數據驅動運營決策-框架與方法（上）
- 2019 年 10 月 8 日
- 筆記
不過慢慢的，有一些更上層的問題問題讓我感到頭疼：做的這些事情，我清楚業務和老闆定下來的目標是什麼。不過，目標是否可能錯了？目標應該是什麼？又給企業帶來了多少價值？當時我並沒有一套行之有效的方法論可以幫助我去想清楚一個項目的目標，並去量化一個項目的價值。
於是，這一年多以來，我從管理回到一線，在參謀部重點做兩件事情：和這個領域內的教授、專家學習一些可以解決這些問題的分析框架和計量經濟學的方法（特別感謝 萬智璽 老師的栽培），用這些方法去評估公司一些重要的項目與產品的邊際價值、潛力，去指導運營做更高效的規劃。
今天我具體來聊的，就是如何清晰的思考和科學的量化項目的價值，如何優化項目目標從而更高效的完成業務的 KPI。而且我講的不是管理學的經驗，而是科學的、數據驅動的方法論。比如，在海外，對標競爭對手的司乘體驗水平，如果要達到 x% 的 market share 最少需要多少在線司機和發單？這是一類偏戰略分析、運營規劃的問題，解決這類問題不僅僅需要技術能力，也需要對商業模式清晰的思考、以及一個項目在商業模式下的位置以及價值. 這構成了本次內容要涵蓋的三個主體：
- 分析框架：多邊平台的經濟學框架；
- 項目定位：模型的兩類應用、價值、風險；
- 技術選型：因果推斷與機器學習。
多邊平台的分析框架
隨着技術的發展，互聯網+催生了大量的平台類商業模式。這些平台的運營、產品可能相差很遠，但是背後的理論模型卻極為相近。絕大多數的互聯網公司——無論是 BATJ、獨角獸、還是那些風口浪尖的企業，都可以類比成或大或小、或紛亂或簡單的市場。在這個市場上都有賣家和買家雙方，而平台的作用就是去撮合買家和賣家之間的交易。
舉例說，滴滴的賣家是司機，買家是乘客，平台分配合適的司機去滿足乘客的出行需求；餓了么、美團則是用戶、餐飲店、騎手端組成的三邊平台，這是個在線上將有外賣需求的用戶和餐飲店之間進行匹配交易，並通過配送完成外賣交易閉環的運營模式。
平台之所以可以興盛，因為它解決了傳統行業交易成本過高的難題。經濟學家根據交易的三個階段，把交易成本劃分為匹配、談判、締約、執行成本。比如你出門打的士，匹配成本發生在你尋找潛在交易機會的階段，你從出門揚招到找到一個可能載你的空車這個過程所產生的成本就是匹配成本；談判、締約成本發生在買賣雙方針對交易細節進行協商的過程，就是你和司機商量要去哪裡，是否接受拼車，是否願意加價的過程中產生的成本；而執行成本呢，則在於交易發生之後，司機是否會繞路，是否會中途讓你下車，這些你們所承擔的風險就是執行成本的一種。
滴滴的優勢在於利用互聯網大數據、精細化運營的手段極大程度上降低了交易成本：把司機和乘客從線下搬到了線上，通過秒級的分單調度匹配司機與乘客，通過平台統一定價節省了司機與乘客之間議價的成本，並通過司機服務分、乘客信用分來反向約束司機和乘客的行為。就是因為滴滴解決了高昂的出行交易成本，滴滴出行目前是全球最大的一站式出行平台，每天 3000 萬訂單的規模。
經濟學家把平台類商業模式，或者說撮合供需兩（多）端交易的商業模式統稱多邊平台 (Multisided Platform)。多邊平台有很多有趣的問題，例如低於成本的定價依然可以獲得巨額的利潤，又比如多邊之間的網絡效應帶來的協同增長、萎縮；另外，平台的規模以及獲取交易、用戶行為數據的能力為機器學習算法提供了非常好的生態…… 不過，這裡不會翻來覆去說多邊平台的複雜，而是其背後是一套簡單、科學的分析框架：KPI（主要是規模、體驗）= f（供給量）+ g（需求量）+ u（匹配效率）。f（供給量）+ g（需求量）在講的是邊際供給、需求對平台 KPI 的影響；而 u（匹配效率）在講的是給定一定規模的供給量和需求量之後，平台撮合供給 和 需求而實現規模、或體驗的效率。一個平台要做規模或者體驗的增長，只有兩個抓手：要麼進一步拉動供需規模；要麼做匹配效率的優化。
如果大家周圍有對數據分析&數據挖掘感興趣的朋友，歡迎在朋友圈分享&轉發一下，讓更多的朋友加入我們。有好的文章也可以聯繫我與大家分享，需要獲取代碼轉載本公眾號文章，可以直接在者文章下方留言。
