破解创意分析的高维非结构化难题 广告素材作为核心变量,其内容复杂、维度高,传统方法面临三大瓶颈:高维非结构化(难以标准化分析)、经验主导(依赖个人直觉)、规模化瓶颈(人工分析无法满足海量素材迭代需求)
排在前两位的是机器学习岗位和数据科学家,前者在过去五年里增加了9.8倍,后者自2012年以来增加了6.5倍。在排名前十的岗位中,有四个都与数据科学有关,而且其中三个都位列前五。 为什么数据科学岗位、尤其是机器学习岗位增长得如此之快呢? ? 虽然很多报告和出版物都把数据科学称为美国最受关注的岗位之一,但LinkedIn报告的独到之处在于,它提到了该岗位迅速增长的现象。 以下是机器学习和数据科学岗位为何增长最快的四个原因。 数据量飙升 大约90%的数据是在过去两年里产生的,而且现在每天产生的数据量达到2.5quintillion(10的18次方)字节。 在可预见的未来,数据科学和机器学习岗位将继续增长。考虑到数据量的庞大以及它对企业利润的推动作用,企业将不断寻找适合这些岗位的人才。然而,需求显然超过了供应。 麦肯锡全球研究院估计,到2024年,美国数据科学岗位的缺口可能达到25万。数据科学技能方面的差距促使企业争先恐后地培训或是招募能满足其分析需求的人才。
解析广告创意迭代的战略瓶颈 广告技术演进至“创意为王”“创意即定向”阶段,素材作为核心变量直接影响投放效果与增长。 部署AI素材分析技术解决方案 腾讯提供“量化创意基因,科学驱动增长”的AI素材分析解决方案,核心流程与技术架构如下: 全流程覆盖:素材处理(转码抽帧、智能选取、音频识别、历史/竞品素材批量处理)→素材理解
他用数据分析帮助公司增长的能力被誉为“一阳指”,在领英期间,从零打造百人商务分析和数据科学团队,支撑公司营收业务高速增长,成为硅谷互联网产品爆发式增长的传奇案例。 ,作为一位利用数据分析驱动互联网产品增长的数据科学家Simon说:“不要刻意追求‘Data Scientist’的抬头,多去一些真正有数据的互联网公司打磨自己的Skills。” Simon在自己的《首席增长官——如何用数据驱动增长》一书中说到,领英的成功与公司早期设立首席增长官与组建增长团队有重要关系。 变现团队不仅仅有增长团队拥有的产品经理、数据分析师、数据科学家、工程师、设计、运营、客服等职员,还有企业级的销售、运营和客户成功部门,整个变现团队占公司总人数的70-80%。” 在一个存量时代如何更好地让产品保持增长呢?于是,“增长黑客”一词在近几年突然出现在互联网人的眼帘里。 ?
将增长押注于销售的ToB公司,试图使用销售员的人海战术,通过冲高销售额实现增长。不幸的是,这种方法本身就是一个增长的销售陷阱;这非但不能增长,还为未来的增长挖了一个个大坑。 对于ToB来说,销售是增长的引擎,也可能变为增长的杀手。 从财务角度看,它们推高了营销与销售(S&M)费用率,既没有实现增长、还产生了亏损。而从营销管理角度看,这些低水平的业务累积起来,公司能活下来都难,更不要提增长了。 好合同能带来盈利和增长,而差合同带来的只能是“负债”。 首先,虽然标杆SaaS公司销售模式提供了好的借鉴,但它是成功SaaS公司的经验总结,说的是销售1到N的事;而国内SaaS公司先要解决销售0到1的问题;二者中一个关注的是增长速度,一个关注的是有无增长。
点击蓝字关注我们 作者:李金霞Polarisli 知乎专栏:《数据分析方法与实践》 创作者:「守望北极星的猫」 ---了解作者其他作品,请点击【文末原文链接】--- 丨导语丨 做增长业务,常用的策略手段有渠道拉新 、拉活、节假日活动等,这几个业务都是需要花钱的,每年分配的预算有限,如何权衡在各项业务上的投入成本,如何花钱效率最高,将好钢用在刀刃上是需要运营管理者去思考和决策的,如何决策更科学,那就不得不提到因果推断这种科学的量化方法 一 什么是因果推断 在做用户增长时,我们要回答的终极问题是“如果对产品施加 T 策略,对业务目标是否有影响,影响有多大?”
