还希望收集足够的数据以获得显着

kaka

这意味着如果我们继续运行预算，我们会更快地消耗预算。

此外，结合我们过去的经验，我们知 特殊据库 道这两个广告的点击率都高于我们该指标的平均效果。

这意味着无论我们推广哪个广告，我们仍然会获得更好的效果。

那么，我们要砍哪一个呢？

由于我们现在已掌握数据，因此我们将关闭广告 A，因为我们希望预算尽可能有效，同时又不影响效果。

但请记住，广告 B 仍然返回比我们之前更好的值。

数据知情方法的优点
基于数据的方法的一个显着好处是它使我们能够看到全局。

它为我们提供了质量，而不仅仅是数量。

这意味着我们可以将其他输入与我们的数据相结合，以更好地了解正在发生的情况，发现独特的解决方案并根据完整的视图做出决策。

基于数据的方法不是直面问题和以数据为中心，而是让我们能够通过相对非正统的解决方案来解决业务问题。

换句话说，我们将数据与其他因素（例如我们的业务经验和解决问题的创新方法）相结合，以提出纯数据可能无法提供的解决方案。

此外，基于数据的方法使我们能够跟上趋势的早期变化。




例如，如果我们的用户由于竞争对手或行业变化而调整他们的偏好，我们就能及早发现。

如果我们是数据驱动的，那么当我们注意到变化时可能已经太晚了。

当然，数据驱动的方法可以帮助我们发现潜在的问题情况。

这就是我们的想法。

数据可以告诉我们销量或用户是否大幅下降，但我们需要了解数据才能知道消费者偏好或竞争对手产品的变化是导致变化的因素。

数据知情方法的缺点
我们对数据知情方法的最大问题是你很容易受到局外人的影响。

以之前固执己见的利益相关者的情况为例，您可能更难以说服他们，因为您除了使用数据之外还使用其他输入来做出决策。

根据我们想要的结果选择接受哪些数据和拒绝哪些数据有多容易？