天啊,小姐姐这条信息价值过万

一、背景

在这个信息爆炸的时代,我们每一天都面临着成千上万种信息要去处理,要去关注,甚至成为了手机的奴隶,钉钉消息响个不停,整天都是待办事项,但都是在瞎忙,我们并没有获取什么特别有价值的信息。那怎样才能学会小姐姐这条价值过万的信息呢?

这里说到价值,那就不行不说一下,什么样的信息对你才是最有用的。

引用信息论中说法:如果一条信息,帮你消除了一个不确定性,那这就是一条有价值的信息。

打个比方来说:如果明天你早上要出去赶飞机,你希望知道明天路上会不会堵车。谁可以告诉你明天堵车,还是不堵车,那提供给你的就是一条有用的信息。相反,如果对方说,可能堵,也可能不堵,那基本就是没有价值的信息。

所以由此,我们不难看出,信息是用来消除不确定性的。如果你和一个人聊天,他没有带给你让你在未来做事情时,有价值的东西,那基本是无意义的沟通。

所以在生活上,我们要勇敢地去接受和获取信息。

二、要努力具备获取信息的能力

1. 所以 知识付费 到底是不是在收你的智商税?

2018,得到,以及问答之类的搞知识付费,我也跟着参加了知识付费的过程,听了很多创新论,工作方式,成功秘决,然后当时得到结果是,钱花了,但对自己没有什么用处。

当时个人觉得,真的也是被收了智商税了。就没有再继续坚持了。

很有印象听到一个知识是:如果想要有所创新和突破,那团队氛围必须要好,工作先不说,至少大家要能一起玩! 因为世界最初的状态,就是一个混沌状态,分不太清楚,粘连在一起,然后产生了氢,水,细胞。

去年做流量产品的时候,运营,产品,开发 一起聚餐,K哥,过1024节,参加Google Marketing Live会议,基本上是天天泡在一起,可以达到一个眼神就可以传达一个Idea的境界。

结果就是创新不断,突破不变,因为大家是信任的,沟通也是顺畅的。我们说这件事情很重要,那技术就不会认为我们是在忽悠。大家都懂,产品上的想法,只要一产生,就着急想实现!

直到转到现在的推荐团队,发现氛围产生了一些变化,因为技术的资源不是专属的,有的资源是中台的。要同时面临多个技术团队,原来那种默契的感觉少了些。

此时,让我想起了2018年听到的创新理论,知道团队缺少什么,然后去改进。

去年学习的内容,今年才被验证。

真正的学海无涯苦作舟,学习一本书,不显山,不露水,但这个过程持续下去,在某个时间点,你就会受益。

所以,知识付费,不是收智商税,只是你在获取信息。

并且是快速的获取信息,别人一本书要读三天,你只要30分钟,听一下就OK了。实在不行,你就听三遍!

2. 有点道理,工作中的信息获取又是指什么呢?

还是刚才的例子,如果你知道了明天会堵车,那你可以选择地铁出行。

而在工作中,如果你是一个技术,一门新的技术,新的架构推出来,大多数技术人员都是拒绝的,因为懒。通过 思考 快与慢 书中所讲,遇到事情,我们最先上演的是快思考,我不学,我懒得思考。

甚至是一群人都懒,我做技术的时候,也出现过这样的事情,为了全面推进国际化,所有技术人员要学英语,周报都用英语说,然后还特意招聘了一些外籍同事,打造一个国际范的技术团队。

现在回过头来看结果,因为招聘外籍同事,信息沟通费劲,一个需求,产品要写两份产品文档,一份英文,一份中文,写两份也就罢了,大多都是Google 翻译来的,但产品,还要用蹩脚的英语讲三到四遍需求,最担心外籍同事听不懂。结果,整个项目就会因为沟通问题而被耽误进度。因为外籍同事,就是需求理解中最短的那块板子,他的速度,决定了整个项目组同学的速度。

有人说,也行啊,至少国际化的团队,还可以练英语啊,对国内的土鳖同事利好。

但被招过来国外的同学,一腔热血 布道 新语言,新框架,最终的结果是:没结果,因为在不进步的土鳖和紧急的业务需求面前,新语言和新框架就被抛弃和不重视了。比如大家都用python编程,但python写得不专业,业务容易出BUG,还是用最特长的语言吧。然后外籍同事就被同化了。。。。。。。然后就没有然后了。

这里,其实就是大家都不去获取信息或者信息沟通有障碍导致的问题。停滞不前。Stay here。

上面,不去获取信息,信息获取慢,信息传输慢,都会影响工作的进度,那为什么要获取信息呢?

还是从消除不确定性来讲。

比如说,想在产品页面增加一个推荐模块,推荐一些搭配购买的产品列表,多合理的需求啊?

但这样做能成功吗?怎么样来消除这个不确定呢?

