一张图看懂网站架构:从小白到专家的进阶之路
小白偏不知道小白能是什么?不知道小白能是什么。小白就开始琢磨一个简单的概念,我们拿小白来举例,网站/APP的架构是什么?
小白说过,从需求、规模、界面、商品、设计、开发、UX、架构等方面入手。所以小白举简单的例子,而网站/APP/小程序需要像数据中心那样,利用新的技术做支撑。而APP需要像一个数据库,在池子里把内容和数据整理成一个代码。这两个需要不断地迭代,才可不断迭代。
所以,网站/APP需要把架构逻辑上的两个模块,串联成一个数据库。小白告诉我们,一个字一个字地写代码,一个字一个字地画代码,然后大家用手写的方式去写代码。
简单地讲就是,一种思维模式,每个点都需要用对应的方法去写代码。
我按照以往的经历,对小白说,这里主要有三个核心:
第一,数据仓库
第二,数据挖掘
第三,数据匹配
数据挖掘的核心是什么?简单说就是做数据库,解决数据库不对数据的痛点。我们拿已有的数据,对这些数据进行整理、分析,对于受众信息、生产数据、受众数据等做重组,处理好这些数据之后,你会发现数据的痛点。
当我们拿到这部分数据之后,这些数据也会从数据库里出来。我们通过基于数据挖掘的方法,将这些数据分类、排列,最终做出一份复杂而细致的数据计算和处理,从此把各个相关数据做出对应的分析结果。
举一个例子,我曾经统计过一个渠道下的App。当我打开这一个App的时候,App名称下面会显示每个环节数据的表现,其中包括了所有的付费渠道、历史下载量、下载次数、评论数、转发数等,这些数据,一方面是给我们算法上打上标签,一方面是给受众做标记。
然后我去查看这一个渠道中,有多少人下载了这一个App,有多少受众评论了这一个App,有多少受众看了这一个App之后有没有产生了UGC。
这些数据都能用这一个App去做一个比较准确的统计。在数据挖掘中,受众行为数据、商品特征数据等都会建立在数据的基础上。通过对数据的分析,来找到那些受众是因为您的商品、业务带来的价值。
受众数据分析是一个慢性工程,它会让我们得知每一步优化工作的影响。当数据出现异常的时候,我们需要时刻监控。我们的商品都是有数据的,我们需要定期分析,并了解数据的走向,并进行动态的修正。
