email：

haonan917@163.com

数据-智慧：http://t.sina.com.cn/happyfranc

然而，对产品的运营与推广，在整个产品过程中举足轻重，一个不好的产品经过精心运营可以变成好产品，一个好的产品没有得到体系的运营也不能成功。而产品运营中，是否能够及时监控数据以及深入分析以优化调整方案基本可以决定运营的成败，这种调整涉及到产品定位的调整、产品功能的优化、产品设计的调整、运营方案的调整、客户服务策略的调整，都以实际的数据分析结果为向导来优化，这样方能客观，更高级的是直接以数据的分析来定位产品、开发产品，形成数据化的产品，一切以数据为基础，这就是数据化的运营。

但往往现实并不全是这样，很多时候只是一些简单的数据指标来考核结果，而对过程的分析少之又少，更不用说迭代的优化和调整，并不能有效积累足够的可以借鉴的经验。这个最首先的就是有没有这样的氛围有没有这样的思维。

某老大说，咱们搞个活动吧，这样搞这样搞。Ok，搞吧，然后活动上线了，看数据没上去，为什么？应该是。。。可能吧，那我们应该怎么调整，脑袋一拍，我们再上个活动，如此重复这样的氛围永远都得不到真知灼见，并不能挖掘到闪光的金子。

这里说氛围包含很多因素，首先是决策者对数据化运营的认知对数据分析工作的支持，如果决策者不支持或者无知，那就很难做到数据化运营；其次是整个公司体制和流程上是否体现数据化运营很大程度上决定着数据化运营的命运；再者是公司对数据基础建设的重视和投入，不能有效获取和存储充足的数据，一切都是白搭；还有是具体运营人员对数据的敏感性，对数据分析工作的配合度；数据分析及其应用能力同样起着关键的作用。真正的数据化运营贯穿于整个产品过程之中，涉及到各个人员，产品的调研、设计、开发、运营、维护、客服等等，是全员的参与，是一种贯穿的思维。

做到数据话运营很难，但是一旦走上轨道，将会带来意想不到的效果。只是停留在几个结果数据指标的考核上、对数据分析的漠视上，永远都体会不到数据化运营、精细化运营所带来的惊喜。

接下来，还会对数据化运营的体制流程、技术、案例等多方面展开进一步的讨论，自己也有待学习和提高。

欢迎参加，大家一起分享关于BI 商业智能的一切。

北京：

时间暂定：2010年1月30（周6） 也可以考虑周日

地点暂定：海淀或朝阳某个交通方便的处所

主题：大家好，我是BIER

参与者：

参与者请到此出填写自己的联络方式。

 https://spreadsheets.google.com/ccc?key=0AluzFPW8dSMndFpYdDY2akJ6YUxEUjJFbGJyTThnd1E&hl=en

或者联系 赵宇坤 zgosken@gmail.com 13811756438 报名

上海：

时间：    2010年1月30日，下午2：00（周六）

地点：    宝庆路10号电动工具研究所院内白色洋房（现场有投影仪，欢迎带PPT） 1号线常熟路站 4号口

主题：    BI初体验，每人5-10分钟，讲自己最初接触BI时候的感受

活动描述：轮流讲述自己的第一个BI项目的心得、感受或者其他收获。

         大家讲自己的故事，听别人讲故事，期待通过交流让思维碰撞出智慧的火花。

         晚上大家聚聚餐或在附近酒吧喝喝酒，友谊天长地久！

报名：    邮件发至下列邮箱其中一个  zpdxiogxiog@gmail.com / birdzhangxiang@gmail.com / fshao@mango-solutions.com

活动组委会： 张翔 13564658130 / 邵凡 13818366533 / 赵培栋 15921593392

杭州：

杭州应该算一个新兴的BI行业的集散地；既有传统的电信行业的bier们，也有这两年新
发展起来的互联网数据分析的同学们；

所以我们组织这次活动，就是为了让大家更好得交流各个行业中bier的经验和成就，同时也希望在我们这个不大的bi圈子中找到同在一个城市的同伴们；

时间暂定在下周六30号下午一点半；地点：

杭州betacafe  通普路和高技街交叉口,花鸟市场对面（通普路41号）

届时将有阿里巴巴、淘宝、网易的朋友参与交流。

联系人：徐俊军 13656684708，杨溯 13926575879

讨论内容：自我介绍；项目经验交流；对活动的建议等等

登记方式：（邮件至life2008life@126.com）

姓名：

ID:

