數(shù)據(jù)分析方法、數(shù)據(jù)處理流程實(shí)戰(zhàn)案例

大數(shù)據(jù)時(shí)代,我們?nèi)巳硕贾饾u開場用數(shù)據(jù)的眼光來對待每一個(gè)事

情、事物。確實(shí)，數(shù)據(jù)的直觀明了傳達(dá)出來的信息讓人一下子就能領(lǐng)

略且毫無疑點(diǎn)，不過前提是數(shù)據(jù)本身的真實(shí)性和準(zhǔn)確度要有保證。今

天就來和大家分享一下關(guān)于數(shù)超分析方法、數(shù)據(jù)處理流程的實(shí)戰(zhàn)案

例，讓大家對于數(shù)超液匝這個(gè)崗位的工作內(nèi)容有更多的理解和認(rèn)

識(shí)，讓可以趁機(jī)了解了解咱們平時(shí)看似輕松便捷的數(shù)據(jù)可視化的背后

都是有多專業(yè)的流程在支撐著。

一、大數(shù)據(jù)思維

在2021年、2021年大數(shù)據(jù)概念火了之后，可以說這幾年許多傳

統(tǒng)企業(yè)也好，互聯(lián)網(wǎng)企業(yè)也好，都把自己的業(yè)務(wù)給大數(shù)據(jù)靠一靠，并

且提的比擬多的大數(shù)據(jù)思維。

那么大數(shù)據(jù)思維是怎么回事？我們來看兩個(gè)例子：

案例1：輸入法

首先，我們來看一下輸入法的例子。

我2001年上大學(xué)，那時(shí)用的輸入法比擬多的是智能ABC,還有

微軟拼音，還有五筆。那時(shí)候的輸入法比現(xiàn)在來說要慢的很多，許多

時(shí)候輸一個(gè)詞都要選好幾次，去選詞還是調(diào)整才能把這個(gè)字打出來，

效率是非常低的。

到了2002年，2003年出了一種新的輸出法——紫光拼音，感

覺真的很快，鍵盤沒有按下去字就已經(jīng)跳出來了。但是，后來很快發(fā)

現(xiàn)紫光拼音輸入法也有它的問題，比方當(dāng)時(shí)互聯(lián)網(wǎng)開展已經(jīng)比擬快

了，會(huì)經(jīng)常出現(xiàn)一些新的詞匯，這些詞匯在它的詞庫里沒有的話，就

很難敲出來這個(gè)詞。

在2006年左右，搜狗輸入法出現(xiàn)了。搜狗輸入法基于搜狗本身

是一個(gè)搜索，它積累了一些用戶輸入的檢索詞這些數(shù)據(jù)，用戶用輸入

法時(shí)候產(chǎn)生的這些詞的信息，將它們進(jìn)展統(tǒng)計(jì)分析，把一些新的詞匯

逐步添加到詞庫里去，通過云的方式進(jìn)展管理。

比方，去年流行一個(gè)詞叫"然并卵〃，這樣的一個(gè)詞如果用傳統(tǒng)

的方式，因?yàn)樗且粋€(gè)重新構(gòu)造的詞，在輸入法是沒方法通過拼音

"ranbingluan,z直接把它找出來的。然而，在大數(shù)據(jù)思維下那就

不一樣了，換句話說，我們先不知道有這么一個(gè)詞匯，但是我們發(fā)現(xiàn)

