谷歌如何靠数据驱动制胜？
这篇文章，我和大家讲解数据驱动的真实案例。
一、数据驱动业务的企业能力
今天跟大家讲的话题，是关于中国互联网发展到如今的每一个项目，在实际运作中，怎么通过数据，去真正驱动互联网项目业务发展。
大部分企业需要的不是去做获取流量，而是让项目产生利润、带来收入，并且能够在不同阶段用不同方式，通过数据去驱动产品、运营、设计、营销。
对于一个比较严谨的互联网产品来说，从零开始、探索期、成长期各个阶段积累起来的数据到底能够用来做什么？
我们经常说的大数据，它的目的是什么？它是怎么来的？它用在了什么地方？
举个例子，我们每分钟在淘宝上面的点击行为，实际上是给淘宝系统输入了大量的用户行为数据，并被系统识别为用户标签。
所以淘宝可以针对每一个人在淘宝上的访问情况，给我们推荐、推送相关商品，包括优化用户体验，其目的是让整个淘宝（它的APP或者网站）的转化率不断提升。
同样是两个企业，一个做了数据驱动业务优化，另一个没做，那么如果大家花同样的钱去买同样的流量，做得好的企业，每一个项目能产生的业务价值，可能是每个数据驱动业务企业的一百倍。
这可是天壤之别。
二、增长和健康增长
现在有个不好的现象是，很多团队对流量有极大的渴望，SEO也好，去做微信的内容营销也好，需要流量没有错。
但是任何公司都需要解决的问题，是你的流量获取的成本和你整个利润是否能够平衡。
流量X转化率-（研发+税+物流）
这个公式其实很简单，所有人一看都会懂，但有几个问题：
第一，大部分人会在转化率上出问题，没有办法往上走;
第二，举例来说，如果你是做电商的，当你发现后面成本永远大于前面时，这个生意就是不可持续的，你的流量越大，你的订单越多，你的成本其实越高，你就一直在亏钱。
现在有一个概念很火，叫增长，那么什么是增长？很多人认为流量获取越多就是增长。
如果按照这个理念，将前面说的公司代入公式里，你肯定会发现一个问题，就是你增长越多越亏本。
所以光是增长不行，你需要的是健康增长。
首先，这里有几个定义是非常重要的。
每用户平均收益(Average Revenue PerUser，ARPU):简单的理解就是“能从每个用户那里收多少钱”，是衡量产品盈利能力的指标，也可用来检测不同市场渠道获取的用户质量。
ARPU 的通常计算方法是产品在一定时限内的收入/活跃用户数，结合单用户的获取成本，可以推断出产品是否能形成自我造血的持续发展能力。
也就是说，通过ARPU，你就能看得出这个产品是否能自我造血。
如果ARPU值做不上去，做再大的市场投放是没有意义的，因为他们是要亏本的，所以就应该放弃。
举个硅谷的例子：增长并非Snap最看重的事情，Snap团队根本就不care所谓的拼命增长，他们在乎的是哪些市场能够带来最大的利润。
由于Snap从Google和Amazon租用计算基础设施，并努力控制成本，因此团队更重视吸引有经济价值的用户。
该公司在最近的季报中称其用户总数在过去一年只增长了21%。
但这些用户大多来自利润丰厚的北美市场，Snapchat可以在这些地方增加每用户平均收入。
如果能够精确定位产品，在ARPU相对比较好的市场内，能够不断进行迭代和行业务增长的话，这是可以持续做下去的，前提是有可以帮助决策的数据驱动方法。
三、如何构建正确的数据驱动职能和认知体系
当企业在做决策时，大多数情况，我们可以用硅谷比较流行的说法叫做HIPPO，就是Highest PaidPersons’Opinion。
很多公司就是谁拿的钱最多听谁的，一般就是听老板的，但没有依据系统和数据的支持。
问题是老板也只是一个普通的人，也只是属于某一类人。
