不真实？游戏数据也可能具有欺骗性

一般来说，我们从数据库中获得的数据都是真实可靠的。然而，经过分组、统计计算和通过图表呈现后，最终可能会得出不可靠的结论。

曾经也有一个leader和我说：“数据具有欺骗性，你需要相信数据，但也不能全信数据。”

1.辛普森悖论

E.英国统计学家h·辛普森(H.Simpson)在1951年首先解释了一种现象，即一种趋势出现在几组不同的数据中，但当这些组组合在一起时就消失或逆转了。并且他将这种反常现象命名为“辛普森悖论”。

比如一款游戏在Android设备上的整体留存率高于iOS设备。然而，如果我们把设备进一步细分为手机和平板，可能会发现iOS设备在每个细分市场的留存率都高于Android设备。这种现象的深层逻辑往往是某些内在因素在不同分组中的分布不均。平板设备本身的游戏留存率可能较低，而Android设备中平板的比例明显低于iOS，这就导致了整体数据的趋势被逆转。

这种情况就符合辛普森悖论。

首先是找出内在逻辑。比如上一个问题，深层逻辑可能是平板本身的游戏留存率低。但Android设备中平板的占比明显低于iOS，移动设备以Android为主，最终导致了辛普森悖论。所以在考虑问题的时候，一定要理清逻辑，明确核心点是什么，避免在按照某个指标拆分或合并统计的同时随意进行数据统计。

二是设置权重。可以设置实验对照组，需要保证不同组中各组分的比例大体一致，从而在一定程度上减少甚至消除辛普森悖论的影响。总之，在游戏数据分析的过程中，如果要研究一些不同受众或不同设备的游戏，测量一些指标，就要警惕辛普森悖论的存在。

2.相关问题

在分析指标相关性时，往往有两个看似完全不相关的指标，很可能表现出很高的相关性。一般来说，相关性和因果性有三种关系。

因果关系：在某些情况下，两个变量之间确实存在直接的因果关系。比如A影响B，或者B影响A。这种关系可能是直接的，也可能通过一系列步骤建立。为了证明这种因果关系，我们需要进行细致的分析，验证每一步。
共同因素干扰：有时候，两个变量看似相关，但实际上并没有直接的因果关系，而是受到一个第三方因素的影响。比如，夏天人们吃冰淇淋的数量增加，同时游泳池的使用频率也上升。这里，天气（夏季）就是共同因素，它促使两个变量的变化。
随机关系：此外，有时候这两个变量的相关性可能只是偶然的结果。这种情况造成的相关性没有实际意义，纯粹是由于随机因素的影响。

相关性只能作为潜在因果关系的提示，而不能直接说明一个变量导致了另一个变量的变化。在进行数据分析时，尤其是在游戏归因分析时，我们需要对相关性表现出审慎的态度。需要深入理解游戏的机制及玩家行为，以便更好地判断其中的变量间是否真的存在因果关系。

如果在研究中发现两个变量之间的相关性较高，我们应该进一步分析，寻找可能的因果关系，或考虑是否有共同因素的干扰。如果我们只是依据相关性做出结论，可能会导致错误的推断，影响决策和策略制定。因此，在数据分析的过程中，理解变量之间的关系是至关重要的。

举个例子：分析哪些因素会影响玩家在游戏中的付费金额。

变量A：玩家每天玩游戏的时长
变量B：玩家每月的付费金额

经过分析，你发现玩家每天玩游戏的时长（变量A）和他们的每月付费金额（变量B）之间的相关系数为0.75（1表示完全正相关）。这表明两者之间存在较强的正相关性，似乎玩游戏时间越长，付费金额越高。仅仅基于这个相关性，你可能会得出以下初步结论：“增加玩家每天玩游戏的时长可以提高他们的付费金额。”可能存在一个第三方因素C，同时影响了玩家玩游戏的时长和他们的付费金额。

比如变量C：玩家对游戏的喜爱程度。

那些非常喜欢这款游戏的玩家，既会花更多时间玩游戏（变量A），也更愿意在游戏中付费（变量B）。这里，玩家对游戏的喜爱程度（变量C）同时影响了玩游戏的时长和付费金额，而不是简单的“玩得久就付费多”。

或者在某些情况下，相关性可能只是随机波动的结果。比如在某个特定时间段，如周末/假期，玩家可能有更多空闲时间玩游戏，同时也有闲钱进行付费。这种相关性并不具有长期稳定性，不能作为制定策略的依据。