TikTok、Disney+、Glu都在做什么樣的數(shù)據(jù)分析項目？

面對疫情期間快速發(fā)展的游戲與流媒體的黃金時代，剛舉辦的「她數(shù)據(jù)」3月線上分享會和大家一起探討了游戲與流媒體行業(yè)的數(shù)據(jù)科學前沿動態(tài)。本次沙龍的三位嘉賓分別是：Harris Liu, Jackie Yuan 和 Jiawei。

Harris在Disney Streaming Services擔任數(shù)據(jù)科學經(jīng)理；Jackie Yuan任職于全球領先的智能手機和平板設備游戲開發(fā)商和發(fā)行商Glu Mobile；Jiawei是TikTok的一名高級數(shù)據(jù)科學家。本次活動的moderator是MarTechApe和Women In Analytics的創(chuàng)始人Zoe。

接下來就來看看本場活動的精華總結(jié)：

Q1：是什么樣的學習和工作經(jīng)歷引領你到達現(xiàn)在的位置？

Jiawei: 我現(xiàn)在是Tiktok的Lead Data Scientist，從事方向是trust & safety。Tiktok之前在comcast做了四年Data Analyst，分析的類型不是很固定，包括marketing、finance和operation等等，在這個過程中學到了很多技能和分析的框架。Comcast之前是在Morgan Stanley做分析師。我的研究生讀的是金融，后來是自學了數(shù)據(jù)分析相關(guān)的知識才進入數(shù)據(jù)行業(yè)。本科是在國內(nèi)讀的材料科學與工程，在過去十年我在不斷探索自己，最終發(fā)現(xiàn)數(shù)據(jù)是自己最感興趣的，所以就繼續(xù)在這個行業(yè)做下去了。

Harris：我在Disney Streaming 擔任Data Science Manager，方向主要是增長營銷。在這之前我在GroupM做市場營銷分析，主要是做市場營銷分析和Marketing Mix Modeling這一塊。再之前是在一個startup公司，在這個小公司里面學到了很多東西，幾乎每個方面也有接觸到，因為startup公司真正需要的不是一個Data Scientist，而是一個Data Person。研究生是在NYU讀的，本科在University of Rochester讀的統(tǒng)計和商務雙學位。

Jackie：我本科學的其實是藥學，研究生也是流行病學相關(guān)，和數(shù)據(jù)其實挺不相關(guān)的。當時畢業(yè)的時候也是在思考是要進入業(yè)界還是繼續(xù)做研究，最終決定了在一個醫(yī)藥公司做Statistical Programmer，主要寫SAS。然后跳到了一個音樂制作方面的APP，目前在一家游戲公司做DS。

Q2：你平時在工作中的一天是怎么樣的？你的工作側(cè)重哪方面的數(shù)據(jù)分析？所做工作對公司來說有什么戰(zhàn)略意義？

Harris：在疫情之后，我們的工作時間都相對比較靈活，但我們每周會有一次會議跟進組員的進度。組里面目前有一個Marketing Mix Modeling和Multi-Touch Attributionmodel的兩個大項目，還有其他偏向experimentation和causal inference的工作。因為做marketing這一塊，不能僅局限與一個模型，所以我們的研究框架是用MMM、MTA和experimentation三個方面來綜合地去分析。

我們的DS和Analytics其實是分開的，Analytics部門和stakeholder的溝通比較多，我們DS做的東西是需要應用到整個公司的，我們上游的部門包括acquisition和paid media marketing組。

我們研究框架里的三大區(qū)域中，MMM用比較宏觀的數(shù)據(jù)通過模型來進行預測和預算優(yōu)化，用的數(shù)據(jù)比較高階，如每天的營銷投入、click、impression，還有其他宏觀的數(shù)據(jù)如競爭者的投入和Covid相關(guān)數(shù)據(jù)，模型基本都是以回歸模型和時間序列模型為基礎，通常一個季度跑一次模型；MTA相對微觀，這個模型做的是觸點，我們可以跟蹤到每個用戶在哪個網(wǎng)站上看到Disney的廣告，連接所有的觸點，跟蹤用戶的渠道數(shù)據(jù)，將營銷歸因到不同的渠道，用的數(shù)據(jù)量比較大，我們基本上每天都會跑模型，最后把結(jié)果放進dashboard里給付費媒體部門參考；最后我們會通過實驗去驗證模型的結(jié)果，比如如果模型告訴你Paid search貢獻了10%的用戶注冊，然后我們就可以設計實驗去驗證這個結(jié)果。

