统计学中的“幸存者偏差”，如何影响着你和我？(4)

数据表现过于正常的时候，或许是某些地方疏忽了。
比如有的app没有设计“游客模式”，也不允许“第三方登录”，只能是手机号（账号）、密码（或者）验证码登录，由于是小众平台，不是经常频繁登录，用户忘记密码是常事儿。
如果用户忘记了密码，无论是登录还是找回密码，她都需要获取验证码，而正好某个时间区间内，通信运营商系统维护，不允许用户获取服务返回验证码。
你隔日就发现活跃数据下降了，正在想是不是与前几日的产品首页改版有关，仔细分析了登录用户的访问深度，结合产品改版的侧重点进行相关性分析，对比改版前的数据，你并没有发现用户有什么异常。
数据都一切正常，表明登录用户非常适应现有的版本，运营拉新的文案也没有什么问题。那为什么登录活跃的用户数量会下降呢？你再仔细的想了想之后，突然意识到：似乎你忽略了那些没登录的大多数用户。
“幸存者偏差”原理让你想到，也许存在某种客观性原因导致了登录用户被削减了，可是因为用户没登录成功，你也不知道是哪些用户出了问题，这些沉默的大多数用户也不会联系官方。
然后你调取了一批之前比较活跃的用户，但是在本次改版活动中并没有看见他们的身影，一一电访求证后，才发现原来他们都用的是联通手机号，而联通运营商正好在此期间系统维护升级，不支持调取服务。
兜兜转转后，你才意识到，“有时候，沉默的用户是不得已而被抛弃，存在某些客观原因导致数据既异常、又显得那么正常。”
从今天开始，一起去认知“幸存者偏差”，意识到要开始关注那些沉默的、看不见的大多数的不幸者的声音，也许你就能有不一样的收获