即便这个产品有1000万用户，老板也只是这1000万用户里面的某一个特定的小样本集，而1000万用户则是个大大的样本集。
所以，如果你是老板，怎么可能用你自己的业务经验来决定这1000万人的需求？
因此，当数据量累计到一定程度的时，我们不可能靠任何个体经验决定整个群体的行为特点。
那么怎么样做数据驱动？其实在我看来，它有四个层面的涵义：
第一个层面，就是我们要用数据为整个产品运营和营销团队的用户行为分析提供一个坚实的数据基础；
第二个层面，用数据判断某一个版本的设计方案是否能够产生业务价值，不是看设计的好不好看、是不是高大上，而是你的设计有没有解决业务价值。
即便你的网站设计得并不怎么好看，但是你的流程让用户一看就明白，用户非常接受，并且能够立刻把业务流程做完，那你的设计就是有业务价值的。
第三个层面，就是优化营销策略，实现个性化精准营销，这里的精准营销，不是大家听到的所谓的投广告。
举例来说，我们在大众点评去搜索自己感兴趣的餐馆或者菜系时，每一个人搜完呈现的页面都是不一样的，这个就是基于用户行为数据，实时反推到前台，给用户一个个性化的搜索结果页。
第四个层面，是如何能够持续提高产品的这个转化率，不断驱动业务发展。
我们可以这样来看：你的系统能否在现有的客户盘子里，建立一个筛子，把各种各样的用户情况预测出来，并且不断在每个业务产业里面给用户希望看到的东西。
如果能够让用户觉得产品介绍很符合自己的心理预期，让他有兴趣去购买，你的项目就成功了。
四、数据驱动产品和业务优化的实际案例
大概很多互联网团队，在使用分析工具时，最重要的一个诉求就是希望能够提升转化，其次是希望能够提升网站的性能。
对我来讲，其实网站的性能和APP性能是很重要的监测点，因为它会直接影响用户的体验。
例如，大家都认为苹果公司是做硬件的，苹果公司有几个产品体系是严重依赖大数据的。
第一个是叫做iAD，第二个就是UX。为什么？
苹果利用它的原生应用，每次出厂的时候都会内置在iPhone里面，包括硬件产品所有设计的数据分析会直接帮助苹果改进下一款含原生应用和硬件产品的iPhone。
第二个，iAD是Apple Store里面的广告，这些广告所有排序的方法（包括调整一些应该得到正常排名的新的app和一些本身不好但是被刷上去的app的排序），完全是依赖于用户在产品使用时的点击数据。
还有一个是推荐引擎，其实亚马逊的推荐引擎产生的利润占亚马逊公司的30%—40%。也就是说没有这个推荐引擎的话，它的整个利润会砍掉30%，想想看这是多大的一个差别？
例如Google，它并不是第一个发明移动搜索广告的企业，最早发明SEM这样的广告产品的公司叫go to.com。
go to.com1997年上线时，所有排名都是需要付费的，点击一次就要付几百美金到几千美金给Goto，这在当时是很火爆的。
从1997年——2003年，它卖给了Yahoo。这过程中整个搜索引擎市场竞争非常混乱，可以说搜索引擎是资本市场里非常火的一个赛道。
现在很火的是O2O、新零售、人工智能赛道，而当年搜索引擎是全世界最热门的赛道，所有的VC都挤破头想进入这个行业，Google只是其中一家公司而已，而最终在全球市场上谷歌处于绝对垄断地位。
除了中国、韩国、日本、香港、台湾、俄罗斯以外，在大部分的市场，Google的市场占有率都在95%以上，这是非常惊人的一个市场占有率。
而微软本身技术的积累不比谷歌短，当年谷歌刚起来的时候，微软是巨无霸，它的技术部门研发的专利非常多。
在2010年之前，Google和Bing的这个竞争，大家都在PK更好的算法和技术。
那么Google为什么可以胜利？
