4分析结果：找到关键因子，高效得出可靠结论

分析结果：找到关键因子，高效得出可靠结论

超级搜索力：快速链接信息、人脉、财富、资源

进度条

0:00

10:39

在这个大数据的时代，大家都知道数据里面蕴藏着丰富的信息。信息，是这个时代最宝贵的资源。那么如何才能从数据中解读出有用的信息呢？本文就以内容行业的数据为例，给大家提供一些参考，希望能对你们有所帮助。

比如最近当当排行榜的新书总榜上有本新书，叫《埃及四千年》。有的新编辑就非常不解，跑来问我说，一般销量能上总榜的，要么是经典文学，要么是励志，要么是童书，凭什么一本历史书能上总榜呢？

但如果你是一个老编辑，常年看数据，就会记起还有一本类似的销量很好的书，叫《耶路撒冷三千年》。这两本书不仅在命名上、包装风格上有类似之处，而且内容方面都写的是神秘的古老文明的历史。那么这就说明，读者对这类内容一直都存在一定的阅读需求。

这种观察相对来说还比较简单，是把过去到现在已发生的具体数据与信息加以抽象，得出一个结论。而有的时候你利用数据，是想寻求一个解决问题的方案。这种情况下，你整体比对完之后还是要运用「拆解术」，把一款产品加以拆分，分解到一个最小的单元，在这个不能再分的最小单元的层面，再和其他竞品进行相互比较，最后得出自己的结论。

比如我们做一款线上的内容产品，在研究用户行为反馈的时候，会产生点击量、点赞量、添加量等数据参数，而这些数据，可能与标题、内容的收获感、转化引导话术等几方面有关。当某个环节出现问题，购买量出现下滑的时候，如果你只是粗略地看整体感觉，不进行模块化拆解的具体分析，有可能你一时是发现不了问题的。

我们公司是一家做内容价值链串联与整合的内容公司，我们坚持的宗旨一直是让优质内容价值最大化，成就有影响力的人，让迷茫的人不迷茫，让优秀的人更优秀。在具体的业务上，我们围绕个人成长有关的内容做全媒体维度的开发，以全方位满足各类专家、老师的需要，同时多维度、有层次地满足用户的学习需要。

所以，从商业模式的角度来讲就可以画出一个由浅入深的、满足用户需求的漏斗表，从免费节目、出版，到付费产品，再到训练营产品，最后到职业教育培训与咨询会产生好几个不同层次的数据转化参数。如果整体数据有异常波动，你要想知道究竟是哪个参数对整体数据起到了决定作用，不拆解来看，可能真的判断不出来。

在这种情况下，如果你还调整了所有的参数，改变了标题，改变了内容的风格，还改变了转化引导的方式，甚至有可能价格还调整了，那么如果数据出现了变化，你可就真的无法确定是哪个因素在起作用了。

所以，通常情况下我们会采取小步微调的方式不断优化整体的体验，尽量一次只改变一两个参数，其他的参数维持不变，接着观察一段时期，看看到底这个参数是不是能对数据的变化产生一定作用。

比如说我们的职业精英研修班这个产品，过去一直都是以九百九十九元的亏本价在卖。随着产品逐步打磨成熟，我们希望找到一个合适的价格与招生规模比，以使得产品能走向盈利。后来我们逐步把课程的价格提到了三千元，这个课程的销量不仅没有下跌，反而还上升了。但我们把课程价格提到四千元的时候，这个课程的销量就开始下滑。这期间，所有其他参数都是没有变化的。

这个时候，大家就明白了，是价格在对这个课程的销量起作用，三到四千的价格区间是目标用户在当前阶段可以接受的合理区间。

所以说，你在看数据的时候，不要惯性地去看单一且表层的因果关系，而是要尽可能全面地看事物之间的相关性。喜欢在两件事之间寻找因果联系，这是人类的天性；而把一种现象归因于唯一的原因，更是人类天性中的弱点。很多人总喜欢给自己的人生难题，找到一个一劳永逸的解决方式，就是这种弱点在作祟。

那么，应该怎么样做，才能全面地看清事情之间的相关性呢？我和你分享两个方法。

第一、从全局的角度看事情的相关性。

首先我认为相关性是一种抽象化的去理解事物，去概括事物的能力。那么在看相关性的时候，很多时候就是看事情的整体。从整体上观察事物的相似度是什么。

但是从整体上看相似度，这其中也有着不同的维度，比如说看两个人的相似性时，你可能会体形相似，声音相似或者发型相似来进行推断，这些都是基于双方作为人的整体的角度去看的。

