯,如果你不是专门学统计的,相信在加入这么多因素以后,1定会崩溃掉…不过你也不用慌,由于大部份情况下,你根本就没有机会能知道这么详实的数据。
包括以数据著称的新零售。为何大部份新零售项目依然在亏钱?其实就是由于它们的范围还没有到达1定的量,数据的维度仍然比较单1,“算”出来的东西仍然不够精准,所以效力的提升也就很有限了。
4小结1下
文章读到这里,你或许会在心里嘀咕:小云兄你写这篇文章,是否是想告知我们数据是没有用的呢?如果数据的结果都不够准确,那甚么才是准确的呢?
首先,这里其实不是说数据没有用,即便它是片面的。
所谓的要客观看问题,其实不是指你1定要掌握了所有数据以后才能下定论,而是要在下定论之前,尽可能多方面了解1些数据和信息,不管它们本身多片面。
多了解1点,出错的概率就会小1点,多看到1面,你离客观的真相就更接近1点,这就是进步。
千万不要试图1下子解决所有的问题,或以为1下子就得到准确的答案,由于这本身就是1种毛病的价值观,或说痴人说梦。(所以你也不用纠结“甚么才是准确的”了,根本就不存在)
知道自己还有不知道的,并在问题中不断前进,这才是真正科学发展的思想。
相反的,如果仅凭单方面数据就果断得出结论,并且笃定得不行,那不管数据样本有多大,你的结论和真实情况都极可能是天差地别的。
原创: 小云兄
来源:品牌圈圈