hình tổng quát. Monica cảnh báo rằng: “Bạn sẽ muốn bỏ qua phần thiểu số
đó khi xây dựng sản phẩm dữ liệu, nếu không tính năng ‘bạn cũng có thể
thích’ trên trang của bạn sẽ có những mục giống hệt nhau khắp nơi – những
thứ những người hâm mộ cứng của bạn vẫn luôn mong muốn.”
5. Bỏ qua tính thời vụ. “Ồ, có phải ‘thực tập’ là công việc đang phát triển
nhanh nhất năm nay không? À, từ từ, đấy là trong tháng Sáu thôi.” Không
cân nhắc những thay đổi về thời gian trong ngày, ngày trong tuần hay hằng
tháng khi nhìn vào đặc điểm dữ liệu sẽ dẫn tới những quyết định sai lầm.
6. Bỏ qua kích cỡ khi báo cáo tăng trưởng. Bối cảnh rất quan trọng. Theo lời
Monica nói: “Khi bạn chỉ vừa bắt đầu, chính xác thì việc bố bạn đăng ký
dịch vụ vẫn tính là gấp đôi cơ sở người dùng.”
7. Bội thực dữ liệu. Bảng dữ liệu sẽ không có tác dụng mấy nếu bạn không
biết phải nhìn vào đâu.
8. Chỉ số cảnh báo sai lệch. Bạn muốn phản ứng nhanh trước dữ liệu, vậy
nên bạn đặt ra các mức cảnh báo để biết khi nào có chỉ số lệch lạc mà khắc
phục nhanh chóng. Nhưng nếu ngưỡng bạn đặt quá nhạy cảm, chỉ số sẽ trở
nên “lắm điều” – và bạn lại bắt đầu phớt lờ chúng.
9. Hội chứng “Không thu thập được ở đây”. “Trộn lẫn dữ liệu của bạn với
dữ liệu từ những nguồn khác có thể dẫn đến những phát hiện ẩn chứa có giá
trị”, theo lời Monica. “Khách hàng tuyệt nhất của bạn có đến từ vùng tập
trung nhiều nhà hàng sushi không?” Việc này có thể mang đến cho bạn một
vài ý tưởng tuyệt vời về việc thử nghiệm thứ gì tiếp theo – hoặc thậm chí
ảnh hưởng đến chiến thuật tăng trưởng của bạn.
10. Tập trung vào yếu tố nhiễu. Monica cảnh báo: “Chúng ta bị bó buộc (và
sau đó bị lập trình) để nhìn vào những đặc điểm ở chỗ chả có đặc điểm nào.
Việc này giúp ta bỏ qua những chỉ số ảo, lùi lại và nhìn vào bức tranh lớn
hơn.”
