标题图片 | 来源
01 别忘了你还有这个武器
正确答案：胡扯的预测！
业务部门不懂数据的原理，搞不懂的东西就直接说“大数据、人工智能”。
但做数据工作的人，需要格外清醒，按照题目的场景，业务一次都没做过，也没有数据，怎么预测呢？
这时候你应该先做一些测试，收集一些数据，积累了足够多的数据之后，再谈预测。
测试一直是通过数据分析解决问题的一种手段。
俗话说：不管是骡子还是马，牵出去遛遛。测试就是遛马的过程，结果一目了然。对于新渠道、新产品、新团队等创新尤其如此。
由于旧数据不能完全推断创新，因此更有必要对其进行测试。
然而这几年的热门都是基于自有APP的，所以很多新手都忽略了比较常见的测试设计方法，今天我们就来系统的讲解一下。
02 设计测试的基本要求
许多新来者会认为：
测试不就是先让业务人员做几次吗？我们为什么不让他们做，然后等着收集数据呢？
这种懒惰的思维将会给你以后带来无尽的烦恼。
首先，测试有业务成本。
比如这个场景，招商的目的是为了吸引新用户、吸引新投资，你花了钱之后要看到效果，不然肯定会被老板鄙视的。
那么相关问题就出现了：
必须事先明确定义这些以避免混淆。
第二，考试内容设计合理。
比如在这个场景下，是否会吸引用户，和广告账号类型、广告投放时机、文案、转化路径、产品选择、CTA动作等都有关系。
如果一开始不认真设计，只是简单地扔掉一个，那么许多其他的可能无法进行比较和测试，你也无法得出有效的结论。
再次，测试受到投资的影响。
比如这个场景，有可能优质渠道需要花很多钱，有可能用户补贴要比其他渠道大，结果可能第一轮不一定有效果，但是第二轮加大力度可能就会有效果！
因此，是否进行额外投资必须事先仔细考虑。
由于以上三点，所以考试需要分为四个阶段，上路前也要做好充分的准备（如下图）。
03 部署阶段
部署阶段解决战略问题：
在这个场景下，作为一个新的投放渠道的测试，首先要明确该渠道的定位。
常见的有：
你可以根据目前整体渠道投放目标，反推所需流量；然后根据业务策略（是决心建立新渠道，还是随波逐流），明确任务分配，进而明确本次测试新渠道的定位。
定位明确了，就很容易得出结论：投入多少钱、做多少次。
确定了财力、人力、时间之后，后面的设计方案就变得简单了。
04 准备
准备阶段主要解决战术问题：
这种场景下，由于完全没有经验，我们需要第三方/同行的案例和数据来支撑，虽然拿不到100%准确的数据，但至少可以借鉴，比如：
梳理出来之后，我们至少有一个大致的方向数据分析新解：测试才是解决问题的关键武器，比闭着眼睛盲目的做要好得多。
注意，从用户角度来看，影响用户行为的因素是综合性的，比如公众号的标题、长度、发布时间、内容的写法、CTA、转化路径、产品价格、产品属性等都会对公众号频道产生影响。
用数据进行测试时，很难在一次测试中把上述所有因素都分解出来，因此需要事先准备多个测试版本，测试版本之间的差异不宜过大，且要有一定的连续性，为后期的分析做好准备。
以上内容之所以用红色加粗标注，是因为实际工作中，业务方往往喜欢纠结于细节，导致各个版本差别很大，完全没有可比性。
除了看整体的转换结果外，细节完全不符，很难进行深入分析。
可以说，80%的后期分析困难都是由于缺乏事先规划造成的。记住这一点。
05 测试和审查阶段
准备就绪后，您就可以上网进行测试和审核。
此场景为渠道投放，目标是获取新增投资用户，因此评估结果指标比较简单明确，只需要看转化用户数、用户投资率、用户投资金额即可。
只要测试结果能够达到部署阶段的目标，通道就是合格的，任务就算完成了。
如果不行的话，可以按照提前准备好的迭代计划进行迭代优化，进一步观察结果。
以下是需要强调的一些细节：
1、将结果判断与原因分析分开。先判断结果是否可以接受，再分析哪个环节出现了问题。
2. 按顺序迭代，将产品、价格和内容分开。最好一次更改一个，最坏的情况是不要同时更改所有三个。
3. 优先改变产品和价格，而不是逐一改变内容。内容涉及的细节太多，全部衡量成本太高，所以优先改变产品和价格。
当以这种方式查看数据时，您可以按以下顺序展开它：
06 总结
为什么我们一开始要问如何利用人工智能、大数据来做出准确的预测？
因为很多学生真的以为自己可以预测到！
不仅业务部门相信预测，就连很多数据分析师自己也相信。他们真的以为随便几个数字就是大数据，随便一个模型、调一个参数就是人工智能。他们真的以为人工智能就是无所不知、无所不能的神，天上能掉下金光，代码就能变成金钱，键盘敲打着就能从屏幕里迸发出来……
这些看似没什么技术含量的传统流程，正是利用数据保证业务增长的秘诀。由于这个场景是外部渠道，所以用流量分发来做对比的想法并不
高级数据分析师的八项必备技能 | 不仅仅是 Excel、SQL 或
聚类、预测建模和机器学习：新一代客户细分工具的利与弊 | 少海翻译
发表评论