TikTok、Disney+、Glu都在做什么样的数据分析项目？

面对疫情期间快速发展的游戏与流媒体的黄金时代，刚举办的「她数据」3月线上分享会和大家一起探讨了游戏与流媒体行业的数据科学前沿动态。本次沙龙的三位嘉宾分别是：Harris Liu, Jackie Yuan 和 Jiawei。

Harris在Disney Streaming Services担任数据科学经理；Jackie Yuan任职于全球领先的智能手机和平板设备游戏开发商和发行商Glu Mobile；Jiawei是TikTok的一名高级数据科学家。本次活动的moderator是MarTechApe和Women In Analytics的创始人Zoe。

接下来就来看看本场活动的精华总结：

Q1：是什么样的学习和工作经历引领你到达现在的位置？

Jiawei: 我现在是Tiktok的Lead Data Scientist，从事方向是trust & safety。Tiktok之前在comcast做了四年Data Analyst，分析的类型不是很固定，包括marketing、finance和operation等等，在这个过程中学到了很多技能和分析的框架。Comcast之前是在Morgan Stanley做分析师。我的研究生读的是金融，后来是自学了数据分析相关的知识才进入数据行业。本科是在国内读的材料科学与工程，在过去十年我在不断探索自己，最终发现数据是自己最感兴趣的，所以就继续在这个行业做下去了。

Harris：我在Disney Streaming 担任Data Science Manager，方向主要是增长营销。在这之前我在GroupM做市场营销分析，主要是做市场营销分析和Marketing Mix Modeling这一块。再之前是在一个startup公司，在这个小公司里面学到了很多东西，几乎每个方面也有接触到，因为startup公司真正需要的不是一个Data Scientist，而是一个Data Person。研究生是在NYU读的，本科在University of Rochester读的统计和商务双学位。

Jackie：我本科学的其实是药学，研究生也是流行病学相关，和数据其实挺不相关的。当时毕业的时候也是在思考是要进入业界还是继续做研究，最终决定了在一个医药公司做Statistical Programmer，主要写SAS。然后跳到了一个音乐制作方面的APP，目前在一家游戏公司做DS。

Q2：你平时在工作中的一天是怎么样的？你的工作侧重哪方面的数据分析？所做工作对公司来说有什么战略意义？

Harris：在疫情之后，我们的工作时间都相对比较灵活，但我们每周会有一次会议跟进组员的进度。组里面目前有一个Marketing Mix Modeling和Multi-Touch Attributionmodel的两个大项目，还有其他偏向experimentation和causal inference的工作。因为做marketing这一块，不能仅局限与一个模型，所以我们的研究框架是用MMM、MTA和experimentation三个方面来综合地去分析。

我们的DS和Analytics其实是分开的，Analytics部门和stakeholder的沟通比较多，我们DS做的东西是需要应用到整个公司的，我们上游的部门包括acquisition和paid media marketing组。

我们研究框架里的三大区域中，MMM用比较宏观的数据通过模型来进行预测和预算优化，用的数据比较高阶，如每天的营销投入、click、impression，还有其他宏观的数据如竞争者的投入和Covid相关数据，模型基本都是以回归模型和时间序列模型为基础，通常一个季度跑一次模型；MTA相对微观，这个模型做的是触点，我们可以跟踪到每个用户在哪个网站上看到Disney的广告，连接所有的触点，跟踪用户的渠道数据，将营销归因到不同的渠道，用的数据量比较大，我们基本上每天都会跑模型，最后把结果放进dashboard里给付费媒体部门参考；最后我们会通过实验去验证模型的结果，比如如果模型告诉你Paid search贡献了10%的用户注册，然后我们就可以设计实验去验证这个结果。

Jackie：我们没有很固定的routine。我们一般是一个studio专门做某一款游戏，上下游基本上是产品经理，也会有内容生产的人员，还有marketing、获客和PR部门。分析的数据主要是用户数据，看用户在游戏过程中的玩法、进阶。在和产品经理和内容创作人员讨论游戏经济和整个生态系统设计的时候会用到一些游戏货币相关的数据。也会和市场和增长部门合作，去看campaign是否有效，需不需要把预算放到其他渠道上。

Jiawei：工作时间比较灵活，但因为TikTok相对比较小，所以工作会稍微累一点，工作时长稍长。我们平时主要和产品经理合作，帮助他们决定是否推出某个产品或者feature。

整个Analytics部门比较像一个桥梁，把DS和Business连接起来。在DS方面我们会和DS部门去讨论机器学习模型、和DE部门沟通数据需求；在Business 这边，我所在的trust & safety组主要是去维护平台的健康（比如去下架一些违规的视频和用户），所以和Operations部门的合作比较多，也会做一些数据分析去帮助平台更好地制定上传视频的规则。

具体工作主要包括：1. 数据分析，用数据解答商业问题，并且提出建议；2. Dashboard制作，找到重要的KPI然后做成报表，更好地去给上级解释数据；3. 数据产品，我们会建一些数据产品去支持Business 组。

Q3：请你举一个具体的例子介绍一个你工作中的应用场景

Jiawei：Tiktok去年有一个新的项目叫Creater Fund，投入了20亿美金去激励用户创作短视频。每个creater需要提交申请去获得资助，我在项目中的主要工作是去设计一整个流程分析用户的行为、判断用户好坏，去决定是否通过用户的申请，最后建立Data pipeline把整个流程自动化，从数据清洗到处理，到最后产出Label（通过与否），把这整个过程做到APP里面。用到的数据包括视频数据、用户数据、评论和直播数据，所有在TikTok上有的数据我们都会接触到，数据量还是挺大的。

