纳米镜系列文章|智能切面分析

背景

大数据时代，闲鱼在实际运营过程中缺乏深入的数据驱动分析能力。我们希望通过引入纳米镜来提供更加全面的数据分析能力，为运营解决业务痛点问题。运营分析存在以下痛点：

• 对于历史数据缺乏积累，运营A离职，运营B重复做相似实验，运营B离职，运营C重复做实验的死循环。

• 缺少对现有活动细致分析的能力，例如实验A整体指标效果不明显，但是对于子切面A1和B2的组合下效果很好，高于整体水平。

针对这些痛点，推出了纳米镜数据分析平台，针对过去和现在的运营活动做更细致地分析，辅助运营更好地做出决策分析。

本期主要分享纳米镜的决策分析能力--智能切面分析，功能是找到指标提升效果最显著的人群切面组合，帮助运营快速找到较合理的子人群， 从而做进一步的干预，例如子人群放大投放等。

智能切面分析

智能切面分析包含了两个部分：

• 活动指标切面分析: 找出活动本身效果最好的切面组合

• AB桶效果切面分析: 找出实验桶和对照桶差异最大的切面组合

活动指标切面分析

活动指标切面分析目的是找出活动本身效果最好的切面组合，给出的分析结果：

1) 获取效果最显著的人群切面组合，并给出每个人群切面下的指标结果

2) 给出每个切面下最小样本量，小于最小样本量则结果有一定的偶然性和不确定性

获取这些分析结果的具体步骤如下：

1）分析数据：输入几十个切面和单个分析指标。切面：例如性别、年龄、职业等，指标：例如购买率、发布率、次留率等。

2）相关分析：分析切面和指标，切面和切面的相关性，剔除一些强相关的切面。例如7天内购买数量和14天购买数量这两个切面如果存在强相关性只需要留一个就可以了。

3）聚类分析：将切面的连续型数值通过聚类算法聚类成离散的类别。

4）信息增益率计算：计算信息增益率最大的切面，并在这个切面的基础上递归获取最大信息增益的切面。

5）剪枝：小于人数和增益率的阈值，则剔除子节点。

6）获取最佳切面：分析切面有效性，计算最小有效样本量。

我们会从几十个切面，例如职业、点击数、性别、年龄、消费水平等等几十个切面中进行切面分析，得到指标最优的切面组合。给出的结论如下所示（考虑到数据安全，以下数据非真实数据，仅供参考）：

活动命中人数1000000，活动整体（是否当日新购买）指标为5%, 其中年龄区间=20～30岁，性别=女性，人群切面的活动效果最佳（该切面人群数量为200000，最小样本量为10000，指标值为10%），后续可以根据人群切面的效果做策略调整。

AB桶效果切面分析

AB桶效果切面分析目的是找出受到活动印象最大和最小的切面组合。基于AB实验的人群切面数据差异对比，我们可以对正向影响人群做放大投放，对负向影响人群减少投放。

例如，活动指标切面分析购买率最高的切面：年龄区间=20～30岁，性别=女性，人群切面的活动效果最佳。这时候只能证明这个活动切面是购买意愿最强的，不能证明是否是活动带来的增量。例如在活动指标切面分析中发现年龄区间=20～30岁，性别=女性的切面效果是最好的，但是不是活动带来增量最大的切面，带来活动增量最大的切面是年龄区间=30～40岁，性别=女性。

AB桶效果切面分析具体步骤与活动指标切面分析类似，具体如下：

1）分析数据：输入几十个切面和单个分析指标。切面：例如性别、年龄、职业等，指标：例如购买率、发布率、次留率等。

2）相关分析：分析切面和指标，切面和切面的相关性，剔除一些强相关的切面。例如7天内购买数量和14天购买数量这两个切面如果存在强相关性只需要留一个就可以了。

3）聚类分析：将切面的连续型数值通过聚类算法聚类成离散的类别。

4）选取合理的切面组合：选取切面组合，计算最小有效样本量，设置阈值剔除人数过少和不满足最小样本量的切面组合。

5）获取最佳切面：获取差异最大和最小的切面组合。

通过以上的AB桶效果切面分析，我们就能拿到活动给各个人群切面带来的正负向影响。对切面30～40岁，性别=女性人群加大投放，对于没有明显提升效果的人群减少投放。

结论

纳米镜现在可以分析闲鱼线上已有的活动，包括222、红包、导卖活动等。运营只需要输入活动ID和对应分析的时间，即可通过交互界面分析得到相关的结果.考虑到数据安全，已经隐去了相关敏感字段, 分析结论示例如下：

活动指标切面分析结论：

活动命中人数xxx，活动整体（是否当日新购买）指标为4.77%, 其中用户年龄=xxx人群切面的活动效果最佳（该切面人群数量为xxx，指标值为5.71%）

AB分桶效果切面分析结论：

是否当日新购买指标在以下3个切面的提升最大，分别是:

• 桶xx（人数xxx 指标值5.62%）相比桶others（人数xxx 指标值4.86%）在切面是否敏感人群=1，30天内买家身份互动过的天数=xxx提升了0.76%（该置信度最小人数为xxx）

• 桶xx（人数xxx 指标值5.72%）相比桶others（人数xxx 指标值4.91%）在切面是否敏感人群=1，是否当天新会员=0提升了0.81%（该置信度最小人数为xxx）

• 桶xx（人数xxx 指标值5.73%）相比桶others（人数xxx 指标值4.91%）在切面最近30天的访问天数=x，是否敏感人群=1提升了0.81%（该置信度最小人数为xxx）

展望

本文介绍了如何对运营活动进行切面分析，活动指标切面分析可以帮助运营分析现有活动在哪些人群切面下效果最佳，AB桶效果切面分析可以分析在哪些切面下活动提升的效果最佳。但是现在的这些运营分析必须建立在活动已经投放的基础上才能进行复盘，还是存在着活动迭代周期长的问题。

后续,我们希望可以通过利用已有的知识，仿真运营结果，帮助运营降低运营成本和减少活动迭代周期。

2020，感谢有你

I will be at your side

抖音：@闲鱼技术

今日头条：@闲鱼技术

● 扫码关注我们