有許多人在輸入了這個(gè)詞匯，于是，我們可以通過統(tǒng)計(jì)發(fā)現(xiàn)最近新出

現(xiàn)的一個(gè)高頻詞匯，把它加到司庫里面并更新給所有人，大家在使用

的時(shí)候可以直接找到這個(gè)詞了。

案例2:地圖

再來看一個(gè)地圖的案例，在這種電腦地圖、手機(jī)地圖出現(xiàn)之前，

我們都是用紙質(zhì)的地圖。這種地圖差不多就是一年要換一版，因?yàn)樵S

多地址可能變了，并且在紙質(zhì)地圖上肯定是看不出來，從一個(gè)地方到

另外一個(gè)地方怎么走是最好的？中間是不是堵車？這些都是有需要

有經(jīng)歷的各種司機(jī)才能判斷出來。

在有了百度地圖這樣的產(chǎn)品就要好很多，比方：它能告訴你這條

路當(dāng)前是不是堵的？或者說能告訴你半個(gè)小時(shí)之后它是不是堵的？

它是不是可以預(yù)測路況情況？

此外，你去一個(gè)地方它可以給你規(guī)劃另一條路線，這些就是因?yàn)?/p>

它采集到許多數(shù)據(jù)。比方：大家在用百度地圖的時(shí)候，有GPS地位

信息，基于你這個(gè)位置的移動(dòng)信息，就可以知道路的擁堵情況。另外,

他可以收集到很多用戶使用的情況，可以跟交管局或者其他部門來采

集一些其他攝像頭、地面的傳感器采集的車輛的數(shù)量的數(shù)據(jù)，就可以

做這樣的判斷了。

這里，我們來看一看紙質(zhì)的地圖跟新的手機(jī)地圖之間，智能ABC

輸入法跟搜狗輸入法都有什么區(qū)別？

這里面最大的差異就是有沒有用上新的數(shù)據(jù)。這里就引來了一個(gè)

概念——數(shù)據(jù)驅(qū)動(dòng)。有了這些數(shù)據(jù)，基于數(shù)據(jù)上統(tǒng)計(jì)也好，做其他挖

掘也好，把一個(gè)產(chǎn)品做的更加智能，變得更加好，這個(gè)跟它對應(yīng)的就

是之前可能沒有數(shù)據(jù)的情況，可能是拍腦袋的方式，或者說我們用過

去的，我們想清楚為什么然后再去做這個(gè)事情。這些相比之下數(shù)據(jù)驅(qū)

動(dòng)這種方式效率就要高很多，并且有許多以前解決不了的問題它就能

解決的非常好。

二、數(shù)據(jù)驅(qū)動(dòng)

對于數(shù)據(jù)驅(qū)動(dòng)這一點(diǎn)，可能有些人從沒有看數(shù)的習(xí)慣到了看數(shù)的

習(xí)慣那是一大進(jìn)步，是不是能看幾個(gè)數(shù)這就叫數(shù)據(jù)驅(qū)動(dòng)了呢？這還遠(yuǎn)

遠(yuǎn)不夠，這里來說一下什么是數(shù)據(jù)驅(qū)動(dòng)？或者現(xiàn)有的創(chuàng)業(yè)公司在進(jìn)展

數(shù)據(jù)驅(qū)動(dòng)這件事情上存在的一些問題。

一種情況大家在公司里面有一個(gè)數(shù)據(jù)工程師，他的工作職責(zé)就是

跑數(shù)據(jù)。

不管是市場也好，產(chǎn)品也好，運(yùn)營也好，老板也好，大家都會(huì)有

各種各樣的數(shù)據(jù)需求，但都會(huì)提給他。然而，這個(gè)資源也是有限的，

他的工作時(shí)間也是有限的，只能一個(gè)一個(gè)需求去處理，他本身工作很

忙，大家提的需求之后可能并不會(huì)馬上就處理，可能需要等待一段時(shí)

間。即使處理了這個(gè)需求，一方面他可能數(shù)據(jù)準(zhǔn)備的不全，他需要去

采集一些數(shù)據(jù)，或做一些升級(jí)，他要把數(shù)據(jù)拿過來。拿過來之后又在

這個(gè)數(shù)據(jù)上進(jìn)展一些分析，這個(gè)過程本身可能兩三天時(shí)間就過去了，

如果加上等待的時(shí)間更長。

對于有些人來說，這個(gè)等待周期太長，整個(gè)時(shí)機(jī)可能就錯(cuò)過了。

比方，你重要的就是考察一個(gè)節(jié)日或者一個(gè)開學(xué)這樣一個(gè)時(shí)間點(diǎn)，然

后想搞一些運(yùn)營相關(guān)的事情，這個(gè)時(shí)機(jī)可能就錯(cuò)過去了，許多人等不

到了，有些同學(xué)可能就干脆還是拍腦袋，就不等待這個(gè)數(shù)據(jù)了。這個(gè)

過程其實(shí)就是說效率是非常低的，并不是說拿不到這個(gè)數(shù)據(jù)，而是說

效率低的情況下我們錯(cuò)過了很多時(shí)機(jī)。

對于還有一些公司來說，之前可能連個(gè)數(shù)都沒有，現(xiàn)在有了一個(gè)

儀表盤，有了儀表盤可以看到公司上個(gè)季度、昨天總體的這些數(shù)據(jù),

還是很不錯(cuò)的。

對老板來說肯定還是比擬快樂，但是，對于市場、運(yùn)營這些同學(xué)

