数据支撑决策
利用数据和创意,控制产品风险
step1:Think it
-
组建Think it 小队
-
写故事描述(讲一个生动的故事)
- 定义指标(产品要达到的效果)
step2:Build it
-
选择合适的项目小队。
-
构建出基础的产品,基本能够实现故事描述。
-
开始向部分真实用户发布产品。
- 在不完整的数据中建立假设,将其转化为不完善的产品放到市场上测试,获取用户使用数据,并分析该款产品的前景。
step3:Ship it
-
产品扩散到所有的用户。
-
进行产品度量分析,收集提炼客户反馈,进行快速的概念迭代。
- 确保产品在真实环境下,能够达成它的设计初衷。
step4: Tweak it
-
小队持续优化、A/B测试、度量和分析。
- 当新的改进已经无法带来吸引人的收益,指标数据已经很难有进一步的提升,产品已经趋近于“极致”时,小队开始新的工作或者重构下一个产品。
数据支撑决策,为创新提供保证
用户行为分析
Spotify会分析用户行为,如保存歌单等操作,通过Python的函数库统计分析,获取用户的音乐品好,更好的为用户推荐歌单。
互联网资讯分析
Spotify会大量抓取互联网上的各种音乐资讯,通过自然语言处理,整合成向量模式(分析相同歌单和风格),按照相同风格推荐给用户。
用户情绪分析
2014年开始,Spotify会每年深入研究15 亿份用户生成的播放列表,然后深入地分析用户在平台上收听音乐的背景因素。其中,分析情绪数据是重点——以特定情绪或者活动为标准来选择播放列表,能有效帮助用户在庞大曲库中进行筛选。
音频分析
歌曲音频对新歌曲、点播率还较少的歌曲,Spotify会通过音频分析,提取速度、音量、调子和调性等特征信息,形成Spotify的“每周新发现(Discover Weekly)”个性化的每周歌单。