一般来讲收益估算会分为
三个部分。目标大盘估算 比如目标大盘的覆盖率用户量活跃率交互量等信息一般来说需要来源于市场研究与洞察如果是C端会来源于用研或者数据分析（一般是session分析）。 比如我需要构建一个数据标注平台我需要决策标注平台是要自建还是采购三方那其实我就大概需要对这个市场的大盘做一个分析评估其中的关键资源和关键利益相关方我是否能够撬动？多大成本能否撬动？以来决策这件事情是否值得做。例如我可以做如下分析 标注任务类似滴滴打车是典型的供给者（标注员）平台消费者（需求企业）的三方市场。 三方市场要做起来评估需要先撬动哪一端评估我的资源优势能够撬动标注员还是撬动企业B端客户渠道能否更加高效的 阿联酋 WhatsApp 号码 获取客户比如我具有很强的个人品牌企业品牌第三方背书等都可以显著降低获客或者渠道成本。 若要建设标注自研一定是标注员的人均标注成本能够显著低于采购（对内部工具而言）或者能够以极低成本获取外部客户（对于做外部市场而言）如果我两者优势均不具备或者生产成本显著高于外采那就应该放弃自建。 当然如果是出于企业信息安全或者绝密信息保护的需要那就完全是另一种逻辑完全不可以用投产比来衡量。影响面估算 影响面决定打算开始做这件事的上限就算技术持续发展理想情况可以%的解决问题影响面也就是可能得最大收益了当然随着要求效果的持续提
https://lh7-us.googleusercontent.com/VFBPLIX72hcT_5eN58c6Bp5zEIDOPFW1zw7EGICZBfEdlVgnYf7AqUNP1dVqgq9fueV07Wd-Qq-_IP3PfOczcCAmnNDhAq1uFOTlV7SAlSwRGbPyQQcpGLoYqzQi0QcsdD5BXurBmem6wvosDG8Wng
升需要的数据量和成本都会指数上升而每次优化带来的收益会递减经常很多AI产品做到差不多就不会优化了。 ① 一般如果有线上数据的话影响面估算主要来源于数据观察和现象抽象的总结就是采用归纳法来分析例如线上搜索数据的多样性不足对线上日志分析后发现问题的占比可能在%或者线上用户有一些潜在情感交流诉求的比例在%这些都可以通过session分析的方式得到。 一般这种方式TO B产品的数据分布相对比较固定如果是TO C产品会有两种典型问题 新用户都有【能力边界试探现象】会出现大量“无法理解”“闲聊”类的数据而一般天后则会收敛到设备可满足的一些交互领域之后交互比例也会相对固定。
頁:
[1]