|
|
以下内容是知乎看到的，转载过来。
3 v* U! P* ]2 t9 M6 o
3 J( W. W8 {* J- z* w @# `感觉这个实现起来好像也不难。过完年折腾下。
& H" b% R+ \* _! C; q/ v# p% S& [
% v: x. p% f5 _1 W+ L; e$ n~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~: b$ n5 u S, r+ s: 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。 : v* k+ d z; b$ {9 N" Y& e
8 i( d+ p" B9 w1 ^9 N" x
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。
- M* q3 e# a) T& P; D+ O6 U7 `
9 Q$ [) A2 ~7 ?1 g+ h6 d) R8 n' M; [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。 " X: B. h- z: v& @* h
- Q$ T4 O1 Z7 Y* K
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 Q) `$ I! T a$ N
; N+ Y. k: Q9 [ _# _6 g- G$ C所以……这个公司在代码中设计了几个基本核心算法：
/ c$ o! G1 ^. y, Y. r' r1. 一种止损的trigger，对于任何亏钱的广告，自动停止。
2 @# c4 y" X6 h$ t, C- r3 ] V2. 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。
U$ b* |7 R. s1 }3 _% ]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。 F3 [+ V% F/ G$ c% i5 M
/ z( G/ `$ E. | G2 ?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。 [1 O- z5 j! V; n& p6 ?( G
8 R' P, Q, f) @- g5 L, G& e
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。 ; F9 F- k0 { k& }" s0 a
0 u9 h; w& A! P, R! n+ N
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？
0 y4 i, a" a, E E3 X/ O% ^; o; I! x" P& }
接下来的话，随便说说，不一定有参考价值： # c1 l5 ^2 C- Y( E! U. x- U
6 n7 |2 b0 e" s ]7 C1. 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）
5 ?% N) X" p1 d% U4 V4 {/ I# [& S/ S; n) ~ L/ x
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。
, d8 N" e8 M: R5 {0 O$ n/ k5 `
R% h/ v$ L1 K* a9 N' x3. 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。
, \1 X* @% L2 c: O" i" D* X# {* i
( u' [5 X5 @) {- F5 `9 @+ K所以，我现在对于数据分析的感觉是：
! I6 _1 U' k x1.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。
2 ?2 @$ e @' @3 i/ w6 g2.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？
1 F& p1 P4 D% c" B3. 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。 , R! Q7 \6 S( W" O$ a/ D
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。
. t0 r6 A3 \: r: Q/ _6 ?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。
$ _, }4 ]9 g7 z! C# V0 l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
