一切都是商業。我故意再講一次英文裝做好像怎樣，其實就辭窮不知道怎麼形容再講一次而已。很多人愛這樣XD
It’s all about business
繼續說明，為什麼90%的商業問題，一般統計技能多半就能解決。且容小弟舉例一個零售產業的例子，當作說明主體。新年要到了，線上零售產業請分析人員給它一份名單，主要針對過年主題的商品銷售，要給消費者折價券做為吸引，讓他們在自己的網路商城，消費更多的商品。
好吧一點也不意外，這個罐頭需求每個OOXX感謝祭都會出現。那以目前技能，相對成熟的需求解法(solution)，該怎麼兜呢？ 讓小弟一步步堆疊。
首先，在data mining時代的做法，也是我認為目前仍然可以滿足需求的做，將各判斷條件先定義清楚，找會員資料，從中撈取出想要發名單主群體。以下用戲謔的戲劇性口吻說明工作，請各位包含，否則一板一眼的講可能會睡著。
好吧不算太晚。
安安，我是一個資料分析人。
又到了每年一度的撈名單時間，好吧，我先定義這群凱子，是消費次數很高，消費金額也很高，而且有穩定收入的族群。那麼來界定一下，去年消費20次以上，消費金額超過2萬，年齡介於25~45之間的人，就是我們的凱子爹媽啦！
這時候跟什麼統計學，數學，machine learning，AI都還沒半點關聯啊各位大大。不過很重要的是，邏輯與記憶要清楚！
接下來，這群人還活著的有多少，有誰根本已經一年沒上線過了，給他們這些殭屍也是枉然，我再把殭屍去掉。好的，還活著的人類凱子中，來看看他們網頁的瀏覽行為吧。OK請資料工程師幫我撈出來看看。
經過一天
資料工程師在幹嘛！不是就打打SQL嗎？他不知道我被行銷部主管催多慘，不管了先來看看網路瀏覽行為。阿這啥！每個會員點擊首頁的次數統計… 就這東西我還要跟你要嗎！算了我跟他講清楚一點。
重點啊各位，需求來回都是要溝通成本
好的，計算數量，取高於平均分類之後，發現多數會員都喜歡看特價商品頁，大多數購買行為，都是從特價商品業轉過來的，那我的行銷策略，放bonus的pop-out 起點就是特價商品頁了！
這件事情就包含了網頁前端設計與行銷部的溝通整合
現在，我要給多少bonus才合理呢… 以前商學院老師有教，取平均消費金額，然後高於一點點，最好高出的那些就等於bonus金額，然後還要問問看今年目標業績是多少，來折合看看。
好了，統計與數學從這邊開始有用了。您沒看錯，在這之前說真的
沒啥真正卵用，頂多sense強一點。
好啦其實還有更多技巧，但請拿錢砸我，我就會吐出更多。身為一篇網路文章小弟已經說太多分析人員不會明說的know how了。
終於產出名單了。好的，我們來訂檢驗方式吧。小弟知道很多公司根本就沒在檢驗廣告成效，或是不想去檢驗投放媒體成效，或是直接把投放媒體外包。小弟就是專挑馬蜂窩裝模作樣捅給大家看，也請大家鞭小力一點。
從前端開始設計一個UID，從點擊行為開始，到拿著bonus的transaction要跟後面交易標的串起來，所以只要透過我這個bonus的交易完整資料與行為模式，都可以蒐集完整了。那這次行銷promotion給的bonus ROI是多少？為什麼要這麼審慎？因為行銷部搞活動檔期往往重疊，bonus也往往重疊，要區分出哪個行銷活動的效果最好，這就是【眉角】。
老司機帶你上車，要發車的話要繳車費聘請好的老司機啊。路線方向有，真要詳細知道如何開過去，小弟沒講太明，自行請各個產業分析老司機操作。
整個專案、行銷檔期檢討完，資料還是要當作調整名單挑選方法的參考，或是ML術語supervised learning的重要參考，幫助你下一次tune模更加精準。如何能夠貼合商業的需求，則是每個分析人要用心去拿捏的。否則非常容易淪為高深莫測的技巧，卻半點不實用。
Data driven and Business driven
分析技能商業結合打完收工
上一篇
下一篇
