|
|
以下内容是知乎看到的，转载过来。
* }' z# p4 y |( ~% y2 k. j/ k0 m5 B2 a
感觉这个实现起来好像也不难。过完年折腾下。
& Q1 h% f1 r( l" v5 _: S# c1 d' e n( S! q1 u4 |
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~6 @) M& Z5 x g2 H1 y2 _. M7 S
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。
0 }3 ^: l; s" Q/ p7 b- x2 C* i' ~5 I( K
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。
e9 W/ P" I7 a9 ~$ z9 J( F8 {$ {$ J2 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。
' s4 n$ \8 v) h: t" I, O9 v* \$ t+ Y0 ?; H
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。
5 X2 P9 j% ^4 R7 a" }$ j+ R0 o
2 V% i/ w" B2 w5 T2 Q( ~所以……这个公司在代码中设计了几个基本核心算法：
: p2 z ~9 p( ]/ p. d, H/ k/ t1. 一种止损的trigger，对于任何亏钱的广告，自动停止。
# K3 c+ |; D' t) n1 c2. 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。 ) |& z; P! n- a6 h( L
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: U0 v Q2 {, `2 f& q1 i* C
# G8 E( T+ A7 B# ~) z
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。
+ F8 m9 h6 W9 n2 r' l H2 n; E4 r; N
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。 ) l. i9 \# w+ s2 m: p5 u
1 K+ K) h& c! r: Y! _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？ ' ?% G5 ?% m$ v0 L- V
3 Z2 J+ v1 ^ p2 H' I
接下来的话，随便说说，不一定有参考价值：
4 O. N1 O" i7 W# A5 i
" }1 @: G. y- g1. 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） 0 C3 S6 k; Y, E4 F0 n' q
! `; ?1 e' J, c9 ]
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。
" M9 w7 {$ A& r0 @
- \& x4 ?2 Q; F2 X3. 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。
& M5 X4 P& K, G! d
8 K, `1 x6 ^5 z6 ?) l! P所以，我现在对于数据分析的感觉是：
6 `7 Q4 q7 U1 {0 w# r' J/ t1.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。
9 r: |9 A0 R, P6 @% F; X1 S2.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？ 9 q3 `/ x4 r+ W' I" ~2 M& w
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。 & e0 x. g# ?/ F
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。
. g3 d# ^3 a7 j% }; U5. 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。
! x" q+ G% U/ Y4 c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