來說可能就還不夠。

比方，我們發(fā)現(xiàn)某一天的用戶量跌了20%,這個(gè)時(shí)候肯定不能放

著不管，需要查一查這個(gè)問題出在哪。這個(gè)時(shí)候，只看一個(gè)宏觀的數(shù)

那是遠(yuǎn)遠(yuǎn)不夠的，我們一般要對這個(gè)數(shù)據(jù)進(jìn)展切分，按地域、按渠道,

按不同的方式去追查，看到底是哪少了，是整體少了，還是某一個(gè)特

殊的渠道獨(dú)特的地方它這個(gè)數(shù)據(jù)少了，這個(gè)時(shí)候單單靠一個(gè)儀表盤是

不夠的。

理想狀態(tài)的數(shù)據(jù)驅(qū)動(dòng)應(yīng)該是怎么樣的？就是一個(gè)自助式的數(shù)據(jù)

分析，讓業(yè)務(wù)人員每一個(gè)人都能自己去進(jìn)展數(shù)據(jù)分析，掌握這個(gè)數(shù)據(jù)。

前面我講到一個(gè)模式，我們源頭是一堆雜亂的數(shù)據(jù)，中間有一個(gè)

工程師用來跑這個(gè)數(shù)據(jù)，然后右邊是接各種業(yè)務(wù)同學(xué)提了需求，然后

排隊(duì)等待被處理，這種方式效率是非常低的。理想狀態(tài)來說，我們現(xiàn)

象大數(shù)據(jù)源本身整好，整全整細(xì)了，中間提供強(qiáng)大的分析工具，讓每

一個(gè)業(yè)務(wù)員都能直接進(jìn)展操作，大家并發(fā)的去做一些業(yè)務(wù)上的數(shù)據(jù)需

求，這個(gè)效率就要高非常多。

三、數(shù)據(jù)處理的流程

大數(shù)據(jù)分析這件事用一種非技術(shù)的角度來看的話，就可以分成金

字塔，自底向上的是三個(gè)局部，第一個(gè)局部是數(shù)據(jù)采集，第二個(gè)局部

是數(shù)據(jù)建模，第三個(gè)局部是數(shù)據(jù)分析，我們來分別看一下。

數(shù)據(jù)采集

首先來說一下數(shù)據(jù)采集，我在百度干了有七年是數(shù)據(jù)相關(guān)的事

情。我最大的心得——數(shù)據(jù)這個(gè)事情如果想要更好，最重要的就是數(shù)

據(jù)源，數(shù)據(jù)源這個(gè)整好了之后，后面的事情都很輕松。

用一個(gè)好的查詢引擎、一個(gè)慢的查詢引擎無非是時(shí)間上可能消耗

不大一樣，但是數(shù)據(jù)源如果是差的話，后面用再復(fù)雜的算法可能都解

決不了這個(gè)問題，可能都是很難得到正確的結(jié)論。

我覺得好的數(shù)據(jù)處理流程有兩個(gè)根本的原那么，一個(gè)是全，一個(gè)

是細(xì)。

全：

就是說我們要拿多種數(shù)據(jù)源，不能說只拿一個(gè)客戶端的數(shù)據(jù)源，

效勞端的數(shù)據(jù)源沒有拿，數(shù)據(jù)庫的數(shù)據(jù)源沒有拿，做分析的時(shí)候沒有

這些數(shù)據(jù)你可能是搞歪了。另外，大數(shù)據(jù)里面講的是全量，而不是抽

樣。不能說只抽了某些省的數(shù)據(jù)，然后就開場說全國是怎么樣?？赡?/p>

有些省非常特殊，比方新疆、西藏這些地方客戶端跟內(nèi)地可能有很大

差異的。

細(xì)：

其實(shí)就是強(qiáng)調(diào)多維度，在采集數(shù)據(jù)的時(shí)候盡量把每一個(gè)的維度、

屬性、字段都給它采集過來。比方：像where,who、how這些東

西給它替補(bǔ)下來，后面分析的時(shí)候就跳不出這些能夠所選的這個(gè)維

度，而不是說開場的時(shí)候也圍著需求。根據(jù)這個(gè)需求確定了產(chǎn)生某些

數(shù)據(jù)，到了后面真正有一個(gè)新的需求來的時(shí)候，又要采集新的數(shù)據(jù)，

這個(gè)時(shí)候整個(gè)迭代周期就會(huì)慢很多，效率就會(huì)差很多，盡量從源頭抓

的數(shù)據(jù)去做好采集。

數(shù)據(jù)建模

有了數(shù)據(jù)之后，就要對數(shù)據(jù)進(jìn)展加工，不能把原始的數(shù)據(jù)直接報(bào)

