|
以下内容是知乎看到的,转载过来。( ?' J$ L' |8 g4 ^
; I) [, y! r# P感觉这个实现起来好像也不难。过完年折腾下。4 q8 V+ _- S8 D/ @% g; z" ]! l% G
- u; c" h3 l- D5 C7 c! @% d" e
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Q& }# w7 I% X% h+ I' j1 @* n
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。
; a; E- Z2 u I; ]0 Y3 \( m- y3 X* t' s, L# X8 Z
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。 , ^# g' ] q3 `+ ~1 S+ F
' v a( ~! T, t6 B3 \+ U) {7 m) e2 I% w
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。 5 |$ T/ A3 @ \& ?# { t5 Q
/ U( j1 a2 O" n: b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。 $ N- @# Y( E/ C% I I7 L
0 ~) R# d3 J. ]7 B% ^! ^所以……这个公司在代码中设计了几个基本核心算法: 1 Y: F9 Z# f, w8 a: Z4 i. F
1. 一种止损的trigger,对于任何亏钱的广告,自动停止。 - ~! f4 b) I& L! | y' d
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。 o [. F( ~" L& @' Q2 `
3. 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。
# k! \+ G y) X0 u% _! A/ Y- m. t5 o0 ?
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。
+ c" Z! v# u4 l- }* P4 R0 D3 p3 O4 w! b
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。 ( @. i; A1 t/ W: m5 \5 H
5 C; J5 e4 E" R6 e h3 m* A
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? + T. A: R! `2 y# k3 S( Y8 b
# `0 a5 r: o6 n
接下来的话,随便说说,不一定有参考价值:
' @+ h$ l6 H _, R1 b- F6 R- H2 v) C
8 ?3 k) G2 q6 j0 }1 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) : `8 c4 z3 Y# Z
7 ]- q1 `' Y" p9 o; h& x$ Q8 \2. 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。" x. Q$ \2 j. ?% s
$ U, o6 x* Z# V% @; y! ~. ^
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。 $ M$ M0 l }8 L/ u7 t
7 I, W5 x! `' j所以,我现在对于数据分析的感觉是: " T( u+ Y. p7 J$ I/ p1 X
1.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。 % x7 X0 R: j8 H# ]3 A& h
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? : x; O8 R' L4 i3 {
3. 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。
4 g- y6 ?3 ~1 `# n+ V4 S4. 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。 ' n+ F0 k6 O) V9 k- C
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。
8 ?' V) z2 v/ N. }7 F: W5 w编辑于 2011-08-16 |
|