(今天呢,给大家讲一讲用户增长的问题,有点小长,但都是干货满满) 用户增长(User Growth,后文简称UG)这个概念是美国传来的,从趋势看,以后肯定会是各大互联网公司的标配。 一、用户增长的意义 身边很多人说,这只是酷的概念,没啥实际意义——本来我们做的每一件事都是为了增长啊。 没错,在过去20多年里,国内互联网一直在关注增长,从最初的UV、PV,到之后的DAU、GMV,产品每做一次迭代,运营每做一个活动,都是为了提高这些数字,这不就是增长吗? 当然不一样,下面详细说。 要点一:用户增长是一套方法论 有些老板以为UG是密钥,拿到之后就可以打开产品增长的大门,快速看到数据的变化,这个肯定是不对的。 用户增长是一套方法论,就像做产品、做运营一样,不是特效药,不会一针见血。 以上就是我对UG的理解,总结如下: 用户生命周期是主线 数据是导向 用户或收入增长是目标 整合产品、运营、技术做执行手段 换一个方式说:不管用什么方式,只要能带动增长,就是对的。
定制增长速度指数增长还记的上周OpenAI刚刚举行完开发者大会,在大会上主要公布了三个事情:新版本的GPT-4 Turbo:更强大、更便宜且支持128K新的助手API:让开发者更轻松地基于GPT构建辅助 随着用户的增多,甚至能实现财富的增长。草稿生成大师有网友制作了一个草稿重新绘制的AI。可以基于孩子绘画过的草稿,直接生成可爱的画作。 该项目地址如下:https://github.com/SawyerHood/draw-a-ui总结其实我们可以看到,目前GPTS的创建门槛较低,可能导致数量爆炸式增长,但真正沉淀出的常用GPT还需要一定的时间来积累 GPT Store作为OpenAI构建生态的第二次尝试,旨在通过低门槛的方式重建智能体集群,其优点很明显:GPT创建门槛低,导致数量爆炸式增长。
这正是增长委员会存在的理由 像高管一样运营,像风投一样创造 风投公司投资创业项目的种子/发布(AB轮)/增长(C轮及之后轮)的框架,也可以应用于成熟企业的增长项目投资。 增长委员会的工作重心是设定增长目标,管理进行中的创新项目,也做出投资和资源分配的决策,确保能达成增长目标 管理投资组合健康 定义了4个元素,放在一起可以提供一个投资组合的健康概貌,即聚焦度、规模、质量和速度 成熟企业之所以无法如愿增长,至少有一半原因在于领导层 在领导力上保持左右开弓——同时做好运营者和创新者——是你持续成功的关键 在21世纪,CEO必须是一个增长型的领导,而这个转型的起点就是对增长委员会负责 ---- 第8章 一切在于“人” 增长委员会成员特质 增长思维:深信创业精神的重要性,热衷于把新概念和最佳实践带入公司,有强烈的自驱性以创造基于客户需求的成果 充满弹性:优先考虑可能性而不是困难,乐于在模糊中创造出最高的增长 ,恰恰会给颠覆性增长的好点子造成系统性的障碍。
写在前面: 关于增长这个问题,有一个怪圈,包括我在内的好多人都遇到过,那就是:越想增长,越难增长的怪圈——越是在追求更多增长,并以此逼迫自己,就发现越是慢慢进入了增长的瓶颈,而这个瓶颈逼迫自己进一步不断去追求增长 这时,你会感觉好像进入了增长的瓶颈。 进入增长瓶颈的一个典型现象,就是越想要增长,却距离想要的增长越远。 这就是一个在增长中最常遇到的怪圈,说实话我也曾深受其折磨,不断思考如何去突破。我发现,破除增长焦虑唯一的方法,就是怎么从追求增长的视角,切换成价值创造的视角。 同样,面对增长焦虑,面对长期增长的困局(短期增长非常容易,算账就行了,但是一个持续的长期增长真的非常非常难),我们只有调整视角,才可能破局——我一直相信,转化看待问题的方式,而非解决问题本身,往往才是最关键的办法 而这里面最难的一个转变,就是如何从一个追求增长的视角,变成价值创造的视角,从一个“我如何得到增长”,变成“我如何成为一个值得被奖赏增长的人”。
