|
|
以下内容是知乎看到的，转载过来。
1 u T' o8 w# W3 x9 a8 `/ Q- M8 o% T
, c& N0 j" j) I感觉这个实现起来好像也不难。过完年折腾下。+ k; ~( S) M, V% D
+ g1 M) B2 a( |* s6 p5 K
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~8 c+ {# i4 n( } g
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。 3 O3 U/ c! c7 M `
% h: C# @# |7 t
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。
, P. T2 D0 C1 v
, ?8 D9 f5 U( g' a; E3 a' o3 W" \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。 4 b& N1 w- c5 a, _0 J( b ?
3 y1 O9 a* E( w+ z# h5 o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。
0 d4 Y6 I# |6 v5 V+ u' u; \$ D* @' E$ u6 b1 _ A
所以……这个公司在代码中设计了几个基本核心算法：
4 k9 \1 v8 D5 d( D& p6 t2 P' U1. 一种止损的trigger，对于任何亏钱的广告，自动停止。
- b' y; \: K7 D2. 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。 " Y+ K! d+ [) H: T( h
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。
3 r0 ?# ?7 u. l0 C6 L
& Y, w9 x6 `% z8 H! M: H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。 " ^4 m1 K) V" n0 A
. F8 p/ _. P6 p+ y) i: U8 ~" G
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。 5 `* i2 L N4 v
# M0 X% E2 C6 z( e# C' Z
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？
% n" Q* V+ c/ B* A7 C8 p0 X
1 m; o5 |# r. c- G" b接下来的话，随便说说，不一定有参考价值：
. N! H, D3 }, D! ]& D) A7 R
! ^# {4 ^) Q' g5 ~1 Y/ [* a9 R8 Z1. 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）
# o* s# Q; |$ X" L8 z' I9 [
% ^" A& x7 _# L) I. M2. 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。
' _0 q0 k; L2 r( V$ n* V" o' E3 X/ K' |8 {0 w; i
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。
& k# V: Y/ `% n' }5 M! y8 O5 o" W3 N6 ^
所以，我现在对于数据分析的感觉是： - `9 C, A# a( E' e6 { |; Q
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。 - \+ n, O# |6 t) G: U
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？
% }2 ?3 Y" y4 X& ]; ]6 a# Z3 t' O3. 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。 : u* |4 Q6 H* B6 l9 ~* ~! W
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。
) C: ^! h/ L6 o4 L6 K: l1 b) o: 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。
1 H. P. ~) V+ \! |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
