|
|
以下内容是知乎看到的，转载过来。% h% H0 t: J2 E" Z9 ^) k4 ]
. ^& _4 R; V8 }6 V( N感觉这个实现起来好像也不难。过完年折腾下。
4 i! U) B6 |4 L! u+ K$ N' b0 {: z" j
, \2 ^* d4 c4 N4 J' u+ B~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~2 c5 ~/ ]0 x0 o* M
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。
: l( ?& u' \/ {, p/ \! N8 [' k+ V3 E% P# t6 R$ I( O# w
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。 / Q2 |/ A$ u$ B- P, ~3 X! ^
' \: K, A' ~, j5 H2 G! r Z
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。
$ t* R0 U$ d$ i9 b8 c3 X5 ^6 u# D$ P" t: p8 H C C
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。 ' W# m7 g$ p* ~# c
5 G6 R( \2 O# {+ T
所以……这个公司在代码中设计了几个基本核心算法： + I8 l. A! O3 ^4 W% ]5 ?
1. 一种止损的trigger，对于任何亏钱的广告，自动停止。 ! e) ?; s3 E( d3 w3 U7 K
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。 9 p0 ?) k: d& K: k
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。
0 B- J& I8 l9 O8 t' ]+ P* e( [1 l4 j9 l* R
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。 2 b8 O' [3 `; ]/ |
" p$ S9 o+ L2 T, w& j2 g* E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。
. W& V) s5 r! g+ N' ?3 Y2 d1 l0 `
" P. y4 {1 c6 `9 u7 v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？
7 ^' D$ Y2 {& w1 _+ b; v7 w
. J/ M4 k- Z m' J0 k5 j( F接下来的话，随便说说，不一定有参考价值：
1 E, a* Z* _) u7 y" a6 f4 G- R5 ~ }: H3 d* ]% j
1. 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） 7 T l* Z8 S- u' v
M) d; @8 o# b
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。
* P- v: n7 P, {: W, Y0 B4 I/ T
7 P& {4 e( S: i- Q3. 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。 6 J6 o7 L3 t7 ?, L
5 _/ o- g9 h9 {( T
所以，我现在对于数据分析的感觉是：
- o/ o p. T& S4 j% }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。 2 G# U: h& x( |1 S6 @$ J- O
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？ . Y+ X* v3 v5 y4 I0 U% G+ ]6 G
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。 8 x) X. H& R1 L- ] x( |9 K
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。 " t% n; f6 D1 G& [
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。: D5 A5 ~: D# P! d0 N
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
