<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>小眼睛看大世界 &#187; 决策</title>
	<atom:link href="http://www.melonlab.com/tag/%e5%86%b3%e7%ad%96/feed/" rel="self" type="application/rss+xml" />
	<link>http://www.melonlab.com</link>
	<description>IT、数据、产品、营销</description>
	<lastBuildDate>Fri, 20 Jan 2012 08:27:12 +0000</lastBuildDate>
	<language>en</language>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
	<generator>http://wordpress.org/?v=3.2.1</generator>
		<item>
		<title>浅见数据分析</title>
		<link>http://www.melonlab.com/data-analyze-ideas/</link>
		<comments>http://www.melonlab.com/data-analyze-ideas/#comments</comments>
		<pubDate>Fri, 10 Jul 2009 09:16:33 +0000</pubDate>
		<dc:creator>孙 晗</dc:creator>
				<category><![CDATA[知识管理]]></category>
		<category><![CDATA[决策]]></category>
		<category><![CDATA[数据]]></category>
		<category><![CDATA[数据分析]]></category>
		<category><![CDATA[营销]]></category>

		<guid isPermaLink="false">http://www.melonlab.com/?p=314</guid>
		<description><![CDATA[我们生活在数据所驱动的世界之中，要掌握这个世界，就要懂得利用如何进行数据分析。用数据来揭示本质，找出问题，提出解决问题的方案，执行之后再通过数据来反映解决程度。互联网的时代，对于利用数据、分析数据更是不容置疑的重要。因为，我们离数据是如此之近，而数据改善我们体验的故事也是如此之多。 <a href="http://www.melonlab.com/data-analyze-ideas/">继续阅读 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p><img class="alignnone size-full wp-image-318" title="data" src="http://www.melonlab.com/wp-content/uploads/2009/07/data.jpg" alt="data" width="500" height="375" /></p>
<p>我们生活在数据所驱动的世界之中，要掌握这个世界，就要懂得利用如何进行数据分析。用数据来揭示本质，找出问题，提出解决问题的方案，执行之后再通过数据来反映解决程度。互联网的时代，对于利用数据、分析数据更是不容置疑的重要。因为，我们离数据是如此之近，而数据改善我们体验的故事也是如此之多。</p>
<p>窃以为，数据分析有三种层面的理解：第一层，定期对已有数据的<strong>整理、分析及汇报。</strong>这是数据分析的最初应用。旨在通过频数等描述统计，用直观的报表或图形来“微言大义”的反应问题。如本月的女用户是增加用户中的比例，是总体用户的比例，这个比例达到一定情况下，说明了什么问题等等，这样通过已有数据来直观说明问题。不难理解，这样的数据处理方式与其是说数据分析，不如说是在做数据汇报。其目的性很明显，同时操作难度也不大，虽然简单，但是可以作为企业定量衡量绩效的重要方式。因为流程的可复制与程序化，大抵上可以采用一些软件来提高效率，当然，自行编写程序也是很好的选择之一。<span id="more-314"></span></p>
<p>第二层，<strong>基于目的性的分析研究</strong>。企业生存的核心是账面上的数字，但往往谈论的是产品和服务应该怎样被客户所接受这样的问题。因此，将企业所关注与讨论的问题定量化，模型化，而后去主动的搜索信息，基于模型整理、分析之后，揭示这些企业关心的问题。如服务的同质性、可替代性、主观问题如满意度的客观解释等。这些数据用描述统计所得到的结果往往是有偏、不一致的。需要通过数理统计的处理，应用<strong>适用的模型去测度</strong>。最终，告诉决策者，我们的产品与服务中诸如可替代性、满意度等问题的答案是什么。这一层面上，相较于第一层的“数据整理与汇报”而言，最大的改变是去测度，而非简单通过频数来描述。</p>
<p>第三层，<strong>无明确目的的问题解决性分析</strong>。前述的方式，无论是分析汇报数据的描述统计，还是基于对某一关心问题的测度研究，都是基于在决策层认为信息不足以决策之时，为了补足信息而做出的研究。而无明显目的的问题，则是决策层希望解决问题，但却不能确认究竟是哪些数据在影响问题，如何分析数据才能找到答案的情况下，用一个整体、且又模糊的目的来指导数据分析。比如，如何才能增加用户、如何将非积极用户转化为积极用户、怎样使得用户认可商业模式等等。要解决这类问题，首先要做的就是量化问题，将不明确的问题，用可以测度的变量来支撑。例如网站粘性不高问题的解决，可以转化为：定义积极用户、定义非积极用户的、此二者的差异、二者差异之于其他网络服务是否具有同样的差异等等可以通过第二层的数据分析测度的变量，用这些变量来支撑网站粘性不高问题，如何解决这样一个很难直接测度的问题。显而易见，找到可以<strong>测度的支撑变量</strong>，并且用这些变量支撑，是有足够可信度来发现问题的。这其中应用到的与其说是统计分析工具，不如说是统计思想。</p>
<p>对于数据分析，我认为没有任意一种工具与模型是可以通用的，因此每个问题都要通过统计思想与经验去甄别、选择合适的分析工具。更为重要的是，统计工具没有时髦与否，只有<strong>适用</strong>之分。要利用统计思想去探求事物的本源，而不是形而上的统计工具应用。</p>
