|
|
以下内容是知乎看到的,转载过来。
, V' s! c& y# r7 X* e; v$ z. Z6 P- r( ?& h* K/ S& f: }9 b8 ^1 k
感觉这个实现起来好像也不难。过完年折腾下。
' P5 ~1 ~" I" l. d
+ z( Z2 C4 f9 t j% ^- l~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~7 w7 b/ [( G+ t7 d$ j
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。
. H5 l0 v; p3 o3 u$ b% j' N( H0 C8 K1 B# @9 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。
# B6 }( a" G# q4 f% y; y; J3 J- R* B8 q' x: _5 F
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。 : o* V' c" p6 H8 M9 Z) H6 d, {
7 K$ P( w1 q9 B! |; d- G
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。
! j" {# B) Q _% X4 }5 w& T! E6 _& e+ k E
所以……这个公司在代码中设计了几个基本核心算法:
5 | g9 H! g, w& ~1. 一种止损的trigger,对于任何亏钱的广告,自动停止。 4 _8 D8 ]6 ?4 P6 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。
& ~6 R* a/ g0 z0 d; `. i3. 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。
8 P, E; F2 X2 `$ f/ k+ W0 S8 p6 _+ W6 l5 Y
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。
/ G8 k6 B" m5 A$ L1 M; \8 L% e' z! \' @/ R
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( u. g+ B; ]5 i4 p- y
, L. J6 W: x6 g7 @" A6 O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? . h( x) D! m4 {$ J' s
2 b. Q8 }" e8 }. s+ o$ J接下来的话,随便说说,不一定有参考价值: : V8 i. {: ^; L
9 k& }8 z0 S( |8 c. R. [* N1. 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)
3 T) b9 V$ G" f) M, r6 _+ d' a$ B+ n' C" A
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。0 t; c6 e! Z: y/ o" ~
) H: q8 C5 n( r3. 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。
W7 p9 _: d% @* J: P1 b- a) x4 i; {; |7 q% o9 z, x
所以,我现在对于数据分析的感觉是:
* M( [3 L; U4 j& d1.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。
: n: _3 k: f/ X( _0 D2.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? ' @# X. Q; l n+ ?- b1 @
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。 / I) Z# D) ~+ ]* q2 i% }# b; i
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。
% E1 v8 C1 J- N, J5. 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 `1 p7 }$ I' P. S+ c& s编辑于 2011-08-16 |
|