Jackie：我們沒有很固定的routine。我們一般是一個studio專門做某一款游戲，上下游基本上是產(chǎn)品經(jīng)理，也會有內(nèi)容生產(chǎn)的人員，還有marketing、獲客和PR部門。分析的數(shù)據(jù)主要是用戶數(shù)據(jù)，看用戶在游戲過程中的玩法、進階。在和產(chǎn)品經(jīng)理和內(nèi)容創(chuàng)作人員討論游戲經(jīng)濟和整個生態(tài)系統(tǒng)設計的時候會用到一些游戲貨幣相關(guān)的數(shù)據(jù)。也會和市場和增長部門合作，去看campaign是否有效，需不需要把預算放到其他渠道上。

Jiawei：工作時間比較靈活，但因為TikTok相對比較小，所以工作會稍微累一點，工作時長稍長。我們平時主要和產(chǎn)品經(jīng)理合作，幫助他們決定是否推出某個產(chǎn)品或者feature。

整個Analytics部門比較像一個橋梁，把DS和Business連接起來。在DS方面我們會和DS部門去討論機器學習模型、和DE部門溝通數(shù)據(jù)需求；在Business 這邊，我所在的trust & safety組主要是去維護平臺的健康（比如去下架一些違規(guī)的視頻和用戶），所以和Operations部門的合作比較多，也會做一些數(shù)據(jù)分析去幫助平臺更好地制定上傳視頻的規(guī)則。

具體工作主要包括：1. 數(shù)據(jù)分析，用數(shù)據(jù)解答商業(yè)問題，并且提出建議；2. Dashboard制作，找到重要的KPI然后做成報表，更好地去給上級解釋數(shù)據(jù)；3. 數(shù)據(jù)產(chǎn)品，我們會建一些數(shù)據(jù)產(chǎn)品去支持Business 組。

Q3：請你舉一個具體的例子介紹一個你工作中的應用場景

Jiawei：Tiktok去年有一個新的項目叫Creater Fund，投入了20億美金去激勵用戶創(chuàng)作短視頻。每個creater需要提交申請去獲得資助，我在項目中的主要工作是去設計一整個流程分析用戶的行為、判斷用戶好壞，去決定是否通過用戶的申請，最后建立Data pipeline把整個流程自動化，從數(shù)據(jù)清洗到處理，到最后產(chǎn)出Label（通過與否），把這整個過程做到APP里面。用到的數(shù)據(jù)包括視頻數(shù)據(jù)、用戶數(shù)據(jù)、評論和直播數(shù)據(jù)，所有在TikTok上有的數(shù)據(jù)我們都會接觸到，數(shù)據(jù)量還是挺大的。

Harris：MTA中比較困難的一點是很多的觸點是容易被忽略的。比如如果一個用戶看到了Google里面的一個banner，一天后又在Facebook看到一個廣告，然后覺得Disney+這個APP挺好的，所以最后在Google上搜索進入網(wǎng)頁進行注冊。如果用Last-touch attribution來看的話，我們會把這個行為歸因于Google Search，那么就會把錢都投在keyword上，但這樣的話其實忽略了前面兩個觸點。而我們的項目做的就是把所有的觸點全部連接在一起。比如我們可以建立一個Rule-based模型，不同觸點有各自的權(quán)重，這樣我們決策的時候就不會疏忽前面的觸點。

現(xiàn)在一個很大的挑戰(zhàn)是，因為現(xiàn)在有很多規(guī)則限制了我們獲取用戶數(shù)據(jù)，所以我們嘗試建立概率模型，我們用其他的Signal去模擬各個用戶來代替cookie ID。這樣可以把用戶的整個營銷行為流程連接起來，使得模型更加精細。模型完成之后，我們會和DE部門溝通做出一個Pipeline，和Reporting Team溝通如何制作看板去可視化，然后把分析結(jié)果發(fā)給營銷部門，分析哪個戰(zhàn)役有效，哪個表現(xiàn)比較好，最后設計地理區(qū)域?qū)嶒炄ヲ炞C模型的結(jié)果。我們在美國一般是在市場區(qū)域水平上做實驗，比如在其中一個市場區(qū)域中關(guān)閉一個渠道，然后其他的市場區(qū)域正常運行，去驗證模型的決策是否正確。

