原创 2019-10-17 23:13:56
我出生于科技时代,我真的不喜欢一遍又一遍地制造轮子。 根据Avinash Kaushik的大部分著作,我还提出了一些个人意见和想法。 由于篇幅所限,本文以这四种情况为例,此处仅以Airbnb为例,感兴趣的朋友可以在文本末尾查看原始文本。
我的一些想法:
数据驱动的概念在中国已经存在很长时间了,但是真正驱动数据信息的公司很少。 为了进行良好的操作,我们需要使用数据信息并使用数据信息来推动运营和产品增长。 这样做的关键是实现数据分析的闭环。
为了充分体现数据信息闭环的价值,公司必须具备两个核心条件:
1.创建和使用数据信息的人员需要具有使用数据信息进行研究和制定决策的能力,尤其是理解特定数据信息的业务含义的能力。 这些人在硅谷互联网圈被称为增长黑客。
例如,如果Airbnb对A / B测试的测试得出结论,房屋详细信息浏览量下降并且预订率上升,那是什么问题? 我应该采取什么行动? 是因为在试用过程中改进了房屋显示目录,以便用户可以更快找到所需房屋(从而减少了浏览房屋的次数并增加了下订单的可能性)? 另一种可能性是,试验中的房屋目录存在问题,并且用户可以订购的房屋数量减少了。 订单增加仅是由于审判中促销奖励措施的增加。 成长型黑客需要对数据信息做出合理的判断,然后做出相应的决策(显然,不同的判断通常会导致不同的决策)。 如果对试验结论的研究不清楚,我们可能需要重新设计试验,例如减少试验变量或增加更多试验版本。
请注意,通过选择适当的关键KPI作为核心调整指标(订单数量),测试数据信息将更易于研究。
2.生成数据信息的工具需要确保数据的准确性和可靠性。 特别是,A / B检验的统计分析结论必须是收敛的。
如果数据分析得出的结论是B释放量比A释放量增加了12%,但偏差为60%,则测试数据信息的指导意义将基本不存在,因为我们的产品调优无用。
在关键的公司决策中,人们的作用仍然大于机器,因为人们可以通过经验和思想来帮助判断数据信息的可信度,从而避免错误的数据信息带来错误的决策。