📈數據變現的秘密 #文末抽書
🔹數據告訴你的東西,比你想像得多
✅ 消費者會說謊?
消費者可能會不自覺地說謊,但他們並不是有意的!有可能是「自我報告式」的回答搜集,帶了較多的主觀意識,加上調查者對消費者不了解,設計的問題無法切中目標核心,導致調查者與消費者的的反應結果與認知有所不同!
也可能因為消...
📈數據變現的秘密 #文末抽書
🔹數據告訴你的東西,比你想像得多
✅ 消費者會說謊?
消費者可能會不自覺地說謊,但他們並不是有意的!有可能是「自我報告式」的回答搜集,帶了較多的主觀意識,加上調查者對消費者不了解,設計的問題無法切中目標核心,導致調查者與消費者的的反應結果與認知有所不同!
也可能因為消費者「想像」的答案,和他們「真心認同」的答案是有出入的。有可能是因為外在文化或是廣告等因素,選擇了大眾認知的選項,但心中也有一定機率的潛意識是有不同認知的。
✅ 消費者不知道自己要什麼
史蒂夫・賈伯斯曾說過:「消費者並不知道自己想要的是什麼。」因為消費者不太可能知道現在不存在的產品,或是現在最劃時代的新材料等。所以這時候要在「了解消費者想要什麼」和「聽消費者說什麼」之間,找到一個不只流於表面、又能打破虛幻的交叉點。
🔹常見數據迷思
❌ 數據樣本數越多越好
大數據之所以叫做大數據,一定要樣本數量越多越好!這個觀念其實不一定是正確的,因為數量越大,反而可能會導致族群特性消失,這時不管研究對象有上千人還是上萬人,並沒有太大的差異。
💡善用「樣本分析」,調查結果必須與其他結果做連動、分析,一份達到理解消費者目的的數計,才有大量搜集數據的意義。
❌ 用性別&年齡做單一數據分析
性別與年紀的區別,現在越來越模糊了,如果想要做到更細緻的數據分析,就要捨棄性別和年齡來分類消費者的習慣。人們的性別與年齡確實會有重疊的地方,但使用者行為並不全都是因為特定的性別和年紀產生的。
💡反向推薦符合「個人」取向的產品,或是將消費者行為群體化,不再向所有人推播一樣的廣告,只提供符合相似他們行為的資訊,更能提高轉換效率和下一步行動的意願。
🔹主動式數據 vs. 被動式數據
畢達哥拉斯說:「萬物皆數。」
世間萬物都可以被數據化,也都將成為數據。而其中有時候是主動式資料,有時候是被動式資料。
✅ 『主動式資料』:不必親自紀錄,由機器自動記錄的情況。
e.g. 在手機上安裝軟體,讓手機每幾分鐘就自動記錄使用量。
✅ 『被動式資料』:透過問答型式蒐集的人為整理資料。
e.g. 詢問對方手機一天的使用時間
💡主動式數據不會說謊,但並不代表正確答案,只能推測形成該現象的原因。
因此,使用主動式數據確認事實,再透過核心問題進行問卷調查,才會更有效率。
🔹數據真的重要嗎?
『沒有數據也能生存下來的公司,遠多過沒有數據就不能存活的公司。』
對一些實體企業而言,數據並非必需品,而只是用來強化產品的銷售,協助做出與其他企業間的區隔,並非該企業的本質。
有些公司正處於成長期、瀛運狀況良好,沒有必要去探究數據,所以將精力集中在擴增銷售地點與商品銷售上。
總結來說,應該要重新調整努力方向,去做頓公司核心產品有幫助的分析。
🔹如何活用數據?企劃開始前的3問
❶ 現在所執行的企劃,是誰的想法?
大部分的時候,都是根據上級想要的方向進行分析。
→ 但身為一位分析者,我們必須付出努力,在企業和高層期望的關鍵字中,以真心想理解消費者為出發點,找出市場趨勢,用自己能力範圍內最有創意的方法將主軸具體呈現出來。
❷ 冗長的分析作業非做不可嗎?
只有平常會犯錯,並從錯誤中成長的分析師,才能夠累積大量經驗,並快速整理出數據的核心。
→ 可以將數據切割到精準的單位進行觀察,藉由這種「由下到上」的方式,進行新研究。
❸ 分析得主軸明確嗎?
