“我们使用的很多测量方法并没有给我们想要的结果”:用Netflix的方式处理数据

Netflix的萨提亚•库纳普利(Satya Kunapuli)表示，通往数据天堂的旅程涉及到人与机器之间的挑战。

Kunapuli在悉尼的“做数据Netflix之路”活动上发表了讲话，他指出，尽管广告技术和营销技术取得了长足进步，但营销人员在很大程度上仍在使用老式的方法来衡量广告效果。

Kunapuli在互动思维活动上告诉观众，Netflix的数据科学家和公司营销人员之间的冲突是该公司开始这段旅程的原因之一。

“我们使用的许多测量方法和技术并没有给我们想要的结果，从根本上说，我们知道这些测量方法并不正确，因为我们是一家数据驱动型公司。

“我们从产品人员那里获得了一些非常有力的观点。从他们的角度来看，持续的挑战是市场营销都是无用的，他们没有从数据中获得的具体指标。

Netflix付费媒体营销分析团队的负责人Kunapul解释说:“这让我们重新思考我们应该如何进行测量，以及我们应该使用什么技术和措施。”

对Netflix来说，管理一个扩展到90个国家、每年为全球1亿名会员提供450亿小时可观看时间的业务规模，意味着该公司一直在考虑如何实现运营自动化。

Netflix的管理层面临的一个问题是，大量的活动难以人工管理，在业务的速度和规模下做出决策几乎是不可能的。

Kunapul说:“Netflix的很多营销都是‘基于CPM’的，在今天的多样性和规模下，CPM已经不起作用了。”

Kunapul将他的数据之旅分为四个步骤，从最基本的传统营销到分析、预测模型、A/B测试和应用基于增量的算法。

在Kunapul看来，传统的营销是纯粹的相关性，在许多情况下，潜在的需求不受营销的影响。

“虽然有8%的点击率，但5%还是会发生。”

Kunapul的观点是，有很多变量可能会影响一个数据点，而这些变量与市场营销或广告几乎没有关系，而且往往是活动获得了太多的赞誉。

分析是旅程的下一个阶段，Kunapul强调了“深思熟虑”这个词，因为该公司将大量数据关联起来，从而可以建立预测模型。

这些模型允许分析师剔除季节和其他活动等增量因素，并引用了一个例子，在对一个活动进行深入研究时发现，视频比富媒体好10倍，而不是最初声称的3.5倍。

A/B测试仍然是Netflix的一个强大工具，Kunapul举了一个例子，它发现在纽约天气网站上的广告不会改变订阅量，不管天气状况有多糟糕，尽管主流观点和肤浅的数据表明它会改变。

虽然A/B测试是有效的，但这需要大量时间，而且无法达到netflix的要求，这导致该公司越来越多地使用增量算法方法来测试广告。

库纳普尔说:“这一切必须以高得离谱的规模发生。”这就引出了“探索和利用”的理念，即在任何特定时间你都在测试，但如果某些内容获得成功，你便能够迅速利用它。

库纳普尔认为，在一个数据泛滥的世界里，分享知识和合作对营销人员来说是必要的:“这种信息共享将使所有人都平等地漂浮在水面上。最终，作为营销人员、代理机构和平台，我们合作得越多，回报就越好。”