「感覺這個版本比上個版本好用」永遠不夠——「哪個指標上升了多少、哪個用戶群留存改善了」才是能拿出去說話的語言。 數據思維不是統計學，而是一種工作習慣：在做決策前，先定義「什麼樣的數據算成功」；做完之後，用數據而非感受判斷結果。
數據驅動增長：三個境界
來源：數據學習行動方案：從 0 開始學會「數據驅動增長」（woshipm 數據分析熱門文）
作者用「始驚、次醉、終狂」三個境界描述學習過程——這個比喻很準確，因為真正的轉變是思維方式的轉變，不是工具的掌握。
| 境界 | 特徵 | 行動 |
|---|---|---|
| 始驚：認識概念 | 知道有數據驅動這回事，開始意識到「憑感覺做決策」的危險 | 讀文章、了解概念、理解和傳統分析的差異 |
| 次醉：積極學習 | 開始學工具（GA、GrowingIO 等），嘗試建漏斗、做留存圖 | 選一個產品系統性建數據模型，反覆練習 |
| 終狂：反覆練習 | 在實際工作中，所有功能上線前先建沙盤模型；不再只看結果，而是預測它 | 把數據前置到設計階段，讓分析驅動決策，而非事後解釋 |
關鍵轉折：從「事後看數據解釋」升級到「事前用數據預測」——這才是「數據驅動」的真正含義。
五大核心分析工具
1. 轉換漏斗（Conversion Funnel）
追蹤用戶從「入口」到「目標行為」的每個步驟流失率。
訪問首頁 → 點擊註冊 → 完成填寫 → 驗證 → 完成
100% 60% 45% 40% 35%
用途：找最大的流失點，集中資源優化。
2. 留存圖（Retention Chart）
追蹤不同週期（Day 1/7/30）的用戶回訪率。核心問題：用戶有沒有把你的產品養成習慣？
3. 用戶分群（User Segmentation）
把用戶按行為/屬性分成若干群，分別分析——因為「所有用戶的平均」通常掩蓋了最重要的差異。常見分法：新/老用戶、付費/免費、來源渠道。
4. 用戶細查（User Path / Session Analysis）
看單個用戶的完整行為路徑：他進來之後點了什麼、看了多久、卡在哪裡、然後離開。
5. 來源管理（Attribution）
用戶是從哪個渠道來的？哪個渠道來的用戶留存最好？這直接影響「把錢砸在哪裡」的決策。
增長的 AARRR 框架
Pirate Metrics（海盜指標），增長黑客社群最廣泛使用的框架：
| 階段 | 英文 | 核心問題 | 代表指標 |
|---|---|---|---|
| 獲取 | Acquisition | 用戶從哪裡來？ | CAC、渠道 CTR |
| 激活 | Activation | 用戶第一次「感受到價值」了嗎？ | 新用戶完成關鍵動作比例 |
| 留存 | Retention | 用戶會再回來嗎？ | Day 7/30 留存率 |
| 收入 | Revenue | 能賺到錢嗎？ | ARPU、LTV |
| 推薦 | Referral | 用戶願意介紹給朋友嗎？ | NPS、K 因子 |
PM 的首要任務是找到你的「北極星指標」（NSM）：一個能代表「用戶真正從你的產品獲得了價值」的核心指標。Airbnb 是「訂房夜數」，Spotify 是「每天聆聽時長」。NSM 定了之後，所有功能決策都應該問：「這有沒有讓 NSM 往上走？」
數據思維的三個陷阱
陷阱 1：確認偏誤（只找支持自己假設的數據）
- 解法：在做分析之前，先寫下「哪些數據結果會讓我放棄這個假設」
陷阱 2：相關誤以為因果
- 經典例子：冰淇淋銷量和溺水事件高度相關（都在夏天）——共同原因是天氣，不是因果
- 解法：A/B 測試是唯一能確認因果的方式；相關分析只能生成假設
陷阱 3：只看平均數
- 「平均 DAU 上升了 10%」可能掩蓋：核心用戶流失 20%，低質量用戶增加 30%
- 解法：永遠看分布，不只看均值；按用戶群分開看
前置數據：設計前就建分析模型
最反直覺但最重要的習慣：在產品設計階段就把「我要追蹤哪些數據、怎麼埋點」確定下來。
大多數團隊的做法：功能上線→發現沒埋對點→重新補埋→等數據→已經晚了兩個迭代。
前置的做法：
- 功能設計時，同步寫「數據需求文檔」（要追蹤哪些事件、哪些屬性）
- 確認埋點在 PRD 審核前完成
- 上線後第一天就能看到數據，而不是兩週後才知道有沒有效
主張 vs 可佐證
- 可佐證：AARRR 框架來自 Dave McClure（2007），在增長黑客社群有完整文獻。漏斗分析、A/B 測試的方法論有學術和工程支撐。
- 主張：「北極星指標」概念來自 Growth Hacking 社群，有效性依賴公司階段和商業模式——早期探索期（PMF 未確認）強調 NSM 可能過早固化方向。
- 證據缺口：「數據驅動決策」對產品最終成功的影響難以排除其他因素，且幾乎所有「提升 X%」案例都是廠商自報數字，缺乏獨立驗證。
懂數據之後，如果你做的是企業服務類產品，邏輯跟 C 端截然不同——見 B 端產品修煉指南。