業務模型 VS 算法模型,到底該怎么用?
在數據分析領域,我們經常會遇到各種模型,從經典的4P營銷理論到復雜的機器學習算法。這些模型在形式和應用上各有不同,但它們的共同目標是幫助我們更好地理解和解決問題。本文將深入探討業務模型和算法模型的區別,以及它們在實際工作中的應用和優勢,幫助讀者在面對不同問題時選擇合適的模型工具。
提到數據,就必須提到各種模型。小伙伴們經常有疑惑:從4P、SWOT、RFM到線性回歸、決策數、Kmean聚類,都有人管它們叫模型,那這些模型到底有啥區別?今天一文講清,大家看完再也不迷路哦。
一、一個例子,看懂二者區別
模型一詞,本身指的是“對現實世界的抽象”,通過少數關鍵信息,描述復雜的問題。
提煉關鍵信息的方式有2種:如果從業務角度做提煉,就是:業務模型;如果用數學、統計學、運籌學、機器學習方法論提煉,就是:算法模型。
舉個簡單的例子,我們常說“營銷4P模型”,這個4P其實是從業務邏輯出發的。站在業務視角,只要我做好了商品、渠道、價格、促銷,就能把貨賣出去。
但是落到數據層面,就有很大區別。商品和渠道屬性很難量化,我們只能通過打標簽的方式,粗略對比不同標簽下銷售指標差異(如下圖):
商品價格/促銷與銷量的關系,容易用數據量化,因此催生出一個經典的算法模型:價格彈性模型。首先采集不同價格下商品銷量;第二步,擬合函數,總結出量價模型;第三步就可以拿模型推測漲價效果,或者求出利潤最大化的價格了(如下圖):
注意!方法都是為解決問題而設計的,兩種方法各有優勢。
二、業務模型的優勢
業務模型最大的優勢,在于能從業務角度給出問題的解釋。
比如:
- 是不是我的策略不對?
- 是不是我的選品不行?
- 是不是我的執行力不行?
類似“策略”、“選品”、“執行力”這些業務上思考 ,很難直接用x、y的加減乘除關系來衡量。此時就得構造業務分析模型,先把“策略”、“選品”等名詞量化,再用邏輯樹的方法,對問題進行拆分,構造一個層層深入的分析邏輯,用排除法找到正確答案(如下圖)。
業務模型的第二個優勢,在于容易觀察業務行動的效果。
比如上圖中,基于邏輯樹,業務改進了執行動作,增加了人力投入。我們可以直接觀察:邏輯樹頂端問題,是否變好了,從而判斷分析是否真的到位(如下圖)。
業務模型的第三個優勢,在于清晰業務主體責任。
比如都是做預測,如果直接用回歸算法或者平滑算法給出一個結論,那么業務部門就沒法看到自己行為的效果,還會迷惑地問:“那我下周加班不加班,結果一樣嗎?”“如果我搞不掂A客戶,轉而做B客戶,是不是預測會不一樣?”(如下圖)
此時如果用業務模型來預測,可以直接把整體指標按部門拆開,讓各部門填寫自己預期情況。雖然具體參數可能需要拍腦袋得出來,但是每個部門能直接看到自己需做到什么水平,從而反向激勵業務必須行動。即使沒有完成任務,也能清楚看到“是誰沒完成”。從而更快速地思考對策。
三、算法模型的優勢
算法模型最大的優勢,并不是比人聰明,而是運算速度快+省事。比如經典的互聯網推廣問題,各種限制條件一堆:“推廣總預算,每個渠道轉化率,每個渠道可以預約檔期數量”等等。
此時,如果用人力去安排,可能要計算半天,但熟悉運籌學的同學們都知道,這是個典型的線性規劃模型,只要能寫清楚建模假設,
就很容易出結果(如下圖)。
更方便的是,如果以后有調整,比如:
- 修改總投放費用
- 渠道檔期數變化
- 渠道轉化率變化
那么只要修改模型參數,就能快速出結果了,非常方便(如下圖):
算法模型的第二個優勢,是能發現業務沒注意到的情況。
比如做商品分析的時候,業務上是可以手動輸出一份《商品關聯規則表》,但這個表格的規則是固定的。如果用關聯規則算法,則可以突破業務思路的限制,發現更多潛在關聯銷售邏輯。雖然不見得是“啤酒與尿布”這么夸張的東西,但是也對啟發業務思路很有幫助(如下圖)。
算法模型的第三個優勢,就是處理大規模數據了。
典型的業務模型RFM,做用戶分層時,如果每個指標分3類,那么就有3*3*3=27類,在業務上已經復雜到很難匹配對應策略了。但是如果用協同過濾算法,完全可以做到千人千面,這也是算法模型的巨大優勢。
之所以互聯網公司傾向于用算法做推薦,主要是源自互聯網平臺上的商品量以十億計,極難手動匹配規則。
四、業務與算法,如何完美配合
想要做好順暢配合,建議大家在項目啟動前,先花時間梳理好:到底要解決什么問題。而不是一上來先說:我要個模型。先捏個模型出來,再拿著錘子找釘子。
如果要解決的問題本身不清晰,比如:
- 診斷類問題:到底指標異動是因為內部還是外部原因?
- 標準類問題:到底該怎么定義“高價值用戶”、“有效的策略”?
- 測試類問題:我有個新想法,還沒實行,不知道有沒有效果?
此時建議做業務模型,先把問題梳理清楚,把定義明確好,拿到測試數據,再看進一步怎么做?
如果要解決的問題定義清晰,且有數據積累,就很適合做算法模型。特別是即使業務很努力,也很難提升效果的時候,比如用戶流失挽留,新用戶電話銷售等場景,天然響應率低,通過模型篩選目標群體能極大提升業務效率,此時效果好。
本文由人人都是產品經理作者【接地氣的陳老師】,微信公眾號:【接地氣的陳老師】,原創/授權 發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自Unsplash,基于 CC0 協議。
為啥語音閱讀沒有啦。