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

来自专栏机器之心

受够了碎片信息和大众搜索?来试试机器之心新上线的「AI商用垂直搜索」

过去,机器之心一直重点提供高质量的技术内容,我们认为在一项技术刚刚兴起的时候,首先应该严肃客观的帮助大家去理解技术本身、学习技术进展。我们有幸以自己的方式成为了...

2647
来自专栏互联网数据官iCDO

学习Apple Store零售店的秘密武器--如何打造极致的用户体验

多款Apple全新产品即将上市,预计未来几周将会有数百万顾客到访AppleStore零售店观看、试用、把玩新产品。虽然产品在改变、Apple Store零售店也...

1022
来自专栏大数据文摘

[独家]上海政务微信发展报告(39页PPT)

1407
来自专栏SDNLAB

service mesh:你需要知道的3件事

最近,“service mesh”一词在关于容器化和云原生应用的讨论中逐渐增加。service mesh出现在2018年一个专家的网络预测列表中,最近的Inte...

1024
来自专栏罗超频道

天天快报能否实现『腾讯式』逆袭?

如果你有关注AppStore排行榜,会发现新闻免费榜TOP5增加了一个不那么熟悉的名字:天天快报,仅次于腾讯新闻,在今日头条、澎湃新闻和网易新闻之前。作为最年轻...

3145
来自专栏LiveEdu在线科技教育平台

直播编程:一边是分享,一边是赚钱

我在上一篇博文中分享过,要成为一名受欢迎的程序员直播者,可以使用哪些技巧。直播编程,除了分享知识和交流经验,还可以利用直播赚钱。据Livecoding.tv公布...

1898
来自专栏罗超频道

兴趣经济如何驱动移动互联网?

雷军曾接受采访表示小米的核心战略是连接一切,已投资10亿美金启动内容投资并招募老将陈彤操盘。无独有偶,马化腾则表示腾讯未来最重要的是做好连接器和内容。坐拥微信和...

27510
来自专栏量子位

小米新机背后的人脸识别解锁供应商,被我们找到了

李根 发自 融科资讯 量子位 报道 | 公众号 QbitAI ? △ 小米911发布会 雷军说,这是小米年度最重要的发布会。 9月11日,苹果新一代iPhon...

3576

5 云安全解决方案的注意事项

现在许多公司开始转向云安全解决方案,以便从战术和战略上部署安全措施,从安全监控平台到编排工具,再到警报系统,不一而足。专门设计的技术解决方案,能极大保障公司的安...

18510
来自专栏大数据文摘

Facebook大数据:兴奋与恐惧同行?

1539

扫描关注云+社区