万博体育app手机下载
当前位置: 万博体育手机官网登录 > 万博体育app手机下载 >

浅谈运营工作中的贝叶斯陷阱

发布时间:2019-11-28 17:30

  贝叶斯定理广泛应用于各类场景,如机器学习、大数据挖掘、工程分析、金融投资等,本文仅探讨贝叶斯定理在运营数据分析中的一点思考。

  频率主义学派认为参数是客观存在的,即使是未知的,但都是固定值,不会改变。频率学派认为进行一定数量的重复实验后,如果出现某个现象的次数与总次数趋于某个值,那么这个比值就会倾向于固定。

  最简单的例子就是抛硬币了,在理想情况下,我们知道抛硬币正面朝上的概率会趋向于1/2,而贝叶斯提出了一种截然不同的观念,他认为概率不应该这么简单地计算,而需要加入先验概率的考虑。先验概率也就是说,我们先设定一个假设,然后通过一定的实验来证明/推翻这个假设,这就是后验。随后,旧的后验会成为一个新的先验。

  贝叶斯方法对于由证据的积累来推测一个事物发生的概率具有重大作用,它告诉我们当我们要预测一个事物,我们需要的是首先根据已有的经验和知识推断一个先验概率(或者根据事实引入先验概率),然后在新证据不断积累的情况下调整这个概率。

  如果某种疾病的发病率为千分之一,现在有一种试纸,他在患者得病的情况下,有99%的准确率判断患者得病;在患者没得病的情况下,有5%的可能误判患者得病。现在试纸说一个患者得了病,那么患者真的得病的概率是多少?(在看下文之前大家先凭感觉预估一下,真正的得病概率应该很高吧?)

  为了方便理解,我们先通过一个树形图进行判断,我们假设有100000的人群。

  通过以上树状图,逻辑就会比较清晰。在题干给出的条件下,患者真正的得病率是多少呢?用线)=1.94%

  这个案例就是贝叶斯定律比较经典的一个应用,在已知前提下测算事件发生的概率。

  我们有一个王牌训练营活动,每期活动我们会选择一个IT技术方向,设计系列课程,每日引导用户打卡学习,完成学习后领取奖品。活动分为招募期,课程期两个时段。

  在招募过程我们会投放诸多付费or免费渠道,如我们自建的流量池、微信矩阵、外部大站、论坛、SEM等,所有活动在结束后我们都会做复盘报告。

  在上一期复盘的过程中我们发现了一个有趣的数据,参与我们训练营的用户画像中,工作经验为1-3年的开发者居多,占比在70%以上。因此,我们这一期的活动复盘报告中有了如下分析:

  参与活动的开发者以1-3年工作经验者居多,说明我们的课程内容对此类开发者更具有吸引力,可以针对此类开发者,做课程设计上的优化。同时,说明工作1-3年的开发者对于自我提升上的需求更为强烈,后续可以在此群体重点推广。

  我们的训练营报名用户工作年限是1-3年居多,这是一个结果,我们只针对这个结果进行了分析。那么按照贝叶斯定律,很明显我们忽略了导致这个结果的前提条件:我们的投放渠道覆盖的用户工作年限的分布,这个前提条件的忽略最终可能影响了我们对整件事情的判断。

  如果活动投放渠道所覆盖的用户就是1-3年工作经验居多,自然报名训练营的用户也会是这个群体居多,那我们的数据复盘关于这一条的分析就是错误的,并不能说明我们的课程对工作1-3年的开发者更具有吸引力。如果我们的投放渠道用户分布平均,而活动报名用户出现了如上的分布,那我们的复盘总结便是有意义的。

  很明显,能发现本次活动自有流量池引流效果最为显著,报名人数占总人数的65%,而有趣的是,根据我们先前统计,我们的自有流量用户工作年限画像,1-3年工作经验的用户占比也是最多的,占整个自有流量池用户的半数以上。

  因此,在回溯投放渠道这一数据之后,我们发现最初的活动复盘中的分析并站不住脚。

  以上便是贝叶斯定律在运营中应用的一个小例子的分享,如果大家关注到这一点便会发现在运营的角角落落里都有贝叶斯理论的身影,一不小心我们就可能陷入贝叶斯陷阱而不自知,导致对数据或者整个运营活动的分析出现偏差,进而影响整个运营策略的制定和调整。

  人人都是产品经理(是以产品经理、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位服务产品人和运营人,成立9年举办在线+期,线+场,产品经理大会、运营大会20+场,覆盖北上广深杭成都等15个城市,在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一起成长。