因为算法再好，如果你不给它喂数据的话，就没有用。
所以微软的Bing还有一个天生的弱点，它处理海量数据的能力没有Google大。为什么？
做技术的人都知道，Google是全世界最早提出云计算的公司，而且它有一个独家的技术叫做GFS—–谷歌文件系统，这其实是Google颠覆搜索引擎行业的制胜武器。
所以在2010年之后，基本上靠自己的大数据能力不断优化点击模型。因为Google是一个搜索广告平台，所以它最需要改进的业务指标是CTR（Click-Through-Rate），也就是广告的点击模型。
Google不但改进了点击模型，而且让两端的用户使用体验都很好。
一端用户是搜索的人，个体用户的诉求就是在Google上面以最快的速度得到搜索结果，并且点击离开。另一端用户就是广告主。基本上就是双边市场。
这很符合微信张小龙的一个哲学观点，就是用完即走，搜完就走。
如果说一个搜索引擎给的结果是让用户不离开你，而且不断在网上面进行点击的话，那你这个搜索引擎其实是失败的，并不好。
第二个层面，是因为谷歌的变现方式是通过关键词广告，帮助广告投放者获得精准流量，所以它同时又需要满足广告主在上面广告投放时得到的ROI可以逐步提升。
你看它必须满足两端用户的需求平衡，而且能够不断地迭代点击模型，这件事情是很难的。
所以你会发现Google最终为了做到现在的占有率做了以下这些事情:
第一，它什么事情都不做，专注于不断提升自己的搜索系统，以最快的速度收录全世界不断涌现出来的所有网页。
第二，它在能够处理海量的网页基础之上，通过大量的机器学习和深度学习技术去优化CTR 模型。
它其实有几个比较重要的生态工具帮助它们做事情，Google有一个叫做Personalize Search的产品。
大家如果还用Gmail的话，应该知道如果你登录Gmail，在搜索Google之后，下次再去搜东西时，谷歌就会根据你的历史搜索偏好做优化，而这样的一个闭环的过程会让你越来越喜欢Google搜索引擎。
第三个就是我们发现谷歌有一个强大的工具，就是前面说的网站分析工具Google Analytics，国内都叫GA，它本身是一个比较典型的通过埋点的方式来搜集用户行为数据的工具。
它有一个特点，就是收集的数据会全部送回谷歌的Server（也就是全放到Google的服务器上面去），这些服务器上的数据本身不会暴露出来，但是Google可以通过其他方式对它进行学习。
例如Google拥有广告主在投放的广告点击数据，所以谷歌通过对这些数据的学习，就会不断知道哪些网站广告投放质量比较好，通过对数据的权重和特征值的判断，就能够算出一个网站整体的情况。
好处是什么呢？就是做的好的网站、广告投放专业程度好的网站的整体流量获取效率以及营收指标会在谷歌体系里面得到更好的倾向性。
我们看看这个部分，这是一个谷歌个性化搜索的产品，在后台记录一个真实的用户的过程。
从谷歌后台来看，一个人的行为数据是完整的，它知道这一个用户在谷歌全部的体系里面，整个行为是什么。
深入思考一下，搜索引擎本质上其实就是做预测，而不是在做流量。
一个搜索引擎，就是把海量的页面进行收录，然后对它进行数据清洗。
一个全世界最大的数据分析预测工具，去做数据分析和数据采集，采集网页并分析词和权重，最后做分析预测，预测它的每一次的排序展示是否符合用户当下的预期。
所以这就是为什么我们一开始就说谷歌很特殊，因为它不是一家搜索引擎公司，而是一家人工智能公司，谷歌做的是预测，而预测其实就是把规则自动化。
五、 数据驱动能力的核心知识大纲
最后总结一下核心技能，我给大家列了个大纲，每一个人在做互联网项目过程中，你们需要掌握的技能有这些：