2013年，海伦·特恩布尔（Helen Turnbull）描述说，当她看到一名女子驾驶她的航班，而不是一名年长的白人男子时，她感到不安。特恩布尔博士（拥有内在压迫的博士学位）实际上考虑过下车等下一架飞机。偏见是一种倾向于一件事胜过另一件事，它影响到从非正式谈话到招聘决定的所有事情。如果特恩布尔博士成为偏见的牺牲品，我们大家也一样。虽然我们大多数人都了解我们周围世界的偏见-你的工作场所有左手剪刀吗？-有时在统计数据中发现它们是很困难的。数字不会说谎，对吧？好吧，数字可能不会，但我们有。无论我们在做什么，我们都需要有意识地消除偏见，包括在解释数据时。【Tweet"4种偏见潜入你的移动分析"】让你的数据说明一切这里有一个例子。假设现在是时候考虑下一步来刺激公司的发展了。有几个策略，你看，但你已经听到很多关于定价。当你做研究时，你会发现你的定价是不对的，你会从重组中获益。欢迎使用确认偏差：在这里你可以找到你想要的东西，因为你在寻找它。或者，至少，你要权衡支持你先入为主的结论的东西——即使你没有意识到你已经有了。SaaS场景和其他一切一样，在流行的思想中循环。即使我们在振幅上谈论的内容——虚荣心指标、保留框架——也会被移动分析界的人们认为重要或不重要的东西所告知。关注其他SaaS公司，或者借鉴他们的想法也不错。你遇到麻烦的地方是：没有深入分析是因为你有一种迹象表明某些事情是对的。采用指标是因为其他人使用它们，即使它们不适合你。在不知道自己是什么的情况下，跳到一个新的标准实践中去，比如数据驱动干什么呢但一旦你的大脑处理了一个想法，它会以你根本没有意识到的方式出现——这就是确认偏差的来源。通过以下方式避免确认偏差：保持内部关注，并设定自己的基准。吸收移动分析的优点，但要注意奖品：最适合你的业务的指标，即使它们违背了你的"直觉"与懒惰作斗争假设你想弄清楚为什么你的应用程序的用户不进行购买。他们可能会跳出结账顺序，所以你可以跟踪。但日子一天天过去，人们似乎都能顺利地通过结账，所以你就回到画板上，直到你想看的东西用完为止。假设问题实际上是你的搜索功能向顾客订购商品的方式——这几乎不像结账时的跳出率那么容易计算出来，所以你就没有检查它。这就是街灯效应——在容易找到答案的地方（"光线好"）而不是最好看的地方（"黑暗"）。也许你正处于时间紧迫期，所以你觉得最好的选择是尝试最简单的解决方案，或者你对分析不太满意。不管是什么原因，成为街灯效应的牺牲品是浪费时间，会挫败你的决策能力。考虑我们对DAU测量的探索。这看起来很简单，只要看看谁每天都在打开你的应用程序。但我们说："这不是看一段时间内的单一动作。它是关于在一段时间内观察多个动作和多次执行这些动作的人。它是一个接一个地检查你的应用程序功能，看看人们回来使用它们的频率。"逐个查看你的应用程序功能要比只看谁在打开你的应用程序要困难得多，而且它也能给你带来真正的价值。避免街灯效应的方法是：花更多的时间以一种强迫你深入挖掘数据的方式来组织你的问题。通过一系列问题来看待一个过程要比直接问数字容易得多，尤其是如果你对数字不太满意的话。减少损失你设置了一个自定义的度量，即使它不是很好，你也不想因为你投入的时间和精力而放弃它。简言之，这就是承诺的升级：你执着于一些不起作用的东西，并且仅仅因为你在它身上投入了太多，就合理地使用它。这也不仅仅是针对单一指标。也许你是在内部做统计，它不再有效率，但设置是如此艰苦，你保持它。或者你可能需要从你发布的分析软件升级，但你一直在证明它为什么有效。不，真的，是的！归根结底，承诺的升级会让您依附于糟糕的数据和效率低下的系统。为你的企业找出最好的统计数据可能是一个消耗性的过程，所以不要仅仅因为他们花了太多的精力就不愿意放弃这些东西，从而延长这一过程。通过以下方式避免承诺升级：找到一种方法，将情感依恋与你的决策分离开来。试着向团队之外的人描述问题，列出客观的利弊，或者将注意力从你失去的精力转移到你将获得的价值上。不要徘徊假设你开始跟踪一个你很兴奋的新数据。你可能很想知道事情的进展，并在开始收集数据时查看一下数据。你认为你看到了一些令人兴奋的结果的早期迹象！您实际体验到的是集群错觉，您在随机结果中看到一个模式，通常是因为数据量不足。这听起来不是什么大问题，对吧？你在早期数据上犯了一个错误，当你了解了全部情况后，你会改正它的。除了在心理层面上，事实上并不是这样。一旦一个模式或结论的想法进入你的大脑，它会影响你对其余数据的感知方式，即使最初的结果被完全抹去。通过设置时间框架让你检查你的统计数据，这样你就不会太早检查它们，从而避免出现聚类错觉。看数据会让人上瘾，但有时你不得不顺其自然。回到基础偏见影响一切，移动分析也不例外。你知道分析错误可能会花费你的业务时间，精力，和-不幸的-金钱。这就是为什么在你犯错误之前，找出你可能出错的地方是很重要的。[Tweet"分析错误可能会让您的业务时间、精力和金钱付出代价。"]很多偏见是无意识的，我们都在尽力收集准确的数据。有条不紊地对你的观点、数据和结论提出批评，将有助于推动你的业务朝着正确的方向发展。