|
|
以下内容是知乎看到的，转载过来。
- p0 j6 v! s1 K$ E2 x
' n' n* W. M" o o5 A0 @6 W感觉这个实现起来好像也不难。过完年折腾下。
/ \% y f: ]# Y8 Y; Z7 H/ K. t. Z7 j9 W6 _4 ~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~1 T% p! p* S; u0 [, @; P
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。 ' B; U+ b2 P& _- O
1 R" v' @- z7 \( Y$ 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。 6 ~$ T; o) @( h# F1 s% y0 N% Q
0 W- ?' S4 Y) B' T% }! D
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。 2 u0 Z- r8 O0 v7 x! O- i
" b m- @8 `* K7 q% P% g5 S- x; G9 x
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: R" I2 d1 I$ J6 e3 _0 L
- T! S" o1 Y5 c& R' y: I所以……这个公司在代码中设计了几个基本核心算法：
3 V7 d! J" W6 p& ]5 _- c) j1. 一种止损的trigger，对于任何亏钱的广告，自动停止。 7 } n* Z+ P. R$ R) Y3 M+ s& A# d1 t
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。 * q6 z! A2 C1 B1 X9 n! W
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。
; l# m: e: a" H% _2 w5 o0 S
! p f$ d! c( C" r/ k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。 4 z% @. ^1 p+ s1 i( l1 a5 R( g6 `
# u$ C% M. a; p7 X# I U3 H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。 1 U! k0 ?3 I# Y
* f# O f. [7 g) G: @% y3 m, R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？
3 r+ [* w7 i* |. ?
9 p% r1 b' o8 z" l: g7 x1 f/ n$ L接下来的话，随便说说，不一定有参考价值：
" ^, c% c$ q2 U, D( S, |" N- u, @) B
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） 1 O `2 G! R- |" v
* a/ t' `5 S) ]8 a5 j/ d2. 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。( ^) t0 R6 Z5 n9 X+ p
1 l! n5 e/ l6 h) T6 r. g3. 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。
$ X- K# j: v9 k$ L% b
0 }5 Z7 [7 ^! o5 M. w所以，我现在对于数据分析的感觉是： 7 Y& V9 W1 b2 |4 a8 K1 T4 Z G1 ?+ A& O
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。 9 {" e* ~5 i' M: f3 C' s
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？ : I, \( e ]: o
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 R( Y3 G- _/ }' B5 V
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。
, ~' [* n$ r' I5. 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。; u9 c9 y) d. O- h2 j A j- |
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