常用邮箱：

手机：

公司/学校：

工作内容：

感兴趣话题：

更多建议：

成都：

以下两种形式：

学术研究型：西南BI线下论坛，BI主题展示探讨，高校报告会，公益型BI研究。

公益户外体验型：登山，飞钓，远足，希望小学，以及汶川项目等。

当然，一般的茶歇会，就不再列举，主要目的是为了更好的筹划西南的BI线下团体。

本期主题：我的BI故事，具体时间未定，先登记一下

登记的格式如下：

---------------------------------------

发邮件至： sammyliao@gmail.com

姓名（中文）：

姓名（英文）：

性别：

常用邮件：

手机：

地址：

公司/学校：

更多建议：

深圳：1月16日 已经结束。

期待翻译专业的中文版和英文电子版，好好研习一下。。

以下原文转载自网站分析在中国

Avinash在Intuit做全职工作的时候，出版了他的第一本关于网站分析的经典书籍，现在他有好几个全职工作了（天啊！他是怎么做到的？我必须要感叹美国网站分析的先进，那里是我们的麦加），他的第二本书也出版了。

  我先说说第一本书的读后感，说实话，第一本书实际上被糟糕的汉语翻译影响了，而且影响颇大，所以我还是坚持如果朋友们想了解Avinash，应该读他的英文，他的英文博客和他的英文书，感受下他有时候颇无厘头的幽默——哈哈，我也翻译不出那种感觉来啦，不过我好像跟他的心情是类似的，哈哈。

  第二本书，坦率讲，给我的吸引力要远远大于第一本，毕竟第一本我觉得有些东西放在中国有点儿南橘北枳的味道；而第二本则是目前的热门话题，网站分析将会怎样影响到真正的生意？

  我还没有拿到Copy，有点儿焦急，我并不想要让Avinash送我一本，尽管他在书的前言中推荐了我的博客——作为世界上最好的网站分析博客之一（哈哈，臭美下），我还是觉得让他送我不是虔诚的表现，也不是拍好马屁的表现。:) 所以我会让我在那边上学的弟弟给我买一本寄过来，咳咳，有点儿麦加的感觉了。

——————————我是卑微的分页符——————————

  书的内容如下：

• 第一章介绍Web Analytics 2.0的勇敢新世界。
•  第二章：选择你网站分析灵魂伴侣的优化策略，嗯灵魂伴侣，这个词我喜欢，不是每个伴侣都是跟你心心相映的，说实话，不过我比较幸运，哈哈。
•  第三章：美好的点击流分析世界：度量，Avinash最喜欢这一章，看起来是讲度量和度量背后的意义的。
•  第四章：美好的点击流分析世界：实际的解决方案。这章对我的吸引力特别大。
•  第五章：荣耀之匙：度量成功。这一章主要介绍如何衡量结果——商务的和非商务的。
•  第六章：解决“为什么”谜团：利用定性数据。这个是我们目前的短板，主要是方法执行上的成本和难度。看看那Avinash是如何做的。
•  第七章：释放测试和实验的力量。我已经在我的博客中强调了这个领域很久了，当然非常重要。
•  第八章：竞争情报分析。看看我之前相关的帖子？http://www.chinawebanalytics.cn/?p=1227；http://www.chinawebanalytics.cn/?p=1319；如何获知陌生网站的流量？等等。
•  第九章：整合分析的力量：SNS，Mobile和视频等Web2.0时代的监测和分析。同样很期待这章。
•  第十章：网站分析隐藏陷阱的破解之道。这一章会要给出一些“熊出没注意”之类的东西我想。
•  第十一章：成为一个网站分析牛人的指导原则。哈哈，这个恐怕是大家都想看的吧！
•  第十二章：成为一个网站分析牛人的高级原则。
•  第十三章：网站分析职业。这个看看美国的情况自己yy下好了。不过也说不准哪天会去美国做这个，哈哈。
•  第十四章：搞定Hippo，成为牛人，以及创造一个数据驱动的文化。这个很高屋建瓴了。

