落园专注经济视角下的互联网 / Economic Observation of the Internet

有句很煽情很酸的文字，叫做“人生若只如初见”，然后再随意的填上几个星星点点的省略号就可以了。初见，嗯，那么多人事匆匆，初见也显得格外珍贵了。有的时候，是不是一别，就不知道何时才能再相见？ 如果，如果，你是一个软件的开发者或者网店店主，那么，你和每一位顾客的初见，又是什么样子呢？这个时候第一印象——第一次使用体验或者第一次购买体验，往往是决定了这到底是个回头客还是一去不复返。顾客都是懒的，他不会那么主动的给你提供那么多反馈，那么，你可以怎么了解到他的更多信息呢？如果你自己开发一个软件，那么恭喜，每一次和用户数据交互的时候，你都可以记录一些信息。然后这些信息累加起来，就成为了你们之间的来往信息。可问题是，就算打电话我也不能把她说的每句话都记住啊，更何况来来往往那么多数据。应该保留哪些呢？ 好吧，不效仿什么“甄嬛体”了，还是“说人话”吧。继RAAT第一话说了说微博数据与network effect玩法之后，现在的问题是： 如果你是一个app的开发者，你应该记录哪些用户反馈/交互的信息呢？ 这个问题是一位创业青年过年的时候问我的，到现在我也只能理出来一个简单的回复，真的是有些抱歉。同样的类似的问题，或者更general一点用学术化的...

查看全文

一边是流浪的心，一边也是在思考一些现实中的问题。还是感谢昨天那位朋友耐心的跟我扯了一下午，说到了一个很有意思的话题，“我们为什么需要海量数据”？或者说， why and how does big data make a difference? 当时说的统计/计量分析的应用很简单，无非是做一些销量、价格弹性和资源投放的预测与优化罢了，典型的咨询业务。然后我就好奇的问了一句数据源，无非是nielsen或者iresearch的市场调查数据之类的，或者厂商自己的一些销量和价格数据。这些数据往往被aggregate到一定的程度，所以一般都是long panel（T>N），以城市为单位之类的。 这样的数据量，肯定没法跟互联网或者电商的individual records相比。百万或许都是小数目。当然咯，我们多少也会把这些原始数据做一个aggregate，比如以每人每日为单位（当然单位的选择取决于具体项目的关注点），但是大多数还是wide panel，N>>T。这两种panel data的（计量）模型显然就不一样了。一个会更多的沿袭time series的分析路子，什么auto-regression、unit root之类的；另外一个要沿袭的更多是cross-section的方法，关注大量个体的特性。 对计量的一个争议就是 ATE （average treatment effect），尤其是做data mining的那些人。明明individuals之间千差万别，计量怎么可以这么简单的取个平均呢？不过一个...

查看全文

题目用英文只是因为不知道怎么确切的用中文表达了。最近一直泡在数学里，很多思维大大的被改造了。不过很庆幸自己先学了经济学，否则就真的可能变成数学院某些“只有智商不见情商”的愣头学生们了。或者，万幸？ 想起来这个题目，是突然间记起一直以来人们在争执的“经济学到底是不是硬科学”一问题。我不是如彭实戈之类的大家，无资格做什么评判，积累也远远不足。只是最近一直在努力的领悟泛函到底想说什么，一点浅薄的见识就是泛函中有一很重要的概念就是“列紧性”，也就是任意数列都存在收敛子列。这个东西可不得了，要知道类似于Banach之类的完备、赋范线性空间都是列紧的。那就很有研究的味道了～ 那么，收敛意味着什么呢？当然，一方面是一个“有界”的概念，但是我个人觉得可能更重要的是一种“确定性”的思想。在压缩映像定理里面，我们证明了不动点的存在然后一堆方程就可以直接“迎刃而解”了。不动点这个东西推广到概率里面，那更是有意思的紧。不动，意味着方差为0；收敛，意味着均衡的存在。那么，一下子新古典经济学里面很多东西的存在就可以解释了。 最最简单的就是角谷不动点->纳什均衡->博弈论，一下子提供了一种看待问题的新的角度，是数学工具的更新让...

查看全文