|
|
以下内容是知乎看到的,转载过来。3 _' |1 k7 m4 b% Q$ _7 p+ D
4 u& ]* N ^2 y% E; \3 r
感觉这个实现起来好像也不难。过完年折腾下。
+ P; |& O/ n h% c3 R' T' D4 c# K8 X; M! e$ n y
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
/ k4 @+ m9 f: N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。
* Z" S( N2 E4 u0 k/ f2 a2 |7 F. Y# _
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。 % ?/ }, Z2 @$ s+ p3 S
4 L4 d! r& X- {, X
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。 1 S8 u4 I2 \$ ?+ e1 _0 i
' s: c: ?/ m4 H9 B
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。 1 K3 [) P4 i" F4 `3 z" L
' g1 O* c2 ?, }* l3 `$ j, B. o( c; z所以……这个公司在代码中设计了几个基本核心算法: 2 t) \% n/ S. s8 V. G
1. 一种止损的trigger,对于任何亏钱的广告,自动停止。
4 T. P1 _* W( R0 w2. 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。 b* f0 T. E' ?+ ~' s) u6 e8 e
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。
; P% |% A' h3 c4 r; b* v9 i* V8 c |! e& ]+ ]5 d% F" a f" ]
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。 : Q7 R5 v0 V" b4 q& G
1 M% e X6 B, v) t9 P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。 ( t; A9 \. ^0 V( v1 p
$ U% Q. a$ Q9 S" Q3 Z% 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? 7 V8 @( p2 X, V* Z
3 P |3 ?6 |3 @/ z
接下来的话,随便说说,不一定有参考价值: 6 Q# w9 H0 U, C' s8 @# O
% ]$ R8 m+ _- ]- i$ E5 U+ Y1. 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) 8 Y. g, f( Q5 E" D7 _
' y( m% H$ L3 N1 l" Y
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 |* n* X5 n; v
0 o1 P m+ B3 b% W- G# v% Y# q: b3. 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。
' R O6 u$ a) l) ^! Y; Z( B& v1 S4 g8 z1 o, s' v( n
所以,我现在对于数据分析的感觉是: 8 u- l7 M$ C6 n8 H7 p* ^0 m3 |
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。 5 L/ n0 C0 i0 W# ]2 X
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? $ r: j. D7 R: s* _( P9 X8 P
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。
4 O+ U- F% b- C/ N4. 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。
# ]' ]& _1 r' Q% o/ h5. 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。
6 y; B h2 f0 D4 X( l编辑于 2011-08-16 |
|