  最后，我看了这本书之后一定第一时间跟大家分享感受！

如果您网站在这段时间内会话数和PAGE VIEW在数值上比较接近，说明大部分的访问者查看了少量页面就会离去，甚至只看了入口页面，您需要丰富您网站内容，设置合理的页面内部链接，引导访问者持续的了解您的网站您的企业和您企业的产品。

下面以我的网站为例进行说明。   流量总览   项目 数量 PAGE VIEW 2226 会话数 570 用户数 557 IP数 527    

上图中我们用PAGE VIEW除以会话数，其值大约为4，说明每个用户在91FREE上看过4个页面就离开了。这个值有点偏小，此时我们应该加入网站内容建设，争取让用户更多的访问页面。一般说来，论坛的这个值一般比较高，如果作为一个论坛，每个用户只访问了少数几个页面，应该好好想一想为什么用户不喜欢你的内容了。

    流量分布    项目 PAGE VIEW 用户数 所占百分比 直接输入流量 351 87 41.39% 站外有源流量 497 404 22.33% 站内跳转流量 1378 66 61.90% 

直接输入流量是指访问者直接输入www.91free.net这样的URL访问您网站所产生的流量；站外有源流量是指访问者通过搜索引擎、直达产品（3721网络实名等）和其它网站的友情链接访问您网站所产生的流量；站内跳转流量是指访问者在您网站的不同页面间的超级链接互相跳转所产生的流量；

如果您网站在这段时间内直接输入流量较多，说明大部分的访问者都是熟悉您网站老用户，如果您想发展更多的新用户，您需要在更广泛的范围内推广您的网站，您可以免费参加慧眼灵通推出的企业积分联盟，在您的目标行业中推广您的网站和产品，还可以利用慧眼灵通的点击广告平台，更方便、更快捷、更有效的投放您企业的广告，让您的企业和产品被行业中的上下游所知晓。

如果您网站在这段时间内站内跳转流量较少，说明大部分的用户都只访问了很少的页面没有持续访问，您需要丰富您网站内容，设置合理的页面内部链接，引导访问者持续的了解您的网站您的企业和您企业的产品。

2.用户分析

发展用户是指该访问者以前没有访问过您的网站，而本次访问是第一次到访的访问者，换个角度就是说您网站新发展来的访问者；回头用户和发展用户相反，是指该访问者以前访问过您的网站本次访问是再次到访；发展用户和回头用户之和是这段时间内访问您网站的用户数。

如果您网站在这段时间内回头用户较多，说明大部分的访问者都是熟悉您网站老用户，如果您想发展更多的新用户，您需要在更广泛的范围内推广您的网站，您可以免费参加慧眼灵通推出的企业积分联盟，在您的目标行业中推广您的网站和产品，还可以利用慧眼灵通的点击广告平台，更方便、更快捷、更有效的投放您企业的广告，让您的企业和产品被行业中的上下游所知晓。

如果您网站在这段时间内发展用户较多，说明大部分的访问者都是初次到访的新发展用户，如果您想保留住这些用户，您需要及时更新您的网站内容，尽可能的使网站内容丰富，多些行业动态和资讯等内容同时可以配合使用论坛等手段来聚集人气等等。

和理的比例是发展用户和回头用户任意项指标都在40%和60%之间。

    用户分析    项目 用户数 所占百分比 用户数 557 ---- 发展用户 501 89.95% 回头用户 56 10.05% 

从上表可以看出，回头用户只占10％左右，原因可以是网站刚刚开始，推广的比较好，所以新用户比较多;二是网站做的不够好，回头用户较少。

3.来源分析

搜索引擎流量是指访问者通过搜索引擎访问您的网站所产生的流量；直达产品流量是指访问者通过3721网络实名，CNNIC通用网址和GOOGLE实名通等客户端插件访问您的网站所产生的流量；其它网站流量是指访问者通过其它网站的友情链接或者其它网站的广告访问您的网站所产生的流量。

这些指标可以帮助您考察您对您网站所进行的搜索引擎优化的效果，以及购买商用搜索产品和直达产品的效果，您可以及时调整您的投资策略，把有限的资金用在更有利于您企业网站的推广的产品上。

    来源分布    项目 PAGE VIEW 用户数 所占百分比 直接输入流量 351 87 41.39% 搜索引擎流量 351 295 41.39% 直达产品流量 0 0 0.00% 其它网站流量 146 109 17.22% 