Harris：MTA中比较困难的一点是很多的触点是容易被忽略的。比如如果一个用户看到了Google里面的一个banner，一天后又在Facebook看到一个广告，然后觉得Disney+这个APP挺好的，所以最后在Google上搜索进入网页进行注册。如果用Last-touch attribution来看的话，我们会把这个行为归因于Google Search，那么就会把钱都投在keyword上，但这样的话其实忽略了前面两个触点。而我们的项目做的就是把所有的触点全部连接在一起。比如我们可以建立一个Rule-based模型，不同触点有各自的权重，这样我们决策的时候就不会疏忽前面的触点。

现在一个很大的挑战是，因为现在有很多规则限制了我们获取用户数据，所以我们尝试建立概率模型，我们用其他的Signal去模拟各个用户来代替cookie ID。这样可以把用户的整个营销行为流程连接起来，使得模型更加精细。模型完成之后，我们会和DE部门沟通做出一个Pipeline，和Reporting Team沟通如何制作看板去可视化，然后把分析结果发给营销部门，分析哪个战役有效，哪个表现比较好，最后设计地理区域实验去验证模型的结果。我们在美国一般是在市场区域水平上做实验，比如在其中一个市场区域中关闭一个渠道，然后其他的市场区域正常运行，去验证模型的决策是否正确。

Jackie：之前做了一个分析纽约洋基队广告效果的项目，广告是在纽约地区的电视上投放，我们想看这个手游在手机的下载是否有提高。当时比较困难的是，要首先确定市场区域数据在哪里找，最后我在网上找到了一个公共的数据源，里面有每个市场区域的邮编。然后也是和Harris说的相似，我们做了地理区域的实验，找到其他地区的和洋基队相似规模、流行度的棒球队，在模型里加入地理位置的控制变量，其他地区没有投放这个电视广告，但是纽约投放了，在实验中分析在固定时间内我们手游APP有没有更多的下载量、互动量和APP内购买量。其实就相当于一个简单的前后测分析，也可以做成一个因果推断分析（causal inference）。

另外的一个例子是和用户增长相关的。我们一共有好几个正在做的游戏，想看看是否能在这些游戏内部相互引流，把一个游戏的用户推广到另一个游戏上。我们数据部门要做的是，分析这两个游戏是否会有自身蚕食，也就是用户会不会只玩A或者只玩B、甚至两个都不玩。我们也会看整个游戏生态系统是否有促进，看看用户玩游戏的时间有没有更长、花的游戏币有没有更多，去决定公司怎么样分配预算获取用户是最有效的。用的数据都比较高阶，比如用户什么时候下载，一个月后有没有回来，什么时候开始花钱等等，而不是游戏里面用户的具体行为。

Q4：数据工作者如何在公司里提高自己的影响力？在公司里受到阻力时怎么克服？

Jiawei：我觉得最关键的一点是要确定目前对于business来说最重要的事情，要分配好每件事情的目标和优先级，不断做出好的项目。因为在刚加入一个组的时候没有人知道你能做什么项目，所以要建立自己的reputation，才能被别人认可、扩大自己的影响力。

Harris：我的建议和Jiawei相似，如果一个整个公司有一个总的目标，比如Disney Streaming的目标是如何增加订阅用户，我们可以一步一步细化。对于finance角度来说就是要增加营业收入，我们可以看怎样从细节上增加营收。比如我们的stakeholder是营销部门，他们的KPI大部分是CPA（Cost Per Acquisition），也就是如何有效低成本地增长用户群体，所以我们的DS要做的就是让stakeholder更好地做出投入决策。

另外一个方面的话，Disney一个很重要的文化是要用数据讲故事，所以除了自己做项目之外，在公司内部的社交也是很重要的。比如你可以尝试主动和同事或者stakeholder分享自己的项目，甚至提出合作。

Jackie：当你做一个分析的时候，因为这个需求是一直存在的，所以要思考如何比过去的人做得更好。可以从整个流程去思考怎么样能比过去的人解决得更好，更加精准。因为我们公司有很多项目，虽然我现在只在一个游戏项目中做分析，但我可以考虑我的这个分析是否可以应用到其他项目，甚至整个公司的portfolio，扩大自己的影响力。

Q5：对在娱乐行业数据分析求职的新人有什么建议？

Harris：首先是不断学习提升自己technical能力，我们在招聘的时候会要求面试者在30分钟内很快地去解决问题，所以基本功还是很重要的。同时也要关注一些行业前沿的文章、新的研究方法。

Jackie：因为游戏行业相对比较内卷，所以对于游戏行业来说，还是希望求职的新人对游戏有一定的兴趣和了解。

Jiawei：首先是要满足基本的技术要求，包括SQL、分析思维、统计和概率的知识等等要比较熟练。然后是对你即将加入的行业要有了解，因为面试的时候会问到对相应产品的一些想法。

相关推荐: ClickandBuy支付是什么

图片来源：123rf.com.cn 境电商常见支付种类有如下几类： 我国跨境电商支付方式的种类 跨境支付购汇方式和跨境收入结汇方式 跨境支付购汇方式 含第三方购汇支付、境外电商接受人民币支付、通过国内银行购汇汇出等 跨境收入结汇方式 含第三方收结汇、通过国内银…