數據分析丨聽說你的第十個女朋友剛又和你分手了

來自專欄 弈囈

想及時獲取更多內容，請關注微信公眾號：弈囈（ID:YiYi_TANG7980）

就在剛剛，我的女朋友說要和我分手，理由是在剛過去的「黑五」我沒給她買對禮物。

真巧，我也聽說，你今天剛被你的第10個女朋友甩了，原因是你特意給他安排的生日supriese她不喜歡。

在一段男女關係中，我們總是有太多的點get不到，總是會一次次遭埋怨，或是你毫無情趣，或是你不懂她的心。「我要什麼難道你不知道嗎？」對啊，我確實不知道啊，你不說我怎麼知道。但是，男女關係就是這麼奇怪，有時候它的樂趣也恰巧在於「我不說」，有些話說得太透，可能就沒什麼意思了，沒有驚喜，哪有情趣。

在一段感情中，絕大多數情況下，我們是處於「你的心思好難猜」的情境之下。那麼，難道我們就只能坐以待斃嗎？再一次因為不能get不到她的需求，而第11次被棄之如履嗎？

當然不是，如果你不夠聰明不夠敏感，不能一次就找到她的G點，那就多試幾次。在她的忍耐達到極點之前，你還能通過一次次試錯，來找到正確的對敵之道，但是請記住試錯一定要快。

既然運營可以用來追女生，當然他也可以教你如何快速精準的找到女生的G點。在我們以往與女生相處，發展兩者關係的過程中，依靠的往往是經驗和直覺，這種方法的優勢是快。但是不是任何情況下，快都是好的。如果一開始方向就錯了，你出手越迅速，反而越早的game over，即使是老司機也不能倖免。這時候我們就需要數據的支持，因為數據的最大優勢就是准！可以說 ，精準的數據幫你找准方向，經驗和直覺讓你少走彎路，直搗黃龍。

這時候，你也許會有疑問。數據？我追女生的過程哪來的的數據？你說追女生有技巧我認可，但你說追女生還需要數據支持我就不信了。那麼我們就來聊聊，如何用數據驅動技巧，擺脫被拋棄的厄運。

1.數據來源

正如運營的數據來自用戶日誌，活動情況。你女朋友的數據，也是源於你之前對她的認知，以及以往的一次次試錯，一次次血的教訓。既然你已經是被你的第10個女朋友甩了，那顯而易見你的資料庫應該已經相當豐富了。回顧下（如果有記錄的話，直接翻看你的撩妹大全，數據將更為準確），你為之前10任前女友安排的百來個約會，贈送的各種類型價格的禮物，以及N個前任的用戶畫像（年齡、生日、星座、地域、性格、職業、興趣愛好等等）這些就是專屬於你的資料庫了。

2.數據的應用

這裡我們要明確一個概念，數據是用來幹嘛的。數據是用來提問的，讓你提出正確的問題，找到正確的答案。

之所以我要強調這個概念，是因為有些人會執拗於我能從我現有的這些數據中能得出什麼結論，這是數據分析師的工作，但不是你的。你現在是一個運營從業的撩妹人士，你所面對的問題是，妹紙的生日又要到了，我應該安排什麼類型的活動比較合適。記住，以目標為導向的運營，你得先知道自己要做什麼，再去好好利用你的資料庫。

3.這麼多數據，我們如何著手

現在目標有了：我想安排一次約會。那麼我該如何提取我們的數據呢？

3.1 針對目標用戶，有目的性的提取數據。明確約會對象的屬性：年齡、生日、星座、地域、性格、職業等。

3.2 從資料庫中提取相應的數據，已做橫向和縱向分析。

3.2.1 橫向：提取與妹子屬性相類似的前任約會記錄。（約會目的、時間、活動類型、場地、成本、結果等）

3.2.2 縱向：提取和這個妹子以往的活動記錄。

3.2.3 在提取數據時我們一定要注意幾點：

part.1 弄清含義

數據一定要清晰完整。所謂的清晰完整包括：數據定義清晰，計算規則準確，數據來源明確、單位量級清楚

part.2 排除錯誤

意外總是不能避免，可能有時候你的失敗與你無關，可能那天妹紙來大姨媽了心情不好，你只是不幸被殃及池魚而已，或者那次約會表面上的失敗只是因為妹紙比較害羞內斂不想表現的太主動，事實上那是一次成功的約會。諸如此類的錯誤數據一定要進行排除，避免影響你的準確判斷。

4.對數據進行分析，找出解決之道

既然我們已經有了相關的數據，也排除了錯誤的數據，那麼接下來我們就要分析異常數據了，明確我們之前為什麼會失敗 ，或者這次活動怎麼安排才能保證成功。這個過程，是一套經驗+數據的組合拳。

我們一般從四個方面入手。

step.1拉長

拉長的意思其實就是加寬數據的範圍，比如說你本來只提取了和這個妹紙一個月的活動數據，你發現你們月中那次的約會怎麼搞得一塌糊塗，你覺得是你的問題。但是當你提取近三個月的數據的時候，你發現每次只要安排在月中的活動，妹紙總是不滿意。然後你進行進一步調研發現，原來那是妹紙的姨媽期，心情不好，沒閒情逸緻跟你干劈情操。那麼我們將數據拉長後就發現了活動本身可能是不錯的，主要你換個時間可能就會有意想不到的收穫。

step.2 拆分

拆分就是說，我們對那次失敗活動的各個環節進行分析。一個完整的活動可能包括：吃飯+看電影+逛街+不可描述。可能只是某個環節的問題，導致了最終不理想的結果。當然也可以對妹紙類型進行拆分，比如說這種常規的活動流程，你肯定和10個前任都經歷過，你可以按妹紙的屬性進行拆分，比如說按星座劃分，你可能發現和某個星座的女生一起看科幻片的成功率比較高這種。

step.3 典型

其實典型這一步，也就是有的放矢。比如說，你不甘心你已經是被第10個女朋友甩了。你想知道自己為什麼這麼失敗。那你就以這個妹紙為典型，明確她的個人屬性。然後去你的資料庫裡面找同一屬性的前任。然後分析造成你這次又被甩的活動，與這類屬性女性的相關性。是不是這種活動，對該類女性就是見光死？當然吃一塹肯定要長一智，再看看你新的約會對象的屬性是不是與前任一致，如果一致，請務必避免見光死的活動，選擇對這類典型成功率較高的活動進行安排。

step.4 親測

之前說了，數據分析是經驗+數據的組合拳。親測，顧名思義就是你經驗的養成了。就像作為運營人員，有時候搞不清為什麼這個活動的轉化註冊率這麼低的時候，肯定是自己要先去體驗下一個這個活動流程的，才更容易有切身體會，發現問題出在哪。