如果我们对来源分析进行细分的话，可以有更多的分类。比如搜索引擎来源分析，这是我们非常关注的。

搜索引擎    2004年12月19日    

    搜索引擎   次序 搜索引擎 PAGE VIEW 用户数 所占百分比 1 3721搜索 166 141 46.11% 2 baidu 143 120 39.72% 3 雅虎一搜 15 14 4.17% 4 雅虎英文 15 13 4.17% 5 google 10 8 2.78%

通过对健引擎进行分析，我们可以看到网站的主要流量来自于哪一个引擎，应该对哪些搜索引擎进行进一步的推广。从上表中可以看出，91FREE的主要流量来自于3721和Baidu，下一步应该加强对Google的推广工作。

4.关键词分析

我们可以对关键词进行归类分析，一般的方法我们可以把流量在在前5位的关键词放在一起作为A类，看一下它们在整个流量中所占的比重。将其余的关键词作为B类。如果A类中的关键词是你所需要的，那么要对它们继续优化;如果你所关注的关键词出现在B类中，那么要想一想应该如何优化关键“关键词”（Key Keywords）。优化的方法很多，网上有很多介绍，这里说一个简单的方法。你可以用你所希望的A类关键词在相应的搜索引擎中搜索一下，看排在你前面的网页是如何做的，对它们进行分析，往往会事半功倍。

搜索关键词    2004年12月19日   

   关键词明细   次序 关键词 PAGE VIEW 用户数 所占百分比 关键词详情 1 永久免费虚拟主机 58 50 29.15% 详情 2 国外免费空间 8 7 4.02% 详情 3 永久免费全能空间 8 7 4.02% 详情 4 免费网址大全 8 3 4.02%

详情 5 网易免费126邮箱 7 6 3.52% 详情 6 免费域 7 4 3.52% 详情 7 126网易免费邮箱 7 6 3.52% 详情 8 免费asp虚拟主机 7 7 3.52% 详情 9 免费100M空间 5 4 2.51% 详情 10 免费php空间 4 3 2.01% 详情

通过前10位的关键名细可以看出，“永久免费虚拟主机”占到了近30％，带来了较大的流量。一方面，对这个关键词应继续优化;从后面的关键词中找出你希望进行优化的，进行特别研究。如果对“免费网址大全”关键安研究并优化，可以获得更好的效果。

另外，我们可以通过一些相关工具查询一般关键词在相应搜索引擎中的搜索频率，可以对搜索频率较高的关键词进行特别的优化。以下是BAIDU和SOHU的关键词频率查询，哪位网友有其它搜索的关键词频率查询工具，请与我联系。cn91free@yahoo.com.

http://www2.baidu.com/inquire/dsquery.php

http://db.sohu.com/regurl/pv_price/query_consumer.asp

5.页面分析

页面分析对于我们其实是非常重要的，我们可以通过面页分析来发现用户最多访问的页面、用户平均访问页面数、用户是从哪些页面离开的等。页面分析一般包括以下几个方面。

  页面分析   

 热门页面 热门页面罗列出了您的网站中被访问量最高的页面的排名以及所占流量的比例，您可以通过这些数据准确的了解您的哪些网页是最受欢迎的。

 访问入口 访问入口显示了在您网站中客户第一次访问量最大的网页。

绝大部分客户都是通过这些网页来找到您的网站的。

 访问出口 访问出口代表了客户在观看完此网页后就退出了您的网站，这里所列出的网页内容也许是许多客户都不感兴趣的，您可以根据这些数据来丰富您的网站，吸引更多的客户。

 阅读页数 阅读页数反映了客户在一次登陆后所读到的您网站的平均页数，这个数据直接反映了客户是否对您的网站及其内容感兴趣，您可以根据这些数据的高低对网站内容做更合理的调整。

 浏览次数 此数据反映了您网站对特定用户的吸引能力，他代表客户反复登陆流量您网站的次数。

如果此数据较高说明您的网站对某些客户比较有针对性，能持续的吸引他们。

通过这些分析，可以明确你的客户对你的页面的反应，同时可以明确你的工作重点，对某些页面进行进一步的优化，对一客户不感兴趣的页面进行调整。

综述

对你网站的信息进行分析、整理和细分，你就能发现用户对你的网站的整体意见，针对这些意见再进行网站内容的调整，这项工作是永远没有尽头的。看看你的用户有多少是回头用户吧。让用户过来只是工作的第一步。Google在针对广大站长的注意事项中有一句话说的非常好：如果不是针对搜索引擎，你的网站还会这样做吗？不要针对搜索引擎做过多的倾向性优化。请记住，内容是第一位的！

