成長駭客-發現問題
這篇，可能標題與文有點不符。
主要是有了一些成長駭客觀念後，開始腦袋開始有了新思想，
並且在工作中，開始許許多多事物都開始用數據驅動，
很意外的，為了統計，一定會下group by，
我開始很好奇，會員詢問的數量，誰最多，
就開始 group by cdate having C > 100這樣的語法開始下下去。
哇，有個異軍突起的怪咖。第一名是第二名的八倍ㄟ。
然開就會好奇他在玩些什麼。
意外發現很有趣的事情，他的個人資訊不完整、他騷擾到許多用戶，導致被設為黑名單、檢舉。
開始對此人開始感到興趣，
開始統計各種東西。
他使用的天數有幾天
他每天平均發送的頻率多高
回應他的人數有多少
內容都寫些什麼？
他被封鎖、黑名單、檢舉的原因是什麼。
從這裡會發現，一些需求，為了防止這種人騷擾，我們要設計怎樣的功能以防止，避免導致因為一個老鼠屎而造成客戶流失。
要怎麼讓客戶防止這種人騷擾，要在訊息框旁邊增加黑名單、檢舉、封鎖，
要怎麼讓這個客戶，避免影響更廣的用戶群
為什麼客服，在他檢舉後，又開啟。
一連串的故事情境又開始展開。
然後，統計，回應數、回覆率，是要依什麼為依據？訊息的已讀數，還是聊天群組有無回應。還是，同一個使用者與用戶之間是否有來往關係為依據。
單一個人去計算很容易。
多個人的時候，怎樣才是代表母體的機率
也很剛好這位問題人物，去其它的人八倍之多，都快要變成所謂的母體了。
如果第一名跟正常的發送數量相比較，還可能是千倍之多。
就等於假設這位是模擬了一千個使用者與一千個客戶的溝通，其回覆率，相當接近與母體回覆率。
後來得到回覆率約44%，但真正的回覆率算起來是39%~33%，個人與大量比，還是有10%的差距。
也就表示了，來訪使用者，第一部是進來了，再來進入第二步的關係建立，又更少了，再進一步互動關係的建立，佔了30~45%，也就是媒合率應該會是在45%以下。
這之後的媒合成功率，又更少了，45%裡面的人裡，又佔了幾%呢？這又需要深度再挖掘。