|
|
以下内容是知乎看到的，转载过来。4 o% H5 \; X3 s/ Q1 U
% z9 }* `- j5 B1 X感觉这个实现起来好像也不难。过完年折腾下。* `! s8 a0 z7 {0 B: }1 C* [! d
: n$ t% {- }* X! Y3 t1 ^
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
: f, f/ K) |( H3 M. |& u这几个月在一家为客户在Facebook上做广告的加拿大公司工作。简单说说他们对于数据的态度吧。这是一家小型Startup公司，总共不到20个人。其中4个人（包括我）是技术，剩下的除了CEO都是Account Manager。当然CEO很多时候也在做Account Manager的事情。 + M8 x) b6 ~5 ^
4 Q. P* ?( R: a5 Z) Q. X
刚到这个公司的时候，觉得他们的code很烂，他们的数据库设计也很烂。后来才知道，当初startup的时候，是找了印度公司做外包的，他们对这个外包很不满意，所以一期项目搞定之后，就全部拿过来自己搞了。但是后遗症也留下了。 2 h$ `. P* A+ K2 \$ _
: E& P+ i& y0 ~) _7 B, o, X0 f6 C
这个公司的数据模型很清楚，只要通过低于广告主给出的CPA价格能赚到钱，就想办法增加广告覆盖率。但是常识大家都明白，增加覆盖率很可能导致转化率下降。但是如果接受这个假设，那么就没有什么赚钱的机会了。恰恰是因为他们相信，除了常识之外，还有一些事情是经验之外的。
2 t3 b$ H9 _) `$ I; T7 ^. W- _$ e2 x; m6 D, d0 X1 ]1 x+ J& R1 r) F; k2 A
比如说关键词……有些关键词对某些人有用，对另外一些人没用。如果不做数据挖掘，生想广告词或者关键词的组合，累死了也赚不到什么钱。
6 H. |8 v( R' R% [9 i# {
9 X+ s7 c! G' y所以……这个公司在代码中设计了几个基本核心算法： 2 v. [8 o; d! W* t! ^
1. 一种止损的trigger，对于任何亏钱的广告，自动停止。 ) R& b; y; h2 ~* P- P2 l( \" C( f4 k( v
2. 一个自动发布广告的cron，程序一直在扫描。一旦发现一些广告能赚钱，就自由组合这些广告元素再自动发布到广告系统里面。这样，就能出乎意料的发现一些更加赚钱的广告形式。
! m* X8 ?1 c0 }4 G3. 做了很多广告更新的算法，搞了一个自动化的A/B测试策略来针对Facebook广告价格的浮动，来更新广告的价格。
, f2 {" p1 t* U, L0 w4 t+ o6 `/ o- ?9 ]
通过阅读这些算法让我感受很深。所谓的数据分析，不是一个产品经理跑到运维，数据库管理员或者工程师那里说：我现在要跟踪什么什么数据，你帮我出一下吧。然后再对着跑出来的数据琢磨这些数据是否合理。 5 S, r0 w Z' y. {& z
/ n4 o. M- a6 A7 A" C8 I
在这个公司里，只要发现一个数据模式对收入有影响，就会直接编码到系统里，变成自动执行的代码。基于这样的数据导向原则，代码面临无穷多次的重构，因为谁也不知道，下一个数据模式会发生在哪个层面，哪几个数据之间会发生关系。 ; K4 F6 v2 h- r2 ~9 I; j8 j
. o# f3 H$ @3 Z3 Q$ p/ h我觉得国内的不少公司，还在以daily report分析数据，还在说数据只是为了验证产品经理想法的阶段。这动作是不是太慢了？
$ ?: |" K) U* ^* b2 g
4 x- [+ q" ?5 }5 a" X0 A% g Z接下来的话，随便说说，不一定有参考价值： % `; }0 E5 D2 v6 p9 _
! g" K4 J( H. f7 M4 a. t1. 对于大多数网站，如果你想用数据为导向，必须建立系统级的A/B测试机制。对于界面层面的重构，一个产品经理+一个工程师，一天用这个系统一天至少能做3-4个。系统级别的A/B测试要能够保证快速上线，第一时间看到数据，一旦超过临界值直接结束测试、保留数据并生成报告（直接邮件发送，而不是让产品经理想起来跑到后台再查）
* \3 ~1 B0 ?. p3 @2 V
& k! @2 H6 b' S h6 h2 ^/ C2. 对于做社交网站，或者有复杂用户数据模型的公司，要在界面呈现和用户数据之间建立匹配系统。这样产品经理可以设计几种呈现模式，丢到匹配系统中，过不了多久，就能发现用户对不同呈现的数据反映的不同，然后系统性地固化这种机制。
, u7 L7 u# o! F/ d! `- R9 v% X$ `+ ~
6 T' c4 X, {: R. [3. 通过cookie或者用户登录信息，建立针对不同用户的内部tag系统，看这些tag在系统2里有没有明显差异。如果有就可以固化下来，用来提高关键指标。 % o" l' _$ p5 k6 s
, u5 Z; q- R! m4 R- }所以，我现在对于数据分析的感觉是：
V$ B' t/ w7 r; l4 z4 F1.要提高一个数据指标，盯着它是没有用的。必须找到影响这个数据的另几个可操作性更强的数据指标，调整它们。 5 [( d1 _1 Z+ c/ A2 m8 p- f q
2.分析数据的可能性要充分，充分分析的基础是测试充分多的可能性。如果你想测试图标的颜色从绿色变成红色会不会更好。那为什么不测试一下蓝色，紫色和黄色呢？
6 e! D- f% T" s: C9 B+ T3. 如果小规模数据已经可以说明问题，就没有必要延长测试时间，也没有必要扩大测试范围。
- F- b: i K: o9 Y4. 要充分利用计算机来帮你做数据采集和分析，缩短数据分析的周期，降低数据分析的成本。
* [% S% N# C0 A7 t }5. 有必要的时候，可以让计算机帮你找pattern，因为计算机没有偏见。( V7 L1 O9 h2 O/ s. l, ^' T
编辑于 2011-08-16 |
|
发表于 2015-2-15 23:44:49
发表于 2015-2-15 23:49:34
发表于 2015-2-16 00:32:55
楼主
发表于 2015-2-16 13:37:16