分析人員不能迷失自己的道路,要找到數據的目標,努力去找出主管問題背後真正的意義。
→ 多假設幾種具體狀況,獲得更多元的答案。
🔹企劃進行中的6問
每個調查企劃都可能產生許多不同的分析主軸,為了確保遺漏,最好有個系統性的SOP,也就是「六何法」
以企業or 賣家角度
Who:定義服務的顧客
When:為數據加上時間序列
What:服務的顧客&群體喜歡什麼產品,以及喜好的原因
Where:地理位置&環境因素
How:滿足消費者的方法、戰略
Why:所做的目的是為了「消費者心理」
以個人品牌or 自媒體角度
Who:粉絲、受眾
When:企劃&活動曝光的時間
What:粉絲喜歡的內容和原因
Where:曝光的渠道
How:製作粉絲喜愛內容的方法
Why:希望達成的目的
🔹最後,數據要告訴我們什麼?
其實數據分析就是一個研究新事物的過程,我們之所以要分析每個數據,是想將這些蒐集到的數字,創造成一個故事,同時也是滿足疑問的過程,去觀察在研究的過程中是否有遺漏的地方,或是了解哪些情況會對消費者造成影響,這些過程都是動態且需要不斷回顧的。
✅研究新事物✅滿足疑惑✅創造故事✅檢查遺漏
🔹倆職推好書 #抽獎辦法
✅追蹤倆職女子 @ol.slashie
✅分享此篇貼文至限時動態並tag @ol.slashie(請留存截圖,中獎會檢查唷!)
✅在貼文底下tag 2位朋友並隨意留言
✅抽獎活動於 07/11(日)晚間11:59截止,並於07/13(二)限時動態公布中獎名單!請持續追蹤我們唷!
*感謝樂金文化 @knowing2018 提供贈獎 #讀墨電子書序號*2❤️
*倆職女子保留變更活動及解釋的權利
#倆職書櫃 #讀書心得 #好書推薦 #文末抽書 #讀書筆記
因素分析樣本數 在 玩遊戲不難,做營運好難 Facebook 的精選貼文
【💡💡營運小教室-第32堂】🕹 A/B測試 重點分享 🕹
.
🔎文章同步部落格:https://bit.ly/3rPadlk
(圖文同步、畫好重點,閱讀更方便)
.
最近這兩週我在研究A/B測試,
何謂A/B測試我就直接引用文章內的話:
「針對某一需要改進的功能、頁面或是產品,提供兩種或以上的方案,合理分配流量,將不同方案发布給不同用戶。在運行一段時間後,結合各項指標和科學的統計方法,對比實驗數據做出決策,將最優方案更新給全量用戶。」
.
因此,A/B測試在現今網路行業中被用的相當頻繁,
Google更是把A/B測試視為圭臬,
大到一個功能,
小到一個按鈕的顏色都要做A/B測試,
也因為Google進行了大量的A/B測試,
把用戶旅程(user journey)中每個節點的轉換率一步步提高,
使得每次產品功能或是頁面的改動更符合多數用戶需求,
自然效能與績效就能極大化,
其他像是臉書、亞馬遜等電商公司,
都是將A/B測試納入必要的工作項目內。
.
專門在做這工作的人,
現在也有個很新穎的職務名稱叫成長駭客(Growth Hacker),
大家到104人力銀行搜尋就知道其工作內容,
這邊不贅述。
(注意,A/B測試只是成長駭客內的其中一個工作項目,並非成長駭客就只做A/B測試,差很多)
.
遊戲業坦白說在營運上不太會進行A/B測試,
因為用戶幾乎都從雙平台上下載遊戲,
如果要做A/B測試就只能在雙平台上著手,
新產品或許還能這樣做,
但對既有產品來說就不切實際點,
因此A/B測試通常會出現在廣告的買量測試中。
.
以下分享我自己在A/B測試上的心得分享:
.
1⃣A/B測試不代表一次只能測試兩個,你想測試2個以上也行,主要是得確認每個群體樣本數要夠多,如果樣本數太少,達不到性效度的話,做出來的結果就沒有參考價值。
.
2⃣如何確認有足夠的樣本數呢?身為營運人員,自家的營運數據自己最清楚,可以透過這個網站輸入母體大小,就會自動算出要多少樣本數才能達到統計顯著性。
👉https://zh.surveymonkey.com/mp/sample-size-calculator/
.
3⃣假設是投放廣告,如果不曉得母體會有多少,那可以用以下免費工具來反推,例如你想要達到的轉換率是1%提升到5%,這個頁面就可以幫你計算出兩個群體各自要曝光幾次才足夠,就能判斷預算會花多少。
👉https://clincalc.com/stats/samplesize.aspx
.
