用戶(hù)增長(zhǎng)三駕馬車(chē)之模型篇

因作者不是專(zhuān)門(mén)模型同學(xué)，在這一塊不敢班門(mén)弄斧，但是可以從業(yè)務(wù)效果的視角來(lái)看模型如何和業(yè)務(wù)配合，達(dá)成客戶(hù)預(yù)期。

一、模型的必要性

這基本上是一個(gè)毋庸置疑的問(wèn)題，但是也不絕對(duì)。還是和場(chǎng)景和用戶(hù)量有關(guān)。

筆者在做某業(yè)務(wù)時(shí)，之前由于樣本問(wèn)題，筆者發(fā)現(xiàn)的模型的人群有所偏移。在這個(gè)時(shí)候，就算減少人群包的投放數(shù)量，盡可能地選取高分段投放，也發(fā)現(xiàn)成本有點(diǎn)失控，其實(shí)這個(gè)時(shí)候是作為業(yè)務(wù)基礎(chǔ)的模型出了問(wèn)題，最終導(dǎo)致成本的不可控。所以，模型是業(yè)務(wù)的基本盤(pán)，沒(méi)有模型，相當(dāng)于盲投，會(huì)對(duì)業(yè)務(wù)產(chǎn)生直接影響。所以，筆者的意思是模型是業(yè)務(wù)的基石，必不可少。模型出現(xiàn)問(wèn)題，直接影響業(yè)務(wù)的開(kāi)展。必須將模型調(diào)整好，才能保證業(yè)務(wù)的正常進(jìn)行。

但是在下面兩個(gè)情況下，沒(méi)有模型也可以開(kāi)展業(yè)務(wù)：

1、公司有大量的有效標(biāo)簽，且標(biāo)簽的覆蓋度和準(zhǔn)確率非常高，這時(shí)候用這些標(biāo)簽篩選出來(lái)的人群，相對(duì)于來(lái)說(shuō)畫(huà)像很明確，對(duì)業(yè)務(wù)效果的可解釋性也很高。筆者接觸到的公司很少有這個(gè)數(shù)據(jù)基礎(chǔ)，其實(shí)就算有這個(gè)數(shù)據(jù)基礎(chǔ)，基于這個(gè)篩選條件挑選出來(lái)的人群畢竟有限。畢竟業(yè)務(wù)本身不光是要成本考慮，更多是業(yè)務(wù)規(guī)模考慮，這時(shí)候可以前篩策略人群結(jié)合模型一起為業(yè)務(wù)服務(wù)。

2、在一些場(chǎng)景中，發(fā)現(xiàn)模型的排序性對(duì)成本的影響很小，按照模型從高往低取到很低，都能在成本范圍之內(nèi)。那這時(shí)候，可以模型0分以上都進(jìn)行投放測(cè)試，甚至可以取模型覆蓋不到的人群進(jìn)行投放實(shí)驗(yàn)。

二、模型優(yōu)化方法

這一塊筆者不談具體的模型優(yōu)化算法，主要談樣本的質(zhì)量和數(shù)量。模型效果的好壞基本取決于公司的數(shù)據(jù)基礎(chǔ)以及相關(guān)場(chǎng)景的樣本。不同的算法確實(shí)模型效果會(huì)有差異，但是失去有效的樣本，就是無(wú)根之木了。

樣本的質(zhì)量和數(shù)量和樣本的比例有關(guān)，這部分很少會(huì)遇到問(wèn)題。關(guān)鍵的問(wèn)題在于如何定義正負(fù)樣本。在不同的場(chǎng)景中，正負(fù)樣本的定義決定了樣本的質(zhì)量，從而根本上影響模型的效果。

以下面場(chǎng)景為例，作者僅作為舉例，定義了一些場(chǎng)景的正負(fù)樣本，主要涉及正負(fù)樣本的定義、比例、量級(jí)、包含的標(biāo)簽以及模型的預(yù)測(cè)核心目標(biāo)以及優(yōu)化目標(biāo)：

信貸場(chǎng)景拉新：

正樣本：注冊(cè)、完件或者授信，其中注冊(cè)和完件為必填項(xiàng);

負(fù)樣本：未注冊(cè);

標(biāo)簽：是否注冊(cè)、是否完件、是否授信、營(yíng)銷(xiāo)日期(注冊(cè)前最后一次營(yíng)銷(xiāo));

比例：正負(fù)樣本比例1:1～1:10之間;

數(shù)量：注冊(cè)正樣本至少10萬(wàn)，完件正樣本至少5萬(wàn)，授信正樣本至少3萬(wàn);