告給上面的業(yè)務(wù)分析人員，它可能本身是雜亂的，沒有經(jīng)過很好的邏

輯的。

這里就牽扯到數(shù)據(jù)建框，首先，提一個(gè)概念就是數(shù)據(jù)模型。許多

人可能對數(shù)據(jù)模型這個(gè)詞產(chǎn)生一種畏懼感，覺得模型這個(gè)東西是什么

高深的東西，很復(fù)雜，但其實(shí)這個(gè)事情非常簡單。

我春節(jié)期間在家干過一件事情，我自己家里面家譜在文革的時(shí)候

被燒了，后來家里的長輩說一定要把家譜這些東西給存檔一下，因?yàn)?/p>

我會(huì)電腦，就幫著用電腦去理了一下這些家族的數(shù)據(jù)這些關(guān)系，整個(gè)

族譜這個(gè)信息。

我們現(xiàn)實(shí)是一個(gè)個(gè)的人，家譜里面的人，通過一個(gè)樹型的構(gòu)造，

還有它們之間數(shù)據(jù)關(guān)系，就能把現(xiàn)實(shí)實(shí)體的東西用幾個(gè)簡單圖給表示

出來，這里就是一個(gè)數(shù)據(jù)模型。

數(shù)據(jù)模型就是對現(xiàn)實(shí)世界的一個(gè)抽象化的數(shù)據(jù)的表示。我們這些

創(chuàng)業(yè)公司經(jīng)常是這么一個(gè)情況，我們現(xiàn)在這種業(yè)務(wù)，一般前端做一個(gè)

請求，然后對請求經(jīng)過處理，再更新到數(shù)據(jù)庫里面去，數(shù)據(jù)庫里面建

了一系列的數(shù)據(jù)表，數(shù)據(jù)表之間都是很多的依賴關(guān)系。

比方，就像我圖片里面展示的這樣，這些表一個(gè)業(yè)務(wù)項(xiàng)開展差不

多一年以上它可能就牽扯到幾十張甚至上百張數(shù)據(jù)表，然后把這個(gè)表

直接提供應(yīng)業(yè)務(wù)分析人員去使用，理解起來難度是非常大的。

這個(gè)數(shù)據(jù)模型是用于滿足你正常的業(yè)務(wù)運(yùn)轉(zhuǎn)，為產(chǎn)品正常的運(yùn)行

而建的一個(gè)數(shù)據(jù)模型。但是，它并不是一個(gè)針對分析人員使用的模型。

如果，非要把它用于數(shù)據(jù)分析那就帶來了很多問題。比方：它理解起

來非常麻煩。

另外，數(shù)據(jù)分析很依賴表之間的這種格子，比方：某一天我們?yōu)?/p>

了提升性能，對某一表進(jìn)展了拆分，或者加了字段、刪了某個(gè)字短，

這個(gè)調(diào)整都會(huì)影響到你分析的邏輯。

這里，最好要針對分析的需求對數(shù)據(jù)重新進(jìn)展解碼，它內(nèi)容可能

是一致的，但是我們的組織方式改變了一下。就拿用戶行為這塊數(shù)據(jù)

來說，就可以對它進(jìn)展一個(gè)抽象，然后重新把它作為一個(gè)判斷表。

用戶在產(chǎn)品上進(jìn)展的一系列的操作，比方瀏覽一個(gè)商品，然后誰

瀏覽的，什么時(shí)間瀏覽的，他用的什么操作系統(tǒng)，用的什么瀏覽器版

本，還有他這個(gè)操作看了什么商品，這個(gè)商品的一些屬性是什么，這

個(gè)東西都給它進(jìn)展了一個(gè)很好的抽象。這種抽樣的很大的好處很容易

理解，看過去一眼就知道這表是什么，對分析來說也更加方便。

在數(shù)據(jù)分析方，特別是針對用戶行為分析方面，目前比擬有效的

一個(gè)模型就是多維數(shù)據(jù)模型，在線分析處理這個(gè)模型，它里面有這個(gè)