第二、从局部的角度去看事情的相关性。

从局部上看的意思就是，把不同事情拆分到一个个最小的单位之后，再去看这些最小单元之间的相似性。前段时间有个叫《少年派》的电视剧很火，主要是讲高考的，然后最近就出来了一个《小欢喜》，也是讲高考的，这两部电视剧的题材很像。

然后仔细对比一下，我发现这两个故事里面其实有太多相似的地方。比如里面都有个主人公要考艺校，都有个主人公是学霸，而且都会有青春期的恋爱问题、都有搬家到学校附近租房备考的问题、都有主人公家长失业压力瞒着孩子的问题、以及家长管教过严的叛逆问题，等等。这就是局部拆解后发现的相同经验。

所以从整体和局部两个维度去观察，你能够更好地看到事物之间的相关性。

还是拿当当的新书榜作为例子。比如最近有本书叫《人生海海》。前段时间，当当的新书榜是比较稳定的，我们公司的《简单，应对复杂世界的利器》排第一。但后来突然就冲上来一批新书，都是我们不熟悉的，这本《人生海海》也在其中。

一本书能冲上新书榜，可能是由多种因素决定的，比如我从我的朋友圈里知道，最近当当在搞活动；我还知道，这本书的作者麦家和演员白百何一起在做线下签售。我天天都看排行榜，过了一段时间，其他书都已经不在榜上了，但是我们的《简单，应对复杂世界的利器》还在榜首，《人生海海》虽然在榜排名不再那么靠前，毕竟还是在榜的。

于是，这个产品就具备了我们进一步去研究它的畅销价值的理由。我们会从整体出发再拆解到具体的要素，从选题的特质，包装策划的优势，内容的价值性与传播性等维度去逐一分析。越分析，我们对市场的把握也就会越专业。

现在，我们的课程加入了与图书的互动转化模块之后，数据的复杂程度就更高了。其他出版公司或者教育培训公司，或者专门做知识付费的 MCN（Multi-Channel Network，是一种多频道网络的产品形态，在资本的有力支持下，保障内容的持续输出，从而最终实现商业的稳定变现）公司，相当于只有一个兵种。而我们是海陆空三个兵种作战，全方位高维度地去打内容市场。

那么，在给一位老师包装策划的时候，我们就会去思考：是给他先出书好，还是给他先做课好？还有，从产品的生命周期的角度来看，有了图书版块之后，一个线上产品的生命周期就有可能变得很长，那么，在这种条件下如何解读各类数据，对我们来说也是一种新的挑战。

最后，还是要提醒你，搜集数据信息也是需要成本的。指标维度越单一，数量要求越小，数据的准确性相对越精准，得出来的结论就更可靠，但每个数据的收集成本就有可能越大。你最终追求的是以最高的效率达到可靠结论，所以如果能做到精确，当然可以，但最重要的是要权衡这样做的成本和收益。

搜集数据信息的成本就是要看多长时间完成一件事。比如说一个产品经理，想要做出一个优秀的产品，不是说你要用无限的时间去完成一个绝对优秀的产品，而是在有限的时间里面完成一个最好的。

所以你要知道最重要的是去看可以投入多少时间，投入多少精力，投入多少预算，去完成收集。它一定有一个成本区间，很多人就不会去关注这个东西。

有一次我跟一个同事说你帮我研究一下这个老师的产品和竞品，过两天给我。结果，那个同事过了一个星期才给我，为什么？

因为他说我要全面研究，研究它的全样本，把它 500 百篇文章全部看完。那我就说怎么可能，我要你两天之后给我，你就需要在有限的时间里面，最大程度的去搜集信息，得出结论。

所以在这里你可以用一个区间来定义，规定完成这件事最长用多长时间，最短用多长时间，避免做那种无效或者无意义的投入。

对于大部分人来说，在互联网上找到未经处理的数据，并不是很困难，但是想要在数据里发现价值和资源，就需要不断磨炼自己的能力了。多留意数据要素之间的相关性而非单一、表层的因果性，在长期观察数据的基础上，对数据进行抽象思考，就能从数据中发现巨大的信息价值。

那么，在发现了事物的相关性之后，接下来，要怎样通过小目标来推动大目标的完成呢？下节课我会跟你分享对应的方法。欢迎你把今天这节课得到的启发分享给你身边的朋友，也许能够帮到他们。

今天留给你的一个思考题是，回顾你最近的工作与生活，看是否存在因为找不到事情之间的相关性而无法解决问题的情况？然后运用课程里提到的方法再重新思考下，看看会有什么样的收获。

备案号:YXX18ggKE0KU555nmk2CdlwA

点击查看下一节

最小目标：专注最小目标，收获持续达成目标的动力

​

赞同

​

目录

评论

超级搜索力：快速链接信息、人脉、财富、资源

匿名用户

×

拖拽到此处

图片将完成下载