• 2020-11-29

这头蓝牛可以教给我们的惊人道理

    这是比利时蓝色母牛的照片,它的肉比普通母牛多40%至100%,脂肪少70%,它并非基因的产物,而是经过数代选择性育种而产生的工程物种。


    这头母牛可以教给我们创业中如何提升在线销售?好吧,在所有旨在提高销售能力的A/B测试中,有85%的测试失败,因为它们没有产生有意义的或统计学上显着的提升。结果,A/B测试往往浪费宝贵的时间,精力和金钱。


    但是有一种更好的方法,它是由受选育启发的。为了生产一头最佳的母牛,一位农夫首先从瘦瘦的母牛开始,经过几代的选择性育种,他最终得到了比利时蓝色母牛。


    大仲马有一部小说叫做《黑郁金香》,印象比较深刻的是黑色郁金香也不是自然界天然存在的物种,而是花匠从花瓣上有一抹黑色印记的根球开始,一代代的选择性育种,一代代的改良基因,最后产生全黑色的郁金香,有的花匠世家几代人都从事这个。


进化算法的诞生


    早在1950年代,计算机科学家艾伦·图灵(电影《模仿游戏》在第二次世界大战期间破解纳粹密码而闻名)提出了以下问题:“计算机能否利用自然选择启发的算法来解决问题?”答案是肯定的,因此诞生了进化算法领域,也称为遗传算法。


     这些算法的较早获利的用途之一是在1990年代末至2000年代初在制药领域。它们被用来发现具有某些理想特性的新分子实体或NME。然后,这些NME(新分子实体)成为新药的候选者。


    于是,在进化算法的帮助下,计算机如何“发现”了人类科学家不可能找到的,不可能的目标范围,他们通过详尽地搜索“解决方案空间。” 其中一些定向靶点变成了重磅炸弹药品,为涉及的公司带来了丰厚的利润。至今这一理论还在指导流行全球的新冠疫苗的研发。


    但在当时,使用进化算法是一项极其昂贵的工作,需要大量的计算能力。由于一种成功的药物会像重磅炸弹一样能够带来数百亿美元的新收入(就像用高射机枪击打散落在地上的草莓),因此使用遗传算法对BigPharma(大型医药公司模拟)有意义,但对大多数其他行业却不可行。但到了今天,在云计算的加持下,计算能力实在是太便宜了。


CRO(转化率优化)的进化算法


    CRO(也称为LPO(着陆页优化))通常是通过运行一系列A/B(或多变量)测试来完成的,在该测试中,您将访问者的访问量分成两个或多个页面,然后跟踪哪个页面产生了最大的销售额,潜在客户转化或应用下载。通过每次保留获胜者,您可以提高整体转化率,从而提高销售额和利润。


    使用传统工具(最理想的是VWO,Google实验)完成的大多数A/B和多变量测试都无法产生有意义的转化率,从而带来更多的销售。如果您在一个报告转换率为1.00%的页面和另一个报告转换率为1.06%的页面之间进行A/B测试,则统计上任何一个页面都不比另一个页面好,现在该以一组不同的变体重新开始。


那么进化算法如何解决这个问题呢?


    进化算法使公司可以同时进行更多实验,选择那些显示弱阳性信号的动物,然后对其进行“杂交”以产生更强的阳性信号,就像通过繁殖产生连续肥牛的瘦牛一样,最终创造出“最佳”比利时蓝色母牛。


    用于CRO的进化算法可在单个实验中测试着成千上万的变体(相对于传统的A/B或多变体测试,数量大的惊人)。


    假设基线(“控制”)转换率为1%,而进化算法在第一代中有2,000种变化。它可能会选择显示1.0023%,1.000058%,1.000041%的弱正信号的页面,并将它们“杂交”以产生第二代,并带有稍强的弱正信号。


    在几代人中重复此操作,您最终会得到带有更强阳性信号(例如1.34%或1.45%)和高度统计意义(95%以上)的变异,这意味着改进不可能是偶然的。如果您经营1亿流水的收入业务,那将是4,500万的额外收入。至关重要的是,您的利润成比例的增长,因为增加的收入不需要额外的媒体/流量支出。


    尽管第一代产品的最初改进很小,但经过几百代人的努力,收益却是复利的,因为它们是几何级数的(而不是累加的)。爱因斯坦曾开玩笑地说,复利是世界的第八大奇迹,其威力甚至超过了原子弹!


    这一切都是自动发生的,大大提高了我们运行新实验的速度,同时节省了时间和精力。 


    很多算法,都是在大约几周内测试了数十万种不同的解决方法。使用传统的A/B测试工具,即使在上百人的生命周期中,也无法完成同一件事!  杰夫·贝佐斯经常建议:“如果您想获得双倍的成功,请进行更多倍的实验。”他将许多亚马逊成功的经验归功于这种做法。


技术仅与使用它的人类技能一样好


    尽管基于AI的CRO技术对于优化行业来说是革命性的,但要使其达到最佳性能则更加需要人工技能,以高概率值播种测试矩阵会带来不同。与许多其他令人兴奋的技术一样,GIGO(Garbage In Garbage Out)原理也适用,如果你在获取数据前没有经过缜密的思考,那么在分析数据时就只能碰运气了。根据《人工智能时代》一书所描述的那样,熟练的技能和人工智能系统的结合将始终胜过任何一个单独的工作。


    全球化为企业开辟了新的前景,机遇和市场。如今,企业必须将服务范围扩大到遍布全球各地的客户,供应商和员工。


反过来,这导致复杂性和分工化。


    复杂性由流程中的资源和产品所驱动。数字工具对于做出明智的快速决策是必不可少的。从雇用到人力资源管理,CRM,产品设计,促销和销售,价值链的各个方面都需要实施工具,以实现快速,准确的数据驱动的决策流程。这些数据需要收集,可视化和分析。人工智能和机器学习提供的解决方案速度快了一千倍,并且在发现相关性,制定决策以及总体上应对复杂性方面要好得多,这也是我们作为企业服务市场的价值基础。


    分工化源自以下事实:大部分公司都需要依靠代理和经纪服务与客户和服务商进行交互。但是,数字时代要求2B公司与垂直细分市场重新建立联系。数字化使企业可以与远程工作人员,供应商和客户建立紧密的联系。


    在创业工作中,从协作到沟通,产品管理或设计的每个运营或战略步骤都可以优化,以应对于各种突发风险和错综复杂相关的挑战。


  • 上一篇:租房版拼多多,回顾“房东直租”创业的失败

  • 下一篇:每个创始人都需要知道的项目估算方法