關(guān)鍵的概念，一個(gè)是維度，一個(gè)是指標(biāo)。

維度比方城市，然后北京、上海這些一個(gè)維度，維度西面一些屬

性，然后操作系統(tǒng)，還有IOS,安卓這些就是一些維度，然后維度里

面的屬性。

通過維度穿插，就可以看一些指標(biāo)問題，比方用戶量、銷售額，

這些就是指標(biāo)。比方，通過這個(gè)模型就可以看來自北京，使用IOS

的，他們的整體銷售額是怎么樣的。

這里只是舉了兩個(gè)維度，可能還有很多個(gè)維度?？傊ㄟ^維度

組合就可以看一些指標(biāo)的數(shù)，大家可以回憶一下，大家常用的這些業(yè)

務(wù)的數(shù)據(jù)分析需求是不是許多都能通過這種簡單的模式給抽樣出來。

四、數(shù)據(jù)分析方法

接下來看一下互聯(lián)網(wǎng)產(chǎn)品采用的數(shù)據(jù)分析方法。

對于互聯(lián)網(wǎng)產(chǎn)品常用的用戶消費(fèi)分析來說，有四種：

?第一種是多維事件的分析，分析維度之間的組合、關(guān)系。

?第二種是漏斗分析，對于電商、訂單相關(guān)的這種行為的產(chǎn)品來

說非常重要，要看不同的渠道轉(zhuǎn)化這些東西。

?第三種留存分析，用戶來了之后我們希望他不斷的來，不斷的

進(jìn)展購置，這就是留存。

?第四種回訪，回訪是留存的一種特別的形式，可以看他一段時(shí)

間內(nèi)訪問的頻次，或者訪問的時(shí)間段的情況

方法1:多維事件分析法

首先來看多維事件的分析，這塊常見的運(yùn)營、產(chǎn)品改良這種效果

分析。其實(shí)，大局部情況都是能用多維事件分析，然后對它進(jìn)展一個(gè)

數(shù)據(jù)上的統(tǒng)計(jì)。

1.三個(gè)關(guān)鍵概念

這里面其實(shí)就是由三個(gè)關(guān)鍵的概念，一個(gè)就是事件，一個(gè)是維度,

一個(gè)是指標(biāo)組成。

?事件就是說任何一個(gè)互聯(lián)網(wǎng)產(chǎn)品，都可以把它抽象成一系列事

件，比方針對電商產(chǎn)品來說，可抽象到提交、訂單、注冊、收

到商品一系列事件用戶行為。

?每一個(gè)事件里面都包括一系列屬性。比方，他用操作系統(tǒng)版本

是否連wifi；比方，訂單相關(guān)的運(yùn)費(fèi)，訂單總價(jià)這些東西，或

者用戶的一些職能屬性，這些就是一系列維度。

?基于這些維度看一些指標(biāo)的情況。比方，對于提交訂單來說，

可能是他總提交訂單的次數(shù)做成一個(gè)指標(biāo)，提交訂單的人數(shù)是

一個(gè)指標(biāo)，平均的人均次數(shù)這也是一個(gè)指標(biāo)；訂單的總和、總

價(jià)這些也是一個(gè)指標(biāo)，運(yùn)費(fèi)這也是一個(gè)指標(biāo)，統(tǒng)計(jì)一個(gè)數(shù)后就

能把它抽樣成一個(gè)指標(biāo)。

2.多維分析的價(jià)值

來看一個(gè)例子，看看多維分析它的價(jià)值。

比方，對于訂單支付這個(gè)事件來說，針對整個(gè)總的成交額這條曲

線，按照時(shí)間的曲線會(huì)發(fā)現(xiàn)它一路在下跌。但下跌的時(shí)候，不能眼睜

睜的看著它，一定要分析原因。

怎么分析這個(gè)原因呢？常用的方式就是對維度進(jìn)展一個(gè)拆解，可

以按照某些維度進(jìn)展拆分，比方我們按照地域，或者按照渠道，或者

按照其他一些方式去拆開，按照年齡段、按照性別去拆開，看這些數(shù)

