怎么看待产品经理拿数据说话这回事?如何做数据分析?

提问:

现在PM动不动就拿数据说话,找RD跑数据,有些数据是肯定必要的,有些数据是可要可不要的,比如对于某项目,PM凭经验可说4级以上的用户可xxx,这时候会有人跳出来问,为什么不是3级、5级?拿出数据来。 实际上真看了数据又能看出什么呢?看完后无非是再次验证了4级,而且看了数据后主管判断还是PM来下的。 再比如有的功能是肯定要上的,但领导会说,调研一下有没有必要,评估数据搞半个月,评估的结果是:可做。 实际上,该功能整个平台的用户都希望做,是没有必要耗费人力评估的,只要做就可以了。 很多数据和评估是必要的,但有些很形式化,请问有意义吗?

业内人士总结回答: 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。 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。 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。 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。 所以……这个公司在代码中设计了几个基本核心算法: 1. 一种止损的trigger,对于任何亏钱的广告,自动停止。 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。 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。 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。 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。 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? 接下来的话,随便说说,不一定有参考价值: 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) 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. 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。 所以,我现在对于数据分析的感觉是: 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。 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? 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. 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。(Via: 知乎)

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2015-04-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏互联网数据官iCDO

【营销101】Facebook图谱搜索应用指南

译者:李晓艳 本文长度为5511字,预估阅读时间10分钟。 摘要:作者通过详尽的介绍,手把手教你玩转Facebook图谱搜索 ? 社交搜索很长时间以来都...

4648
来自专栏华章科技

美国首席数据科学家DJ·Patil亲授:打造数据产品必知秘籍

原文:Everything We Wish We'd Known About Building Data Products

934
来自专栏大数据挖掘DT机器学习

大数据架构和模式(二)——如何知道一个大数据解决方案是否适合您的组织

作者: Divakar Mysore等 来源: DeveloperWorks 摘要:本文介绍一种评估大数据解决方案的可行性的基于维度的方法。通过回答探索每个维...

3716
来自专栏云计算爱好者

云计算数据中心与传统IDC的区别是什么?

数据中心是一整套复杂的设施,它不仅包括计算机系统和其它与之配套的设备,如通信和存储系统,还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置。

90410
来自专栏云计算D1net

有效实现多云成本管理的8个步骤

众所周知,企业采用多云可以节省成本,并提高生产力。但是多云基础设施很复杂,具有多家云计算供应商提供的不同服务和条款。企业在采用多个云平台时,很容易在自己没有意识...

922
来自专栏Android 开发者

[译] 如何避免拍脑袋想出的产品优先策略

2432
来自专栏互联网数据官iCDO

如何利用Facebook Insights创建用户画像?

译者:李晓艳 审校:陈明艳 本文长度为2136字,预估阅读时间5分钟 摘要:创建用户画像是我们进行广告精准定向的一个重要步骤,本文向我们介绍了如何利用Fac...

5528
来自专栏韩伟的专栏

为什么我离开了管理岗位

中国人的传统是“学而优则仕”,管人的总比做事的看起来要“高级”一点。那么,为什么我要“急流勇退”呢?

7104
来自专栏云计算D1net

如何挑选公共云的无形资产

将全部业务或部分业务迁移到公共云中,这是许多企业首席技术官和首席信息官在其职业生涯中做出的最重要的决定,但如果决策失误,则可能会使经营多年的公司陷入困境。对于某...

36710
来自专栏VRPinea

Unite ’16洛杉矶年度大会——Unity强势布局VR

3457

扫码关注云+社区

领取腾讯云代金券