|
|
以下内容是知乎看到的，转载过来。4 v6 W& g3 k; _' n* D& l1 S
$ K3 ^& H% z8 L* e0 p
感觉这个实现起来好像也不难。过完年折腾下。
9 D. K D" n' \7 |4 ]5 \
" E- y, L* J( H1 f; |/ B8 S9 A~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~. O# F% k' M7 n8 o# C! v1 v) ^
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。 . H$ S% ~3 S$ n4 s# k9 k
- H q7 x/ l# K8 ?# e# d
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。 8 U4 S3 X! u5 z4 r% d. ]- Y( {0 D
1 P/ z4 T6 c' W5 u. R$ T
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。 $ {# U7 |& e7 O& Q& y5 K2 p' P% b5 D
# P* A; r6 X; f: @* V
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。
; |' M: e/ \; a: \1 s4 c6 Q6 q; F- `* e$ A
所以……这个公司在代码中设计了几个基本核心算法：
$ J" C( I" B; p* g1. 一种止损的trigger，对于任何亏钱的广告，自动停止。 4 g! X: w: \% T9 r6 E! W' q9 r
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。 1 r# M0 x" ]/ o# i( ?* P
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。 , \, ?- V& N5 j$ i' C
* m$ v! N# m V5 m- S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。 0 e$ H5 d2 Z% m, e; @9 K
9 e! a! U1 c( y6 z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。
5 G" m; x+ n$ G/ D" y- k+ ?7 \, Q# r+ Q
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 u3 e( d; u0 u E+ }' r" f( }$ J% M0 N% ]$ |
接下来的话，随便说说，不一定有参考价值：
6 r9 K. W4 J$ O4 a: k8 n" `; o# Z! o6 k+ X' y7 F, _
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） - K" [4 X9 \& K5 U7 s9 |
: y x# q' ~% Q, q
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$ A$ t5 B+ U) S. g& H* X9 d' _4 J2 P
) h, f$ Y; M% I
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。
9 I" Q$ K; A7 b" b/ z9 K8 m# N
8 F! K: l5 x. J# @ U8 E: b8 Z" a% O3 G4 X所以，我现在对于数据分析的感觉是： ! y* A) ^- @" P1 w4 u
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。 ( I- P+ o0 U/ f1 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？ 8 D8 g0 Q5 {8 C/ N6 u, f+ Q
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。
0 \4 q, d* a h& K5 ?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。 3 w, O6 {9 h, U% i" B5 ?
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。
$ t8 d! | C) V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
发表于 2015-2-16 13:37:16