<p>最后需要声明一点，上述的三层仅仅是为了说明问题，在实际应用中不宜将数据分析主观割裂开来。<br />
感谢阅读！一家之言，止曾笑尔。</p>
]]></content:encoded>
			<wfw:commentRss>http://www.melonlab.com/data-analyze-ideas/feed/</wfw:commentRss>
		<slash:comments>3</slash:comments>
		</item>
		<item>
		<title>群体影响力：人以群分的web2.0的营销与搜索</title>
		<link>http://www.melonlab.com/marketing-and-search-in-web20/</link>
		<comments>http://www.melonlab.com/marketing-and-search-in-web20/#comments</comments>
		<pubDate>Mon, 22 Jun 2009 06:41:17 +0000</pubDate>
		<dc:creator>孙 晗</dc:creator>
				<category><![CDATA[IT视野]]></category>
		<category><![CDATA[头脑风暴]]></category>
		<category><![CDATA[网络观察]]></category>
		<category><![CDATA[web2.0]]></category>
		<category><![CDATA[决策]]></category>
		<category><![CDATA[搜索]]></category>
		<category><![CDATA[群体影响力]]></category>
		<category><![CDATA[营销]]></category>
		<category><![CDATA[认同感]]></category>

		<guid isPermaLink="false">http://www.melonlab.com/?p=271</guid>
		<description><![CDATA[信息的泛滥，让人们基于信息分析进行决策的难度超乎想象。于是，越来越多的人，回到传统的口口相传，去接受影响，用具备认同感的群体的影响与建议去进行决策。如买房等大宗购买时，会优先选择具有认同感的群体所提供的意见。 <a href="http://www.melonlab.com/marketing-and-search-in-web20/">继续阅读 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p><a href="http://www.flickr.com/photos/arkworld/2430757385/"><img class="alignnone size-full wp-image-272" title="group" src="http://www.melonlab.com/wp-content/uploads/2009/06/group.jpg" alt="group" width="498" height="388" /></a></p>
<p>物以类聚，人以群分。作为社会中的一员，人们在进行决策之时，必然会受到<strong>周遭环境</strong>的影响。从家庭的结构到整个社会的环境，从所处的阶层到密切接触的群体。就像学生群体喜欢接受同龄人的思想，而排斥父母的意见一样，对于周遭环境的影响，我们总是接受其中的一部分，同时也会排斥一部分。与此同时，对于一些群体，尽管因为某些原因接触并不多，但是因为向往或者排斥，而受这些群体所影响程度较大。</p>
<p>信息的泛滥，让人们基于信息分析进行决策的难度超乎想象。于是，越来越多的人，回到传统的<strong>口口相传</strong>，去接受影响，用具备认同感的群体的影响与建议去进行决策。如买房等大宗购买时，会优先选择具有<strong>认</strong><strong>同感的群体</strong>所提供的意见。<span id="more-271"></span></p>
<p>这样，决策的过程被极大的简化。然而，具备好奇心的人们，不会安于既有的环境影响，如前所述，在摒弃了信息越多越好的意识之后，多找几个群体或者接触往常不易联络到的群体，来寻找这些<strong>群体的意见及影响</strong>的概念开始流行。于是乎，就像搜索引擎是满足人们为了<strong>攫取更多信息</strong>(无论是谁提供的)一样，以用户及人以群分为基本元素的web2.0逐渐成为满足这种需求（有认同感群体提供信息）的工具。在开心网的流行、Twitter的热捧等web2.0服务表面现象之余，我们的决策也越来已越来越基于其上的<strong>群体影响力了</strong>。</p>
<p>顾视一下最近的决策，如鼠标旁的手机，或者交通工具，这些购买欲望及选择是否源自阁下的认同群体？是否在互联网上向这些认同群体去咨询，并听从了他们的建议呢？如果没有，今后会不会去进行呢？Web2.0很好的提供了这样一个渠道去接受影响，曾经火爆无比的社交网站（现在依然健康），目下最热门的微型博客， 都给我们这样机会。</p>
<p>所以，我认为现在web2.0的发展是一条提供<strong>群体影响力</strong>的道路。诚如开心网的办公室“白领”群体及其细分，QQ空间的学生及白领女性及其细分等。聚合的人群产生的影响力对人们的决策起了关键作用，人们也在乐于接受这种模式。这种通过群体影响力来影响人们的需求与决策，窃以为是web2.0的发展与营销方向。</p>
<p>不可否认，当细分的群体太多，提供的影响力的群体过于繁杂时，对进行决策而言就是个负担，重蹈了信息泛滥的覆辙。因此，搜索变得必不可少，利用搜索引擎来高效的检索这些群体，以接受影响与建议。这就是web2.0的新搜索，当然，其中的问题还太多，Twitter的尝试，现在还不能用成功来形容，但是我认为，对于新营销与新搜索的问题，不能成为我们拒绝创新与尝试理由，亦坚信，为我们生活带来更大便捷的群体影响力与搜人（群体）的服务将会不日到来。</p>
<p>感谢阅读。一家之言，止曾笑尔。</p>
]]></content:encoded>
			<wfw:commentRss>http://www.melonlab.com/marketing-and-search-in-web20/feed/</wfw:commentRss>
		<slash:comments>1</slash:comments>
		</item>
	</channel>
</rss>