Jackie：之前做了一個分析紐約洋基隊廣告效果的項目，廣告是在紐約地區(qū)的電視上投放，我們想看這個手游在手機的下載是否有提高。當時比較困難的是，要首先確定市場區(qū)域數(shù)據(jù)在哪里找，最后我在網(wǎng)上找到了一個公共的數(shù)據(jù)源，里面有每個市場區(qū)域的郵編。然后也是和Harris說的相似，我們做了地理區(qū)域的實驗，找到其他地區(qū)的和洋基隊相似規(guī)模、流行度的棒球隊，在模型里加入地理位置的控制變量，其他地區(qū)沒有投放這個電視廣告，但是紐約投放了，在實驗中分析在固定時間內(nèi)我們手游APP有沒有更多的下載量、互動量和APP內(nèi)購買量。其實就相當于一個簡單的前后測分析，也可以做成一個因果推斷分析（causal inference）。

另外的一個例子是和用戶增長相關(guān)的。我們一共有好幾個正在做的游戲，想看看是否能在這些游戲內(nèi)部相互引流，把一個游戲的用戶推廣到另一個游戲上。我們數(shù)據(jù)部門要做的是，分析這兩個游戲是否會有自身蠶食，也就是用戶會不會只玩A或者只玩B、甚至兩個都不玩。我們也會看整個游戲生態(tài)系統(tǒng)是否有促進，看看用戶玩游戲的時間有沒有更長、花的游戲幣有沒有更多，去決定公司怎么樣分配預算獲取用戶是最有效的。用的數(shù)據(jù)都比較高階，比如用戶什么時候下載，一個月后有沒有回來，什么時候開始花錢等等，而不是游戲里面用戶的具體行為。

Q4：數(shù)據(jù)工作者如何在公司里提高自己的影響力？在公司里受到阻力時怎么克服？

Jiawei：我覺得最關(guān)鍵的一點是要確定目前對于business來說最重要的事情，要分配好每件事情的目標和優(yōu)先級，不斷做出好的項目。因為在剛加入一個組的時候沒有人知道你能做什么項目，所以要建立自己的reputation，才能被別人認可、擴大自己的影響力。

Harris：我的建議和Jiawei相似，如果一個整個公司有一個總的目標，比如Disney Streaming的目標是如何增加訂閱用戶，我們可以一步一步細化。對于finance角度來說就是要增加營業(yè)收入，我們可以看怎樣從細節(jié)上增加營收。比如我們的stakeholder是營銷部門，他們的KPI大部分是CPA（Cost Per Acquisition），也就是如何有效低成本地增長用戶群體，所以我們的DS要做的就是讓stakeholder更好地做出投入決策。

另外一個方面的話，Disney一個很重要的文化是要用數(shù)據(jù)講故事，所以除了自己做項目之外，在公司內(nèi)部的社交也是很重要的。比如你可以嘗試主動和同事或者stakeholder分享自己的項目，甚至提出合作。

Jackie：當你做一個分析的時候，因為這個需求是一直存在的，所以要思考如何比過去的人做得更好。可以從整個流程去思考怎么樣能比過去的人解決得更好，更加精準。因為我們公司有很多項目，雖然我現(xiàn)在只在一個游戲項目中做分析，但我可以考慮我的這個分析是否可以應用到其他項目，甚至整個公司的portfolio，擴大自己的影響力。

Q5：對在娛樂行業(yè)數(shù)據(jù)分析求職的新人有什么建議？

Harris：首先是不斷學習提升自己technical能力，我們在招聘的時候會要求面試者在30分鐘內(nèi)很快地去解決問題，所以基本功還是很重要的。同時也要關(guān)注一些行業(yè)前沿的文章、新的研究方法。

Jackie：因為游戲行業(yè)相對比較內(nèi)卷，所以對于游戲行業(yè)來說，還是希望求職的新人對游戲有一定的興趣和了解。

Jiawei：首先是要滿足基本的技術(shù)要求，包括SQL、分析思維、統(tǒng)計和概率的知識等等要比較熟練。然后是對你即將加入的行業(yè)要有了解，因為面試的時候會問到對相應產(chǎn)品的一些想法。