4⃣會需要計算上述的原因主要有兩個,一個是預算問題,另一個是在不確定風險下,建議做足夠樣本數就好。
👉舉例來說,如果今天某款遊戲每月付費玩家有10,000人,如果想改動一個功能,可能一開始會想到的做法是隨機5,000人分配到不同群組(也就是A/B測試為50% / 50%)。
.
但這樣就會有一個風險,萬一這個改動是失敗的,等於就會直接影響到5,000人,那在A/B測試期間,可能就開始蒙受不小的營收損失,或是等不到信效度出現就提早結束測試,因此如果能事前估出足夠的樣本數,就能降低上述風險。
.
以10,000人這例子,丟到頁面內,只要370人的樣本就能達到統計顯著性了,不用分到50% / 50%這麼多,只要5%就足夠了,這樣即使A/B測試不理想,也只會影響到那5%付費用戶。
.
5⃣要確保兩個群體是完全獨立,而非交集,如果有交集,就會影響分析結果。
👉這點比較吃技術的工,技術要能夠確保實驗對象進入A/B測試時會被隨機分派到不同群體內,如果因為裝置過多、版本不同等因素而導致有部分用戶既是A群體、也在B群體的話,那就會導致數據判讀出現錯誤。
.
6⃣不要在一個A/B測試還沒做完情況下,又緊接著做另一個A/B測試,除非能確定這兩個A/B測試是完全不相干,不然不但在分析時不容易分清楚每個群體,也很容易影響整個數據的分析。
.
7⃣做出來的結果到底有沒有達到統計顯著性,可以把數據輸入到這個網頁內,非常方便。
👉https://abtestguide.com/calc/
.
8⃣A/B 測試前,可以先執行A/A測試,先確認目前的隨機分配中有沒有其他的變異數,確保這兩個群體的整個營運數據夠乾淨。
👉由於測試的是群體內有沒有其他變因,而非方案本身,因此在流量分配上就能夠以50% / 50%進行。
.
以上就是我對於A/B 測試目前的經驗與心得分享,
如果要再探討下去絕對有更多的理論基礎與分析模組,
我自己也還在學習摸索中,
日後如果有甚麼心得或是勘誤,
我會持續更新在這篇文章中,
如果你有其他心得或是已經發現錯誤的地方,
也歡迎分享給我。
.
🔎參考資料:A/B 測試要測多久?從統計顯著與檢定力看廣告測試結果
https://bit.ly/3CcQAIL
.
🔎延伸閱讀:谷歌是怎么用A/B測試的
https://bit.ly/3lr6KYZ
因素分析樣本數 在 3Q 陳柏惟 Facebook 的最讚貼文
【國產疫苗的重要性】
莫德納疫苗已經抵台,同時國產疫苗也傳出新進展。目前高端、聯亞進展順利,預計很可能在夏天時能成為生力軍。
從昨天陳部長血淋淋的BNT故事可知,我們買個疫苗也會被阻擋。 唯一會阻擋我們的是誰? 我想大家都很清楚。
同樣以日本、韓國的例子而言,日韓都已經手握足夠讓全國人民打疫苗的合約,背後也有美國支持,為何日韓都還在開發疫苗?甚至有許多進度都還在一期、二期臨床試驗,比我們的國產疫苗還慢 ?