那就需要我们去获取信息,去做一些数据分析,我们平台的产品可以搭配吗?我们的用户会搭配着购买吗?什么样的产品适合搭配?结果,通过跑数据,我们大部分用户一次只购买一件产品。

如果产品数大于2或接近2,代表用户是有搭配购买的需求的,但历史数据,如果只有1件,代表我们平台的产品,不适合推荐搭配的产品。

这就需要可以获取信息的能力,并且获取的要快,要准。如果自己就有能力拿到这些信息,那就更赞了。 所以,还在为要不要申请一个权限,要不要去推进统计部门工作而担心的时候,想一想信息获取,你就明白你在做什么样的事情,以及这样做对不对了。

必须撸啊!不留余力的去获取信息,因为可以消除你后期工作中的不确定性。

这就是信息的价值和意义。

3. 我不知道要拿什么数据,要怎么看数据

这个问题我前面也一直面临这个问题,分享一下我的破题思路吧。做一个明白的人。做一个大处着眼,小处着手的人。

举个例子:你现在负责 淘宝 购物车 页面的产品。那你需要关注哪些数据呢?

思考一分钟,看看有没有想法。我目前这样看数据的。

  • 看流量来源:购物车页来的来源都有哪些? 每一个来源的趋势又是什么样子的?【这样我们可以知道如果哪一天我的流量降了,是因为哪个入口的来源下降导致的,比如 Detail页面的购物车菜单做了改版】
  • 看购物车页面 和 推荐页面的 流量:购物车一天有100W人,但只有10W人看到了购物车推荐,但如果有一天,10W人,降到了 1W人,那是不是技术有问题了呢?还是大促预热开始了,导致用户疯狂加购,最终推荐模块的位置太靠下了呢? 【如果查看推荐的用户太少,就要想办法去提升推荐的曝光量,比如 淘宝首页的 按两下 底部首页图片可以 快速切换 猜你喜欢 和 默认首页】
  • 看推荐场的效率:每天有多少曝光,又产生了多少点击,产生了多少购买,怎么去提高点击率,怎么去提交购买率呢?用户都喜欢浏览到第几页?每一页的点击率的衰减情况怎么样?如果点击率非常底了,代表用户失去了点击兴趣,是不是可以通过产品优化?如果到底了,点击率也没有降多少,是不是透出的产品还不够多呢?
  • 再向深处看一层,拿着放大镜看,每一个省份的成交情况怎么样?每一个行业成交情况怎么样?如果出现女装在跌,但数码在涨的情况,最终购买转化率也上去了,这样的数据是不是也有问题呢?
  • 看健康度,恶俗的人类,丑陋的人类,如果要点击,男同志都知道,必须是 性感暴露啊,如果要成交,那必然是低价! 但这两个都不是一个电商平台想要的,所以用户在你场都点了什么,买了什么,也是你需要关注的数据。

所以,我们拿数据,可以从相关性,像剥洋葱一样,一层一层的去看数据,看漏斗,每一个漏斗,都是产品上可以提升的点。

三、信息在机器学习的应用

这年头,连机器都学习了,我们人类还不学习吗?

虽然一直知道,通过机器对样本的学习,机器就可以自己识别出 猫,狗 之类画像。但当自己真正见识到机器学习在电商中的应用时,还是让我震惊到了。

这里,我们来谈一谈产品的点击率。

刚上分析数据环节,我们说要提高点击率,怎么样才能知道一个产品的点击率呢?我们来举个例子:

一个商品,有如下几个属性:浏览,加购,收藏,下单,好评 等几个方面的数据,我们基于历史的数据,计算出一个合适的参数 x。

比如说工式是:(浏览率+加购率+收藏率+下单率+好评率)*x + 5% = 实际的点击率
基于历史一个月的数据计算,计算出一个合理的x值为 0.2。

在下一次面临一个新产品的时候,基于产品的基础信息,我们就可以预测出产品可能的点击率了。然后从高到底排个序,展示给用户的,就是点击率最高的产品了。

现实中,相亲的媒婆根据自己的级验,颜值,身高,体重,学历 四个特征进行个人学习,梳理出自己的工式,计算出 x 的值 为 0.3,就可以预测女孩子相亲可以成功的概率了。而这个x 的值,就是机器自己学习计算出来的。

四、信息很重要,机器学习更重要,我都知道,来点实际的价值信息

刚刚过去的双十一很火,而晚上9:30 的红包,有的人只有几十块,有的人,就上千。

想不想知道怎样才能领到上千的红包呢?逆向思维去想一想。发给你红包,是要你消费的,如果你没有消费能力,怎么办?嗯,那你要先证明你有消费能力,比如去年的双十一消费金额,为什么今年还要发给你呢? 因为今年相比去年买得少了。但万一发给你,你没有要买的东西怎么办呢?所以你的购物车里面应该放一些价值不菲的产品,然后怎么知道你很想要这些东西呢?双十一当天很积极的浏览了产品,但就是没有下单。

靠,机器学习就能学习到,这伙计NND,有购买力,有购买欲,但就是不下单,要不要发个券,促使他转化一下!

实际生活中,如果你重复的进一家店,看同一个裙子,你还想从售货员那里得到优惠,那基本是不太可能了。但如果蜻蜓点水,表现出厌倦和不满,销售员为了成交,会使出浑身解数促使你成交。

所以,想尽一切办法去获取信息来减少不确定性吧!

比如学习,加薪的确定性就高!还等什么?马上点赞!开始学习吧!

推荐阅读更多精彩内容