转自：http://hi.baidu.com/mayige/blog/item/0660e11f2064040a314e1560.html

最近的工作要用到支持向量机(SVM), 对算法不是很懂, 但是总要把用法弄明白吧, 于是就想把它的文档翻译一下, 自己弄明白吧, 也给其他人带来点方便

先给出libsvm的下载地址:   要下载就点我吧

英文文档请见压缩包内的 README 文件(用写字板打开就可以看到内容了)

libsvm-2.88中文文档

中文文档由 pwwang 翻译, 欢迎转载, 转载请注明出处!

Libsvm是一个简单、易用、有效的SVM分类和回归软件。它解决了C-SVM分类、nu-SVM分类、one-class-SVM、epsilon-SVM回归和nu-SVM回归。它还为C-SVM提供了一个自动模型选择工具。这个文档将解释libsvm的用法。

Libsvm可以从这里得到：http://www.csie.ntu.edu.tw/~cjlin/libsvm
在使用libsvm之前先阅读COPYRIGHT文件。

目录
=================

－快速开始
－安装和数据格式
－“svm-train”的用法
－“svm-predict”的用法
－“svm-scale”的用法
－实际使用技巧
－例子
（后面的部分不作翻译）

快速开始
=================

如果你是SVM的一个新手，并且数据不大，那么在安装完成之后请打开tools目录使用easy.py。它将把一切全自动化，从数据规化到参数选择。

用法：easy.py training_file [test_file]

你可以在“tools/README”中找到关于参数选择的更多信息。

安装和数据格式
=================

在Unix系统中，输入make来生成“svm-train”和“svm-predict”程序。不带参数地运行它们可以显示他们的用法。

在其他系统中，参考“Makefile”来生成它们（例如：你可以参数这篇文档中的“生成Windows可执行文件”）或者使用预生成二进制文件（Windows二进制文件在”windows“目录中）

训练和测试数据文件中的格式是：

<label> <index1>:<value1> <index2>:<value2> …
.
.
.

每行包含一个实例，并且以“n”（译者注：换行符）结束。对于分类来说，<label>是一个指向该类标志的整数（支持多类）。对于回归来说，<label>是一个可为任何实数的目标值。对于one-class-SVM来说，它不会被用到，所以可以为任何数值。除非使用预先计算的核（将在另一节介绍），<index>:<value>给出了一个特性（属性）值。<index>是一个从1开始的整数，<value>是一个实数。索引必须按升序排列。标签在测试文件中只被用来计算精确度或者错误。如果它们是未知的，把第一列赋任意值。

这个包内的一个分类数据的例子是“heart_scale”。可以使用“tools/checkdata.py”来检测你数据格式是否正确。（详见“tools/README”）。

输入“svm-train heart_scale”，程序将读取训练数据并输出模型文件“hear_scale.model”。如果你有一个测试集叫“heart_scale.t”，那么输入“svm-predict heart_scale.t heart_scale.model output” 来检查预测的准确性。“output”文件包含了预测的类标签。

这个包里还有一些其他的有用的程序：

svm-scale：

规化你的输入数据文件

svm-toy：

这是一个简单的图形界面，它将在一个面板上显示SVM如果分离数据。你可以在窗口里单击来画数据点。使用“change”按钮来选择类1,2或者3（例如：一直到3个类都是支持的），“load”按钮用来从文件里装入数据，“save”按钮用来保存数据到一个文件，“run”按钮用来获取一个SVM模型，“clear”按钮用来清除窗口。

你可以窗口的底部输入选项，选项的符号规则和“svm-train”一样。

注意“load”和“save”只考虑了分类情况下的数据，而没有考虑回归的情况。每一个数据库有一个标签（颜色），它必须是1，2或者3，并且两个属性（x和y值）范围必须是[0，1]。