Part3第一章 开启增长结构 1增长的背景和语境 企业增长区=宏观经济增长红利+产业增长红利+模式增长红利+运营增长红利 2提出增长结构 博弈论当中最经典的博弈叫作“囚徒困境”。 Part4第二章 业务结构 5增长的业务结构 今天的企业面临着增长的两重困境。一是增长停滞或业绩暴跌,二是恶性增长。 图2-1 增长五线 6增长五线:业务结构从撤退到天际的设计 增长五线下的撤退线、成长底线、增长线、爆发线和天际线分别可以指向业务结构精不精、稳不稳、全不全、快不快以及高不高。 7从业务结构看 WeWork 的增长困境 设计增长结构与技术创新、商机发现同等重要。 谋全局者,方可谋一域 Part5第三章 客户结构 9从业务结构到客户结构 最健康的增长不仅是客户的增长,而且是企业在客户钱包份额中的增长。
五年之间我们经历了430倍的增长,事物也越来越复杂了。 我很开心我的团队能利用数据处理更复杂的问题。 通过程序化复现收集客户信息对于商业决策有重要意义,如果我们能很好的分析,那么对于社区增长,产品研发,资源优化的意义简直就像我们发现了金矿。 四、数据科学的民主化 如果我们有足够的数据科学家储备,那上面的模型非常好。但是初创公司快速增长,做决策频率也大幅增长,这种增长速度要远大于数据团队扩增速度。 这可以使我们通过更先进更可靠的技术去处理迅猛增长的数据。让ETL过程更稳定也非常有价值,例如我们研发的Airflow系统。 规模化数据科学团队在一家极速增长的公司并不容易。如果公司每个人认为数据科学是公司的基本部分而不是锦上添花的部分。那这就可以发生。 五、数据驱动的机遇和挑战 这五年,我们学到了很多。
体验已经成为变革新主题,是引领企业业务增长的重要动力。 ”方法论白皮书》重新定义体验经济时代,以客户为中心的增长方法。 体验是引领业务持续增长的重要驱动力 随着我国进入发展新阶段,在新旧动能转换背景下,社会经济保持稳定增长但增速趋缓,千方百计实现持续增长是所有企业面临的共同挑战。 体验时代,企业增长主要驱动力来自三个方面:一是,主营增长;二是,智能运营;三是,商业创新。而整体来看,企业增长驱动力的根基都在于数智化转型。 50 X走进腾讯|零售企业如何保障私域流量安全实现营销增长?
该理论以人性化Geo和内容交叉验证为核心,以EEAT原则、结构化内容、Seo关键词规则和文献/数据精准引用为驱动,为企业提供了一套科学、系统、高效的获客提效解决方案。 当AI在多个权威平台上发现同一信息时,该信息的权重和可信度将呈指数级增长。研究表明,在战略级内容中嵌入至少3个独立信源交叉验证(如学术论文DOI、政府白皮书编号),能显著提升AI的采信度【4】。 这四个驱动力必须协同发力,才能实现Geo优化的持续增长。驱动一:EEAT原则(EEAT Principle)于磊老师将EEAT原则作为Geo优化的首要驱动力。 于磊老师的理论,真正将“流量”变成了“留量”,将“排名”变成了“引用”,是企业在AI时代实现可持续增长的科学方法论。五、结语:拥抱科学的方法论AI时代已至,企业必须从“流量思维”转向“信任思维”。 于磊老师首创的【两大核心+四轮驱动】Geo优化方式,正是应对这一挑战的科学武器。
Jeff Wu做出题为“统计学=数据科学吗? 的演讲,建议统计改名数据的科学统计数据的科学家。 2002年,国际科学理事会:数据委员会科学和技术(CODATA)开始出版数据科学杂志。 2003年,美国哥伦比亚大学开始发布数据科学杂志,主要内容涵盖统计方法和定量研究中的应用。 二、数据科学家的定义 数据科学(Data Science)是从数据中提取知识的研究,关键是科学。 数据科学并不局限于大数据,但是数据量的扩大诚然使得数据科学的地位越发重要。 数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。 为了掌握完成这多方面任务需要的技术,我们创造了数据科学家这个角色。” (1) 计算机科学 一般来说,数据科学家大多要求具备编程、计算机科学相关的专业背景。
