数学思维在产品设计中的应用（一）
最近愈加觉得数学思维在产品设计中的意义与价值。看到美团高级副总裁王慧文的很多思路都是用数学/物理的思维来推演商业，并进行核心变量关系的构建与测算。自知这块需要努力的地方还有很多，最近做广告业务Q3规划，在这里讲一下规划的目标值是如何制定的。
广告营收目标
如何制定一个相对合理的营收规模呢。这个时候可以进行一波数学测算。电商平台的广告大部分都是CPC计费的，我们也不例外。广告收入正向来拆解的话就是Revenue= 曝光* CTR * CPC。但是你去做正向预估的时候CPC价格其实是个不好估计的指标，这个指标你不能说涨了和跌了是绝对好和坏的，需要具体场景具体分析。所以如何来测算Q3的收入规模呢？
我们的思路是去把握真正的核心变量。卖家该关注的本质数据是ROI，需要看这个ROI在他的经营模型里是否为正。 故我们可以这样计算收入规模。 商家Spend= Ads GMV/ ROI ，总的商家花费其实也对应的是平台的收入。 ROI是个平衡值，对于卖家来说是希望越高越好的，对于平台来说ROI越高则自己的单位收入是更低的。
ROI相比CPC是个更合适去量化广告系统健康度和商家是否愿意买单的核心指标。所以同样一件事情，用不同的数学公式视角去核算，关键的变量也发生了变化。
有了Spend=Ads GMV/ ROI 的公式，营收目标的制定就有了章法可依。
-
广告GMV预估：
假定我们目标将各个场景自然GMV的10%流量商业化，CTR做到自然CTR的0.6，转化率做到自然转化率的0.8，就可以得到 Ads GMV = GMV10%0.6*0.8 -
ROI 预估：
这个只要相对当下做一个合理的业务权衡即可，比如我们认为平均ROI=4 是一个相对短期可接受的值，为什么认为4算是个合理值呢，因为4算下来相当于直接商品打了75折，再加上广告系统总会有一些充值优惠，所以实际大约能到8折左右，是商家肯定能够接受的值，也是商家能够相对赚钱的一个值。
到了这里我们只是把流量侧的目标给测算了出来。还缺失了供给侧的测算。供给侧的核心公式就是 每商家每日消耗金额* 每日投广告商家数= Ads GMV。 这个时候我们目标设定每商家每日消耗金额翻倍，那么所需的每日投广告商家数需要提升的比例也就能随之确定下来。
经过这么一番测算后，你再去给老板汇报Q3 的营收目标金额和对应的商家侧目标数据就会非常科学合理，而不是一个拍脑袋定出来的值，老板也会更加心中有底。
落地拆解
有了计划自然要有针对性的落地拆解。 对应我们这个案例，我们分开讲如何落地。
1）流量侧：
a.开源:因为我们假定了商业化更多的流量，那自然需要落地的是在前端挖更多的位置，当然这里最好还是A/B test一把，测算挖的位置对场景GMV的负面影响有多大。一切还是数学。
b.提效：ROI优化，CTR优化，这个时候核心就是再拆解，从场景，从类目角度去看。比如哪个广告场景的ROI和CTR还差距较大，哪个广告类目的ROI和CTR还差距较大，先解决这些就是解决了核心矛盾，更快的完成提升，解决问题。
2）供给侧：
a.提客单：这里能去玩的东西比较多，软性的是一些营销方式，比如达到一定门槛可赠送广告费等等，硬性一点的是直接提高广告充值的最小充值金额门槛，当然这种可能会对参与商家的数量也带来一定的负面影响，需要找寻一个平衡。
b.促使用：这里就是建立Seller的一套转化漏斗，比如简单可以整理成几步：
没有认知到广告的商家->认知到了但是没充钱的商家->充钱了但没有运行计划的商家->有在投的商家->投完了觉得效果好/差的商家
有了上述的漏斗，就可以对供给侧的大盘情况做到心中有数，同样也是对症下药，解决核心流失环节。
好了，上边就讲完了这么一个简单的数学思维的应用了，对于一个公司来说，基于数学下的财务模型测算，单位经济模型测算是更加重要的课题，而这部分也是与经济学关联更深一些，后边找个时间再聊聊这个话题。