在各个目录中输入make来生成它们。

你需要Qt库来生成Qt版本（可以在这里得到：http://www.trolltech.com）

你需要GTK+库来生成GTK版本（可以在这里得到：http://www.gtk.org）

预生成的Windows二进制文件可“Windows”目录中。我们使用的是32-位机上的Visual C++，所以最大缓存是2GB。

“svm-train”的用法
=================

用法：svm-train [options] training_set_file [model_file]
选项：
-s svm_type : 设定SVM的类型 (default 0)
    0 — C-SVC
    1 — nu-SVC
    2 — one-class SVM
    3 — epsilon-SVR
    4 — nu-SVR
-t kernel_type : 设定核函数的类型 (default 2)
    0 — linear: u’*v
    1 — polynomial: (gamma*u’*v + coef0)^degree
    2 — radial basis function: exp(-gamma*|u-v|^2)
    3 — sigmoid: tanh(gamma*u’*v + coef0)
    4 — precomputed kernel (kernel values in training_set_file)
-d degree : set degree in kernel function (default 3)
-g gamma : set gamma in kernel function (default 1/k)
-r coef0 : set coef0 in kernel function (default 0)
-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
-n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)
-p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)
-m cachesize : set cache memory size in MB (default 100)
-e epsilon : set tolerance of termination criterion (default 0.001)
-h shrinking: whether to use the shrinking heuristics, 0 or 1 (default 1)
-b probability_estimates: whether to train an SVC or SVR model for probability estimates, 0 or 1 (default 0)
-wi weight: set the parameter C of class i to weight*C in C-SVC (default 1)
-v n: n-fold cross validation mode

-g中的k表示输入数据中属性的数目。

-v选项把数据随机分成n个部分，并计算它们的交叉验证accuracy/mean方差（不知道这个数学术语怎么翻译）

通过libsvm FAQ来查看输出文件的含义。

“svm-predict”的用法
=================

用法： svm-predict [options] test_file model_file output_file
选项：
-b probability_estimates: 是否预测概率估计, 0 或 1 (默认 0); one-class SVM只支持0

model_file是svm-train生成的model文件.
test_file 是你想预测的数据.
svm-predict 将把结果输出到output_file.

"svm-scale" Usage
=================

用法： svm-scale [options] data_filename
选项：
-l lower : x 规化的最小值 (默认 -1)
-u upper : x 规化的最大值 (默认 +1)
-y y_lower y_upper : y 规化的限定 (默认: 不规化y)
-s save_filename : 保存规化参数到 save_filename
-r restore_filename : 从restore_filename恢复规化参数

查看这个文档的’Examples’ 来获取例子。

实际使用技巧
=================

* 你的数据的规化。例如，规化每一个属性到[0,1]或[-1,+1]。
* 对于C-SVC，考虑使用tools目录中的模型选择工具。
* nu in nu-SVC/one-class-SVM/nu-SVR approximates the fraction of training  errors and support vectors. 
* 如果分类数据不平衡（如太多正数，极少负数），使用-wi尝试一个不同的罚分参数C。
* 为大的问题指定更大的缓存大小（如 larger -m）

Examples
========

> svm-scale -l -1 -u 1 -s range train > train.scale
> svm-scale -r range test > test.scale

Scale each feature of the training data to be in [-1,1]. Scaling factors are stored in the file range and then used for scaling the test data.

> svm-train -s 0 -c 5 -t 2 -g 0.5 -e 0.1 data_file

Train a classifier with RBF kernel exp(-0.5|u-v|^2), C=10, and stopping tolerance 0.1.

> svm-train -s 3 -p 0.1 -t 0 data_file

Solve SVM regression with linear kernel u’v and epsilon=0.1 in the loss function.

> svm-train -c 10 -w1 1 -w-1 5 data_file

Train a classifier with penalty 10 = 1 * 10 for class 1 and penalty 50 = 5 * 50 for class -1.

> svm-train -s 0 -c 100 -g 0.1 -v 5 data_file

Do five-fold cross validation for the classifier using the parameters C = 100 and gamma = 0.1

> svm-train -s 0 -b 1 data_file
> svm-predict -b 1 test_file data_file.model output_file

Obtain a model with probability information and predict test data with probability estimates

  2008，来自TTNN的声音，发自TTNN的呐喊，源自TTNN的激荡，必将给你带来很T很N的感受，那就来吧：

  TTNN地址：http://groups.google.com/group/ttnn?hl=zh-CNTTNN，

2008完全免费电子杂志《TTNN BI 观点》总目录，以及从商业智能分析应用、分析产品、技术趋势、方法和实践、生活和环境（包括对商业智能职业规划的探索）以及ttnn活动，这六个方面来回顾08年ttnn的声音:

http://groups.google.com/group/ttnn/browse_thread/thread/c0cb6a2da05ebab4?hl=zh-CN

