|
|
以下内容是知乎看到的，转载过来。4 ]$ L; z8 W( L1 p5 `
7 k0 P* k7 @& j$ R K. r" U感觉这个实现起来好像也不难。过完年折腾下。! \% e" x }' I& d# u- k
v4 v9 J9 x5 K9 h$ d' I3 X
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~0 u2 o7 N& q9 P4 H+ Z
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。
! [- Q1 M9 \7 i. F, w2 ^% W6 E- m
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。 * U* f5 Q4 m( y6 v$ d
% d# W' W6 X8 [: _" q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。
$ k3 F7 z1 p# M }; C7 D/ [) U( r! g; F& K# p0 j
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。
8 S' [0 S+ \0 n) H6 R3 n0 @5 ]; D/ Y
所以……这个公司在代码中设计了几个基本核心算法： % j1 z& L& o1 q
1. 一种止损的trigger，对于任何亏钱的广告，自动停止。
9 a, d9 y9 V, P# a+ j; y2. 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。
+ B0 r7 ?* B; s1 P& A3. 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。
8 J: l! |. R& `% m
3 e/ ]$ }/ p5 E, U1 K: I* s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。
, ?; ~5 D8 A% o9 i k) G/ H* y, y4 U0 K* 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。 ; T% @8 X( x4 O5 t+ [3 c/ E" G9 u
- y/ H5 t: {2 x4 o1 |1 t9 |
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？
/ g" `* S+ w4 o" Y4 g
I) w, f" m: E接下来的话，随便说说，不一定有参考价值： * E ?2 ^& Z" V* `- i
5 N5 Y$ n8 S. |
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） 4 w, w3 K2 z( T; o* h. J9 v9 s: }
& @- b: B1 `0 c+ h* _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。- x) N; a: I$ y' v! ^ v% K
: R2 ?5 y" V3 N; }2 F4 x
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。 ! w p: E! @8 `
1 Q* j/ F! S; L* m# C& k4 v& B
所以，我现在对于数据分析的感觉是： 9 M) F: F. o# L8 }
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。 8 O! H4 J) Y* G# y
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？ : f; V0 |) F$ |3 n
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。
' R) z4 z4 @7 g) U" I8 g9 f4. 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。 " ?; l5 `) ~ m+ e5 Y
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。, q. U0 D- x) r) E
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
