|
|
以下内容是知乎看到的，转载过来。 C; Y. B' @% I" _: N" H
0 D `5 g& a# e8 ~4 m3 x3 Q感觉这个实现起来好像也不难。过完年折腾下。
3 E' c% L% z- t- J8 L9 O
' @& a3 w- K; |& f! F7 r~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~: {# _7 M, Z* 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。
9 N9 E/ v4 g! p5 b/ P/ x' Z$ V3 a2 C: L0 g' ?1 U, c
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。 / X- @. z& B4 n' I( T
$ o% K" h- y, C% z" F* E; X4 S
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% s# s, i) j B" l2 y- z
, v4 I, g9 C8 u+ X Q6 p0 I3 _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+ D% j3 o- s2 o: ]$ X
, F9 ^8 ~# j, ]所以……这个公司在代码中设计了几个基本核心算法： # V3 E% }; I5 W' g) @9 G
1. 一种止损的trigger，对于任何亏钱的广告，自动停止。 $ `3 x7 x- x; r6 _" R" u
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。 1 J |8 {0 K! z! l- ?" g
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。 # |: s1 R8 I8 I! @" R. e3 W
. X6 f* @5 }# e X
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。 ! Z4 {& V) V* a# M6 @$ Q2 x4 u
8 T# r1 \; G, m
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。 8 z, h2 k5 i$ `; Q! L/ g
3 t) X* |$ J' Y7 s3 Q
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？
" w& q" _) X+ l) [
4 B) E; q4 r0 d. H2 O8 y接下来的话，随便说说，不一定有参考价值： $ M# e) ^. _, X: }; p
! q* v% u$ f5 q! b [$ H
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）
7 {. k3 o1 m0 f, D( U4 L; C
# N$ [2 U' k- i0 l7 l( u/ a9 j. H2 [3 Y2. 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 W& S9 b$ m) [$ |7 ^! a8 C+ i& e: N
0 X5 y+ v9 K. D% k9 ^$ m2 o
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。 ) L/ l8 Q* n9 b6 i: h& E! ^) X
6 m2 v) j& N( P+ P7 r2 I所以，我现在对于数据分析的感觉是： . ], z" Z" R% T/ ]- x
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。 + w+ E5 @9 a! f& |2 C
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？ 6 U" {/ m; q' p- m
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。
5 a9 W) u* T1 j8 @3 X1 C4. 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。
( J& o6 b3 ]6 F5. 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。
# O+ H9 ^& D+ A' }$ ]! W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
发表于 2015-2-16 13:37:16
