|
|
以下内容是知乎看到的，转载过来。' P8 J' v" N; F1 }
* B/ }/ Y" X; @# Y
感觉这个实现起来好像也不难。过完年折腾下。
8 Z; v y3 O E: s9 r% H! A& y
$ }9 f$ ]' s S9 P3 u~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~- _* K' @0 I6 f! [
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。 $ T( ^% a! [" |+ j3 R
: R9 g% h, g6 `" r! Z% ]) L9 S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。 " `) \: x8 M) T0 g8 l% E
8 X3 c4 Y2 J) I
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。
9 |/ |6 O4 b" v, o9 i) G
+ E( [, M7 m% a R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。 8 Y! z. u2 H2 ~; V0 y
" |: F- U, H7 S; c所以……这个公司在代码中设计了几个基本核心算法： 3 T/ C* u& B S
1. 一种止损的trigger，对于任何亏钱的广告，自动停止。 1 l, [5 L$ N+ B9 k; P$ @
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。
: u* M7 S# j# T& E( ` H7 f2 ]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。
. B- ^ }! c7 N6 v1 J$ V$ u
; y; a0 @$ u' K2 i9 P7 S. M7 P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。 - R! i8 J' K8 g: E0 d
+ u7 Q4 x1 D1 J) p, Y3 m# p
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。
) l5 M$ q2 s( {% D' U: R& f6 V
' _- Z7 O# i+ v, u" C# U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？
: w$ C* k& p) S+ V {$ E7 M2 @! J
1 o2 q; e. G" ^接下来的话，随便说说，不一定有参考价值： % Q S) Z/ y! p$ {
% |8 p4 W# J, ?6 Y( O/ T# s8 n/ P1. 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） + P9 ]4 J- Z, t7 L% f9 A8 T
* [' z% z" q1 |$ d% H2. 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。+ R7 U, U/ y& f! l
1 b2 ?, i) A* {8 a1 k3. 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。 & v3 o% i2 V X' a' y- E
( g" l$ I$ K: ~* R9 W所以，我现在对于数据分析的感觉是： 0 M, M- @9 ~6 P( n. @9 @8 E' ^& i$ ~
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。 . v- L2 G6 {5 r1 u
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？
# f' l4 W* [5 B8 X0 _0 J( b3. 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。 2 M8 ~& |8 ^+ ^
4. 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。 1 @& h. Z& U% X7 X
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。1 Y7 K( M! K5 ~; w
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