原因很簡單,全世界都知道,很可能中國開始的病毒大流行,牽動著地緣政治的變動,而疫苗正是此時的戰略物資。就算台灣買到了足夠大家打的疫苗,我們還是得繼續投資疫苗國產的能力,因為沒有人知道疫苗的合約會被什麼因素干涉,沒有人知道病毒會不會季節化,需不需要第三劑甚至不斷改良開發的新疫苗。如果有自主研發的能力,應對疫情的能力,自然會比單純進口、或是代工廠的彈性來得強。
去年美國將加速開發疫苗過程視為重要戰略任務,因而推出所謂 「疫苗曲速行動(Operation Warp Speed)」,投入至少100億美元,同時分別贊助楊森製藥、阿斯利康製藥-牛津大學、莫德納、默克藥廠、Novavax、賽諾菲和GSK,並和這些藥廠事先簽訂購買合約,透過多線挹注的方式,讓藥廠互相產生競爭,同時也有一定保障,就算如默克藥廠至今都還沒做出可用疫苗,但多家藥廠的成功,結果就是做出了充足的疫苗。甚至手上還有多的疫苗可以送給其他友邦。
我們看到過去幾個月,有不肖政客質疑發展國產疫苗圖利廠商、有留言抹黑執政團隊挺國產疫苗是為了炒股票,也有人不斷釋放國產疫苗不可信的消息,要來打擊台灣疫苗自主的腳步。
那些可笑的傳言不說,我這邊要說明,目前高端與聯亞的疫苗都完成第二期臨床試驗收案,他們的樣本數,都超過傳統二期臨床試驗的規模。但最終在解盲後,必須先要拿出有效的二期試驗結果,加上理想的有效中和抗體效價試驗報告,才能取得EUA(緊急使用授權)。
今年5月17日,一篇發表在nature medicine,實際比較7支疫苗中和抗體效價和保護效果的論文[1]也顯示,一二期臨床實驗取得之中和抗體效價和疫苗實際效果高度相關,可用來預測疫苗效果,以及追蹤疫苗的保護能力。例如Moderna和輝瑞等mRNA疫苗,就能產生相當高的中和抗體,而中國科興疫苗產生的有效中和抗體就相當低,和臨床結果完全一致。
因此,如果國產疫苗可在同一實驗室、用一致的方法,和打過其他疫苗以及武漢肺炎康復感染者血中抗體濃度比對,達充足濃度,就能達成所謂「#免疫橋接」。這過去除了武漢肺炎疫苗,也運用在肺炎鏈球菌疫苗研發過程上。
然而,我們要特別注意的是,美國FDA在EUA核發前,要求疫苗生產商對半數受試者在接受最後一劑疫苗之後,要進行至少兩個月的追蹤,確保是否有不良反應。我們要求,國產疫苗就算通過擴大二期臨床試驗認證有效性,「安全性追蹤」的時程絕不能縮短,且在仍須繼續擴大三期收案、追蹤不良反應,並追蹤中和抗體效價在血中濃度變化,以提供充分的數據以供分析,取得正式許可,在此之前主管單位是有權隨時收回EUA的,也須善盡監督之責。
國產疫苗的持續開發,不只是拼七月、八月開始施打,而是建立起台灣的安全堡壘,未來在應對變種病毒等其他事態下,都能增加我們的戰略彈性。我們必須把步伐紮穩,確保疫苗安全有效,接著需持續投資研發與擴增產量,除了可守護台灣人的健康,更具有戰略性的意義,是台灣不被他國威脅的保障!
參考資料
1. Khoury, D. S., Cromer, D., Reynaldi, A., Schlub, T. E., Wheatley, A. K., Juno, J. A., ... & Davenport, M. P. (2021). Neutralizing antibody levels are highly predictive of immune protection from symptomatic SARS-CoV-2 infection. Nature Medicine, 1-7.
因素分析樣本數 在 健身教官-應充明Jimmy Facebook 的最佳貼文
《為什麼實驗都是使用小白老鼠?》
最近一期3HFIT關於HIIT的影片, 研究人員透過小白老鼠的實驗分析了MCIT與HIIT型態對於皮下以及內臟脂肪的影響
在彈幕中, 有同學就提出了: 為什麼使用小白老鼠的實驗結果? 跟人類有可比性嗎? 我就幫大家科普一下, 為什麼絕大多數的醫學/藥品/運動實驗都選擇一小白老鼠最實驗?
1. 小白老鼠的基因排序與人類非常接近, 身體的代謝功能也與人類相當類似, 因此可以拿來當作一個非常理想的參考標準
2. 小白老鼠的每一隻的個體差異極小. 由於很多實驗需要眾多樣本數取樣來做比較. 在這個前提之下, 就必須讓影響結果的客觀因素降到最低. 而小白老鼠之間的差異很少, 所以比較可以得到一個中立的數值
3. 小白老鼠養殖成本低. 這應該就是另一個最重要的因素了. 人類不斷的進行諸多的實驗, 絕大多數無法在人類上直接執行(除了安全性之外也會有道德性的問題), 所以必需要先取得大量的動物實驗數據. 而首選的當然就是便宜又易於飼養的小白老鼠(當然也有大鼠)
所以這解釋了為什麼很多實驗都跟小白老鼠有關係的原因. 在此, 我要向促進人類進步的小白老鼠們一鞠躬, 因為了你們, 人類才得以窺視科學發展世界的冰山一角(鞠躬)