原本的粗线条运营就能带来大量用户路子不是那么灵了,而此前国外的一套方法论即增长黑客取得了成功,被引入到国 内,所以做这件事的职位就应运而生了,这个职位被叫做增长黑客、增长运营、增长产品经理等,其实本质上还是原来那些人 二、用户增长全貌 大部分人眼中的用户增长 (1) 、用户增长=裂变 (2) 、用户增长=获客 (3) 、用户增长=投放 (4) 、用户增长=AARRR 真正的用户增长全貌 真正的用户增长全貌是基于产品及业务搭建起来模型 这里面有几个关键的点: (1)、不同公司不同产品的业务模型是不同的 (2)、增长分两块,一个是外增长一个是内增长,外增长+内增长就是增长的全貌 (3)、无论外增长还是内增长,底层的支撑都是数据 ( 三、当前做增长的人的现状 当前有三类薪资比较高做用户增长的人 (1)一类是上面所说做内增长的人 (2)另一类是做单一渠道增长的人,比如百度SEM、公众号引流、短视频引流等 (3)当然还有全链路增长即增长专家 ,肯定是即熟悉内增长也熟悉外增长的,这类人很少。
我觉得,首先应该建立起“关注长期增长,而不是关注短期业绩”的文化和机制。 除了文化和机制,我们还需要科学的方法。 发源于美国的“增长黑客”,被认为是C端产品的运营思路。但是我认为,SaaS行业也可以借鉴其中的思路和方法。 比如,从“完整的客户旅程”角度去看待增长,从而发现薄弱点,找到最大的增长机会。 再比如,不依靠主观判断,而是依靠实验和数据来指导流程和产品的优化。 我把他们统称为:增长部门。 增长部门责任划分图 如上图所示,市场部门主要负责获客,他们需要给销售部门提供数量足够多、质量达标的线索。市场部门对应的客户旅程包括需求萌生、深入认知和选择产品。 增长策略 SaaS增长策略 划分了各部门的职责,我们还需要明确在客户旅程各阶段的打法,即如何更多、更快、更便宜的获客,以及如何更高效的服务好客户。 我们可以把增长策略先划分为营销策略和服务策略。
「增长黑客们」则是指一群以数据驱动营销、以市场指导产品,通过技术化手段来贯彻增长目标的人,他们是市场营销、产品研发、数据分析三个角色的聚合体,他们的存在就是为了帮助企业精准营销、实现业务业务增长。 文/黄成甲 为啥叫增长黑客? 增长黑客就是产品增长黑客,“黑客”一词在网络世界已经重度泛化了,之所以叫增长黑客,是因为创业型团队最重要的任务就是增长,而具备数据分析、工程技术、市场营销能力,同时兼具互联网思维的黑客唯一的使命就是帮助公司实现增长 ,因为公司的估值是与增长息息相关的,增长是创业型团队的「北极星指标」。 写在最后 增长黑客就是用数据驱动爆发式增长。
让增长落地 32 为什么数据怎么优化都不提升? 打造百发百中的增长闭环。 解决正向的问题,就是创新和增长。解决负向是改进。 通过差异性洞察,在千头万绪中找到最关键的足以影响到增长的爆破点。 可以接受的误差范围 要知道,早期科学实验中科学家们是不承认实验有误差的。因为他们认为所有的测量都必须是精确的,只要 出现了误差,那一定是实验出现了错误。不过现在我们都知道了,其实误差是不可避免的。 所以,做科学实验时往往需要实验能够复现,而且要测量多次, 再用取平均值之类的手段才能得出最终的结果。 置信区间的计算方式 微信搜索「置信区间计算」 巧妙复制让增长遍地开花 如果你养成了科学实验的习惯,每次増长一点点,坚持一段时间,就会积累出巨大的成果。 4.专业是增长的基础,也是增长的限制。但专业完全0基础 也难以学会增长。 5.增长思维最重要的作用是:可以改変我们人生的方向。
当谈论常见的用户增长模型时,以下是几种被广泛应用的模型: 1. 特点: 突出了用户留存的重要性,通过留存来驱动增长。 侧重于通过优化用户体验和提供价值来增加用户留存和推荐。 3. 6R模型 定义: 6R模型是一个全新的用户增长模型,它强调数据驱动和运营闭环。 关系: 用户增长ROI(投资回报率)= LTV / CAC。通常,LTV/CAC > 3被认为是健康的状态。 总结 这些用户增长模型各有特点和优势,企业可以根据自身需求和资源选择合适的模型进行实施。 无论是强调用户生命周期的AARRR模型,还是注重用户留存的RARRA模型,或是数据驱动的6R模型,它们都为企业提供了有效的用户增长策略和工具。 同时,关注LTV和CAC的关系,可以帮助企业更好地衡量用户增长的投入产出比,从而做出更明智的决策。