|
以下内容是知乎看到的,转载过来。
8 Z' O, ^+ y+ l$ N; a4 d
4 }" `) O5 q; Z感觉这个实现起来好像也不难。过完年折腾下。) O& r2 A0 I1 k' k8 j
7 n' O; t. `% B# c4 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
: q+ a: j+ T1 I3 Q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。
+ ^* y. O+ R+ T: S
p" @7 L- G2 |& R/ h( _& l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 `$ ?& h& @8 S2 z
# w3 m% c% y* [: }& o- e
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。
: i: E7 ]# {8 J' ]; P% k, U$ g
. i* k( E$ Z }4 w; v: P( g' 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。 3 [8 e T& Z3 n7 s8 D: e% ^
( S! o" x c7 X: V, x6 r所以……这个公司在代码中设计了几个基本核心算法: ; ^3 O& k F) ^
1. 一种止损的trigger,对于任何亏钱的广告,自动停止。 , g; [* w( p3 [+ W) j3 C9 J/ ?+ Q
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。 - h& G; D9 a M
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。
; g5 b8 z4 b \1 o6 B3 t$ K8 x/ R* P" P [7 G
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。 7 l3 d7 J1 }* l3 x- ? \& Z- w: x3 k
1 m7 w* U& G( a8 J& v) 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 v' @0 ^/ X, n5 w' Z9 G1 B9 u
1 ~2 z& f2 q* U- Z" u# [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?
5 p3 b$ G$ o w8 M3 J7 ~- }$ t" u7 S* {7 M
接下来的话,随便说说,不一定有参考价值: , G! s3 S0 E% P' D; w f) U
9 u/ J" e, L% B. U5 {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)
" M4 B0 ^% g. \: `% |; |1 D( L ~) L
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。3 ]( r4 u; K4 O1 o I4 _- X
* A" G U' M( g* o; ~7 ?8 x, S/ J: }
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 I6 H3 U3 G: r* {9 l' a: K" A
% ?0 R* k$ `; U4 [所以,我现在对于数据分析的感觉是: 7 p6 \1 r1 M2 a$ N
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。 3 [4 a) q! s, v6 L
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?
0 Y+ V) {# ~+ t* I8 }2 h2 @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。
+ _2 T. X4 w/ Y3 T! _) X4. 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。
C5 q+ {) ]& h! K1 Y2 c7 ]$ G& w5. 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。
5 _) P. B, A6 @! _& b编辑于 2011-08-16 |
|