引言：資料顯示，產品A和B的購買成交率男性>女性，可產品A與產品B之和，成交率卻是女性>男性。你信嗎？

精細化運營能夠幫助我們在資料的指導下進行產品路線、戰略的調整，讓產品改進的過程有章可循。但有時候，我們也會遇到一些看起來有些詭異的資料陷阱。

案例資料

我們先看問題的描述：

在產品A和產品B中，男性的購買成交率都是男性>女性，可在合計中，卻是女性>男性。那麼，這就有點懵了。

所以，到底應該擴充男性使用者，還是女性使用者呢？？

可能我們的第一反應都是：是不是資料不準確啊？於是我們就有了這個案例……

在此鄭重感謝騰訊移動分析M他的使用者願意和我們一起成長，去追查和分析資料的深層次原因。

原因定位

我們來追溯一下問題的來源：

從資料上我們可以看到，實際上，在產品A和產品B上，確實都是男性轉化率高於女性，但由於產品B的轉化率明顯低於A，且男性群體大量被引導去了產品B，所以整體資料的轉化率反而要低於A。

這在統計學上稱為：辛普森悖論（Simpson's Paradox）

在分組比較中都佔優勢的一方，在總評中有時反而是失勢的一方。該現象於20世紀初就有人討論，但一直到1951年，E.H.辛普森在他發表的論文中闡述這一現象後，該現象才算正式被描述解釋。 後來就以他的名字命名此悖論，即辛普森悖論。

優化方案

回到這裡的題目中，資料向我們展現了兩個結論：

1、 對於產品A和產品B，男性的購買成交率都大於女性；

2、 產品B的平均成交率要明顯低於產品A。

那麼對於投放決策來說，我們還是偏好男性使用者。在引流成本相同的條件下，男性的購買轉化率較高。而針對產品A和產品B的分流推薦方式，可能還需要考慮兩個產品的客單價與利潤率。

從上圖中可以看出，產品A屬於低單價、低利潤、成交率高的產品，產品B屬於高單價、高利潤、成交率低的產品。那麼如果在電商開拓期，希望引入更多使用者，我們可能會側重於推廣產品A；如果平臺已經有一定規模，希望能夠提高人均利潤率，降低百元成交量的獲客成本，我們可能可以考慮多推廣產品B。

當然，這些的前提是在，引流成本相同的情況下。而往往實際問題的考慮中，我們還會需要考慮投放成本、投放效果、轉化效果等問題，這一部分在我們的第一章中也探討過，歡迎移步討論！

案例總結

在資料運營的實戰中，可能常常會遇到一些讓我們覺得有點彆扭的資料。

而在這些資料背後，其實蘊藏著很多的細節與能量。因此，建立詳細的資料分析運營體系，理解使用者群分離與歸併的思路，讓資料為你所用，這是很重要的。

回顧我們上一期講過的資料運營微笑模型~

這一期我們講的是在定位原因的過程中，對使用者群拆分解析之後發現了其中的運營價值。

我們可以先通過自定義事件埋點，監測購買事件，同時上報購買商品的引數；然後通過使用者分群設定篩選出購買事件中，購買引數等於產品A的人群，來得到我們想要的細分使用者群體：

然後通過使用者群體的計算與分析，得到該群體的人群特徵，展開我們的資料分析工作。

關於我們：

騰訊大資料平臺關注大資料平臺構建、資料探勘、資料應用等。資訊共享，促進行業交流。通過多年產品建設，騰訊大資料已成功為開發者提供騰訊移動分析（MTA）、騰訊移動推送（信鴿）、騰訊推薦等資料產品，同時與騰訊雲合作，推出大資料處理套件（數智），對外提供了可靠、安全、易用的大資料處理能力。