據(jù)到底是不是整體在下跌，還是說某一類數(shù)據(jù)在下跌。

這是一個(gè)假想的例子——按照支付方式進(jìn)展拆開之后，支付方式

有三種，有用支付寶、阿里PAY,或者用微信支付，或者用銀行看

內(nèi)的支付這三種方式。

通過數(shù)據(jù)可以看到支付寶、銀行支付根本上是一個(gè)沉穩(wěn)的一個(gè)狀

態(tài)。但是，如果看微信支付，會(huì)發(fā)現(xiàn)從最開場最多，一路下跌到非常

少，通過這個(gè)分析就知道微信這種支付方式，肯定存在某些問題。

比方：是不是升級(jí)了這個(gè)接口或者微信本身出了什么問題，導(dǎo)致

了它量下降下去了？

方法2:漏斗分析

漏斗分析會(huì)看，因?yàn)閿?shù)據(jù)，一個(gè)用戶從做第一步操作到后面每一

步操作，可能是一個(gè)雜的過程。

比方，一批用戶先瀏覽了你的首頁，瀏覽首頁之后可能一局部人

就直接跑了，還有一局部人可能去點(diǎn)擊到一個(gè)商品里面去，點(diǎn)擊到商

品可能又有很多人跑了，接下來可能有一局部人就真的購置了，這其

實(shí)就是一個(gè)漏斗。

通過這個(gè)漏斗，就能分析一步步的轉(zhuǎn)化情況，然后每一步都有流

失，可以分析不同的渠道其轉(zhuǎn)化情況如何。比方，打廣告的時(shí)候發(fā)現(xiàn)

來自百度的用戶漏斗轉(zhuǎn)化效果好,就可能在廣告投放上就在百度上多

投一些。

方法3:留存分析

比方，搞一個(gè)地推活動(dòng)，然后來了一批注冊用戶，接下來看它的

關(guān)鍵行為上面操作的特征，比方當(dāng)天它有操作，第二天有多少人會(huì)關(guān)

鍵操作，第N天有多少操作，這就是看它留下來這個(gè)情況。

方法4:回訪分析

回訪就是看進(jìn)展某個(gè)行為的一些中度特征，如對于購置黃金這個(gè)

行為來說，在一周之內(nèi)至少有一天購置黃金的人有多少人，至少有兩

天的有多少人，至少有7天的有多少人，或者說購置多少次數(shù)這么一

個(gè)分布，就是回訪回購這方面的分析。

上面說的四種分析結(jié)合起來去使用，對一個(gè)產(chǎn)品的數(shù)據(jù)支撐、數(shù)

據(jù)驅(qū)動(dòng)的這種深度就要比只是看一個(gè)宏觀的訪問量或者活潑用戶數(shù)

就要深入很多。

五、運(yùn)營分析實(shí)踐

下面結(jié)合個(gè)人在運(yùn)營和分析方面的實(shí)踐，給大家分享一下。

案例1:UGC產(chǎn)品

首先，來看UGC產(chǎn)品的數(shù)據(jù)分析的例子?？赡軙?huì)分析它的訪問

量是多少，新增用戶數(shù)是多少，獲得用戶數(shù)多少，發(fā)帖量、減少量。

諸如貼吧、百度知道，還有知乎都屬于這一類的產(chǎn)品。對于這樣

一個(gè)產(chǎn)品，會(huì)有很多數(shù)據(jù)指標(biāo)，可以從某一個(gè)角度去觀察這個(gè)產(chǎn)品的

情況。那么，問題就來了一一這么多的指標(biāo)，到底要關(guān)注什么？不同

的階段應(yīng)該關(guān)注什么指標(biāo)？這里，就牽扯到一個(gè)本身指標(biāo)的處理，還

有關(guān)鍵指標(biāo)的問題。

案例2:百度知道

2007年我參加百度知道之后，開場剛進(jìn)去就寫東西了。作為RB,

我每天也收到一系列報(bào)表郵件，這些報(bào)表里面有很多統(tǒng)計(jì)的一些數(shù)

據(jù)。比方，百度知道的訪問量、減少量、IP數(shù)、申請數(shù)、提問量、答

復(fù)量，設(shè)置追加答案，答案的數(shù)量，這一系列指標(biāo)。當(dāng)時(shí)，看的其實(shí)

感覺很反感。

我在思考：這么多的指標(biāo)，不能說這也提高，那也提高吧？每個(gè)

