|
|
以下内容是知乎看到的，转载过来。) a1 P0 F+ k: ~- o
' l( m: K" z* T- p7 T/ z
感觉这个实现起来好像也不难。过完年折腾下。9 \6 {# o* p' [, {% W. F; Q
: k5 e: ~6 f" A$ P- z~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
. k1 y; P g- z# @( p/ H8 W3 x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。
4 Y& l3 C( O5 n/ j; o; j9 Q3 O+ ^4 L6 }& j: e
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。 5 s( u# @( ?/ D# I7 [$ s
* c- 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。 5 u2 V- ~* O* p' O$ H! x# i
0 L ^" F% S5 f6 T2 p
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。 ; Z6 S( q- g6 X+ f
7 ^' ]" L" P Y+ x: g
所以……这个公司在代码中设计了几个基本核心算法： - o! i) v: `+ @, A
1. 一种止损的trigger，对于任何亏钱的广告，自动停止。
* T2 `3 L L' |5 x1 a% }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。 $ C2 w# U8 i; Z r' _% `
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# F7 Z$ o [" X+ Y" Z
) k' D \) l4 D7 M$ E9 v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。
6 E. }0 b# v, r5 ~; @0 w7 T: ?+ q( ^' U$ Z- F2 k
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。
. p+ v% j0 X8 R2 q1 Z, `% Q2 R& p3 ]( }/ L$ a) r" D; K; \
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. R3 G$ o, V. x S2 ^% C% T
) f4 K: D1 x: T1 w接下来的话，随便说说，不一定有参考价值：
* `) {1 E, N8 x) ]) Q9 i1 R) Y- E5 @
5 w: \. A8 q/ f$ x B/ d; A1. 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） + N) I' d" m7 ?4 M) F
- D# A5 d6 _! F2. 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。
9 A r" m* d8 r" L5 l) z( _1 v8 F* S; e3 ?$ u
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。
0 A6 g# t+ q/ W0 e9 I) E3 g
. c% n9 X. V* `6 A9 N4 k; Q所以，我现在对于数据分析的感觉是：
8 L5 D1 A: m* O5 J2 f1 l8 c1.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。
! Z7 ^5 c+ P7 j O' w1 P2 \- 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？ . X" p3 i$ ?5 a: V: S
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。
. U9 L3 ^/ `+ y& e: V& z4 P4 f4. 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。
( @$ h |; e# r7 a/ L. M5. 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。
, K. s2 G- k; c' f& K0 y& Y, f9 `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