算法選擇：分類(lèi)模型或者排序模型;

預(yù)測(cè)核心目標(biāo)：注冊(cè);

優(yōu)化目標(biāo)：注冊(cè)-完件率，完件-授信率;

保險(xiǎn)場(chǎng)景建模：

正樣本：購(gòu)買(mǎi)成功;

負(fù)樣本：未購(gòu)買(mǎi);

標(biāo)簽：營(yíng)銷(xiāo)日期、是否購(gòu)買(mǎi);

比例：正負(fù)樣本比例1:1～1:10之間;

數(shù)量：正樣本至少10萬(wàn);

算法選擇：分類(lèi)模型;

預(yù)測(cè)核心目標(biāo)：購(gòu)買(mǎi)成功;

優(yōu)化目標(biāo)：營(yíng)銷(xiāo)-購(gòu)買(mǎi)成功率;

三、模型和策略以及話(huà)術(shù)的配合

模型和策略的配合

筆者在實(shí)操中發(fā)現(xiàn)，同一模型采用何種策略和以下幾個(gè)有關(guān)：

1、目標(biāo)客群分析：根據(jù)轉(zhuǎn)化人群，如果發(fā)現(xiàn)年齡、地域之間有很大的差異，就需 要分開(kāi)取數(shù);一般來(lái)說(shuō)，運(yùn)營(yíng)商之間的差異較大;

2、自有數(shù)據(jù)體系：例如我們推測(cè)在某一部分機(jī)型上UV異常，如果有數(shù)據(jù)覆蓋度 和準(zhǔn)確率夠，也可以做一個(gè)對(duì)比測(cè)試：即同一批客群，排除這部分機(jī)型和包含這部分

機(jī)型做對(duì)比，看對(duì)成本有何影響;在信貸場(chǎng)景，也可以在模型上疊加一些多頭指標(biāo)，

看區(qū)分度如何。

策略本身只是最大程度發(fā)揮模型的區(qū)分度。如果不區(qū)分策略，統(tǒng)一提取高分段

人群， 由于各個(gè)細(xì)分客群的轉(zhuǎn)化效果在每個(gè)分?jǐn)?shù)段的表現(xiàn)不一，在業(yè)務(wù)中的表現(xiàn)就是

分?jǐn)?shù)不能下沉，或者效果不穩(wěn)定。其實(shí)其根本原因還是對(duì)模型沒(méi)有充分的利用。

模型和話(huà)術(shù)的配合

和筆者在前面講到，模型是一個(gè)基本盤(pán)，策略和話(huà)術(shù)是使得模型能發(fā)揮最大的作

用。在模型和策略明確之后，那各個(gè)人群包的畫(huà)像也相對(duì)固定。但是話(huà)術(shù)優(yōu)化會(huì)有一定的周期和成本，所以需要根據(jù)業(yè)務(wù)規(guī)�？词欠裥枰獙�(duì)話(huà)術(shù)做專(zhuān)門(mén)優(yōu)化。

例如年輕人群是否需要專(zhuān)門(mén)的話(huà)術(shù)優(yōu)化?如果某些大省占比總投放量很大，是不是

話(huà)術(shù)的說(shuō)法以及關(guān)鍵詞匹配要做專(zhuān)門(mén)的適配。

模型是把人群的興趣度做了高低的排序，那話(huà)術(shù)的作用就是最大程度的轉(zhuǎn)化人群對(duì)

產(chǎn)品的興趣。所以對(duì)于不同地區(qū)和不同年齡段人群的說(shuō)法，如果有相應(yīng)的話(huà)術(shù)配合，可

以起到相形益彰的作用。

對(duì)于模型本篇就講到這里，筆者不是專(zhuān)門(mén)模型人員，通過(guò)和模型同學(xué)的聊天以及咖啡時(shí)間的討論，撰寫(xiě)此文希望對(duì)從業(yè)人群有所幫助。

來(lái)源：增長(zhǎng)黑客

以上是關(guān)于用戶(hù)增長(zhǎng)師的相關(guān)信息，以供大家查看了解。想要了解更多用戶(hù)增長(zhǎng)師信息，第一時(shí)間了解用戶(hù)增長(zhǎng)師相關(guān)資訊，敬請(qǐng)關(guān)注唯學(xué)網(wǎng)用戶(hù)增長(zhǎng)師欄目，如有任何疑問(wèn)也可在線(xiàn)留言，小編會(huì)為您在第一時(shí)間解答!