階段肯定要思考哪個(gè)事最關(guān)鍵的，重點(diǎn)要提高哪些指標(biāo)。開場的時(shí)候

其實(shí)是沒有任何區(qū)分的，不知道什么是重要、什么是不重要。

后來，慢慢有一些感觸和認(rèn)識(shí)，就發(fā)現(xiàn)其實(shí)對于訪問量、減少量

這些相關(guān)的。因?yàn)榘俣戎佬枰髁慷际莵碜杂诖笏阉鳎阉宫F(xiàn)做

一下調(diào)整或者引導(dǎo)，對量的影響非常大。雖然，跟百度知道本身做的

好壞也有直接關(guān)系，但是它很受渠道的影響——大搜索這個(gè)渠道的影

響。

提問量開場的時(shí)候，我認(rèn)為非常重要，怎么提升提問量，那么整

個(gè)百度知道平臺(tái)的這個(gè)問題就多了。提升答復(fù)量，讓這些問題得到答

復(fù)高質(zhì)量的內(nèi)容就非常多了，又提升提問量而后再提升答復(fù)量一一

其實(shí)等于是兩類人了。而怎么把它做上去，我當(dāng)時(shí)有一些困惑，有一

些矛盾，到底什么東西是最關(guān)鍵的。

有一次產(chǎn)品會(huì)，每一個(gè)季度都有一個(gè)產(chǎn)品會(huì)。那個(gè)時(shí)候，整個(gè)部

門的產(chǎn)品負(fù)責(zé)人是孫云豐，可能在百度待過的或者說對百度產(chǎn)品體系

有了解的都會(huì)知道這么一個(gè)人，非常厲害的一個(gè)產(chǎn)品經(jīng)理。我當(dāng)時(shí)就

問了他這個(gè)問題，我對提問量、答復(fù)量都要提升這個(gè)困惑。

他就說了一點(diǎn)，其實(shí)提問量不是一個(gè)關(guān)鍵的問題，為什么？我們

可以通過大搜索去找，如果一個(gè)用戶在大搜索里面進(jìn)展搜索，發(fā)現(xiàn)這

個(gè)搜索沒有一個(gè)好的答案，那就可以引導(dǎo)他進(jìn)展一個(gè)提問，這樣其實(shí)

這個(gè)提問量就可以迅速提升上去。

我一聽一下就解決了這個(gè)困惑，最關(guān)鍵的就是一個(gè)答復(fù)量，我所

做的事情其實(shí)怎么去提升答復(fù)量就可以了。

這里面把百度知道這個(gè)產(chǎn)品抽樣成了最關(guān)鍵的一個(gè)提升——那

就是如何提升答復(fù)量，在這個(gè)問題上當(dāng)時(shí)做了一個(gè)事情就是進(jìn)展問題

推薦。

百度知道有一批活潑用戶，這些用戶就喜歡答復(fù)下列問題。于是,

我們思考：能不能把一些他們可以答復(fù)下列問題推薦給他們，讓他們

答復(fù)各種各樣的問題——這個(gè)怎么去做呢？

這個(gè)思路也很簡單，現(xiàn)在個(gè)性化推薦都是比擬正常的，大家默認(rèn)

知道這么一回事。但是，2021年做推薦這個(gè)事情其實(shí)還是比擬領(lǐng)先

的，從我了解的情況來看，國內(nèi)的是2021年個(gè)性化推薦引擎這塊技

術(shù)火了，但后來有些公司做這方面后來都倒掉了。

實(shí)現(xiàn)策略是非常簡單的，我們就看一個(gè)用戶歷史的答復(fù)記錄，看

他答復(fù)的這些問題開頭是什么、內(nèi)容是什么。

由于百度很擅長做自然語言的處理，基于這些，通過這里面的抽

取用戶的興趣詞，感興趣的話題，然后把待解的問題，與該問題相關(guān)

話題的相關(guān)用戶進(jìn)展一個(gè)匹配，匹配上了就把這個(gè)問題推薦給這個(gè)用

戶。

當(dāng)時(shí)，我們做的一個(gè)事情就是：把推薦幾個(gè)月有過答復(fù)量比擬高

的用戶進(jìn)展一個(gè)抽取為t他們訓(xùn)練一個(gè)模式——就是對每個(gè)用戶有一

系列的話題興趣點(diǎn)，然后每個(gè)點(diǎn)都有一個(gè)程度，這就是一個(gè)用戶的模

型項(xiàng)量，就是一個(gè)興趣項(xiàng)量，當(dāng)時(shí)抽了35萬個(gè)用戶。

這個(gè)效果是這樣的，現(xiàn)在我已經(jīng)找了我們當(dāng)年做的圖片，整個(gè)樣

式其實(shí)這是我前一段時(shí)間截的圖，大體類似。比方，我對數(shù)據(jù)分析相

關(guān)的問題答復(fù)了不少，它就會(huì)給我推薦數(shù)據(jù)分析相關(guān)的問題。

我們這個(gè)功能差不多做了有三個(gè)月，把它推上線我們其實(shí)是滿懷

期待的，結(jié)果效果如何呢？

上線之后很悲劇，我們發(fā)現(xiàn)總的答復(fù)量沒有變化。于是，我們又

進(jìn)一步分析了一下原因。當(dāng)時(shí)，最開場這些核心用戶在答復(fù)下列問題

的時(shí)候都是找分類頁。比方：電腦這個(gè)分類，然后看電腦相關(guān)的問題,

有興趣的就答復(fù)。

后來，我們做了一個(gè)體驗(yàn)：在個(gè)人中心里面加了一個(gè)猜他喜歡的

那個(gè)問題，然后推給他，結(jié)果用戶從分類頁答復(fù)這個(gè)問題轉(zhuǎn)到了個(gè)人

中心。但是，平均一個(gè)人答復(fù)量并沒有變化，當(dāng)時(shí)做的這些統(tǒng)計(jì)，這

些核心用戶就答復(fù)六個(gè)問題，超過六個(gè)他就沒動(dòng)力答復(fù)了。

我們事后分析原因，有一個(gè)原因他可能本身的答復(fù)量就是這么一

條線，誰能天天在哪里源源不斷的回復(fù)問題。還有一個(gè)同事就分析當(dāng)

時(shí)讓他一個(gè)痛苦的地方，因?yàn)槲覀兪窃丛床粩嗟赝扑]，然后他就發(fā)現(xiàn)

答復(fù)幾個(gè)之后還有幾個(gè)，答復(fù)了幾次就感覺要崩潰了，就不想再這么

答復(fù)下去了。

其實(shí)，年前時(shí)知乎在問題推薦上也做了不少功夫，做了許多測試。

年前有一段時(shí)間，它天天給我推一些新的問題，然后我去答復(fù)。后來,

發(fā)現(xiàn)推的太多了，就沒答復(fù)的動(dòng)力了。

針對這些核心用戶會(huì)發(fā)現(xiàn)從他們上面榨取不了新的價(jià)值了。于

是，我們調(diào)轉(zhuǎn)了矛頭，從另一個(gè)角度——能不能去廣撒網(wǎng)，吸引更多

的用戶來答復(fù)下列問題，這個(gè)做的就是一個(gè)庫里推薦。

訪問百度的時(shí)候，百度不管用戶是否登錄，會(huì)在用戶的庫里面去

設(shè)置一個(gè)用戶標(biāo)識(shí)。通過這個(gè)標(biāo)識(shí)能夠?qū)@個(gè)用戶進(jìn)展一個(gè)跟蹤，雖

然不知道用戶是誰，但是，起碼能把同一個(gè)用戶這個(gè)行為給它檢起來。

這樣，就可以基于他歷史的檢索，各種搜索詞，還有他流量的各種頁

面的記錄，然后去提取一些證據(jù)，然后給這些庫題建一個(gè)模型。

這樣有一個(gè)好處，能夠覆蓋的用戶量非常大，前面講的核心用戶

推薦只覆蓋了只有35萬的核心用戶，但是通過這種方式可以覆蓋幾

億百度用戶，每一次用戶登錄之后或者訪問百度知道之后我們就基于

他本身興趣然后走一次檢索，在解決問題里面檢索一下跟他匹配的就

給他推薦出來。

比方前一段，我自己在沒有登錄的時(shí)候，其實(shí)我是會(huì)看馬爾克斯。

我比擬喜歡馬爾克斯的作品，我當(dāng)時(shí)搜了馬爾克斯的一些相關(guān)的內(nèi)

容。它就抽取出來我對馬爾克斯什么感興趣，就給我推薦了馬爾克斯

相關(guān)的問題，可能我知道我不可能就會(huì)點(diǎn)進(jìn)去答復(fù)。

這個(gè)功能上了之后效果還是很不錯(cuò)的，讓整體的答復(fù)量提升了

7.5%。要知道，百度知道產(chǎn)品從2005年開場做，做到2007年、2021

年的時(shí)間這個(gè)產(chǎn)品已經(jīng)很成熟了。在一些關(guān)鍵指標(biāo)進(jìn)展大的提升還是

非常有挑戰(zhàn)的，這種情況下我們通過這種方式提升了7.5%的答復(fù)量,

感覺還是比擬有成就