在现在如此快节奏的时代，一夜情已经被当成一种另类的时尚。人们到底要求的是什么，仅仅是生理的需求吗?人做为比动物高一等级的生物，不应该随着时代的发展却进化到如此的地步。一个好的女人在遇到自己喜欢的男人时，应该是先相处、了解对方是否合适自己以后，随着感情的加深而顺其自然的发生的。一个随随便便就和男人上床的女人，试问男人们，这样的女人你们敢娶回家吗???所以当你们遇到自重自爱的女人时应该好好的把握，比竟这样的女人已经太少了

  数据挖掘交流讨论（3，答Freshm 2008-12-9的留言）

博士你好： 从事数据挖掘应用，要打好那些基础，望结合您的经验给予详细指导，以及给一点应用于移动方面的实践案例。

我的回复：不好意思，我不是博士，请别叫我博士。非常高兴跟你交流数据挖掘的应用。数据挖掘因为是个综合性应用，涉及的专业知识很多（有数据仓库、统计专业、编程能力、展示展现技术、挖掘技能、所具体应用的相关业务能力），但是真正从数据挖掘项目实践的角度讲，沟通能力和对挖掘的兴趣爱好是最重要的，有了爱好才可以愿意钻研，有了不错的沟通能力，才可以正确理解业务问题，才能正确把业务问题转化成挖掘问题，才可以在相关不同专业人才之间清楚表达你的意图和想法，取得他们的理解和支持。所以我认为沟通能力和兴趣爱好是个人的数据挖掘的核心竞争力，是很难学到的；而其他的相关专业知识谁都可以学，算不上个人发展的核心竞争力。

除了最重要的沟通能力和兴趣爱好外，在专业能力培养中，如果你一定要排个先后次序的话， 一方面看你职业兴趣的侧重点，另一方面对于数据挖掘的应用来说，我觉得数据挖掘技能可能是相对而言最重要的， 因为数据挖掘作为一个典型的团队作业，一个人不可能完成所有相关专业的工作，而其中数据挖掘能力可能是挖掘实践中专业能力的核心，当然相关业务的能力同样（甚至更）重要，比如做数据库营销时，你不但应该有好的挖掘技能，你更应该是个市场营销专家。所以国内外面临数据挖掘复合型人才缺乏时，一致公认的好的解决办法是让业务人员学习挖掘技能（这比让挖掘技术人员学习业务技能更有效、更合理）。

说到这里可能很多数据仓库专家、程序员、统计师等等都要扔砖头了，对不起，我没有别的意思，你们的专业对于数据挖掘都很重要，大家本来就是一个整体的，但是作为单独一个个体的人来说，精力有限，时间有限，不可能这些领域都能掌握，在这种情况下，选择最重要的核心，我想应该是数据挖掘技能和相关业务能力吧（从另外的一个极端的例子，我们可以看， 比如一个迷你型的挖掘项目，一个懂得市场营销和数据挖掘技能的人应该可以胜任。这其中他虽然不懂数据仓库，但是简单的Excel就足以胜任高打6万个样本的数据处理；他虽然不懂专业的展示展现技能，但是只要他自己看的懂就行了，这就无需什么展示展现；前面说过，统计技能是应该掌握的，这对一个人的迷你项目很重要；他虽然不懂编程，但是专业挖掘工具和挖掘技能足够让他操练的；这样在迷你项目中，一个懂得挖掘技能和市场营销业务能力的人就可以圆满完成了，甚至在一个数据源中根据业务需求可以无穷无尽的挖掘不同的项目思路，试问就是这个迷你项目，单纯的一个数据仓库专家、单纯的一个程序员、单纯的一个展示展现技师、甚至单纯的一个挖掘技术专家，都是无法胜任的）。这从另一个方面也说明了为什么沟通能力的重要，这些个完全不同的专业领域，想要有效有机地整合在一起进行数据挖掘项目实践，你说没有好的沟通能力行吗？

数据挖掘能力只能在项目实践的熔炉中提升、升华，所以跟着项目学挖掘是最有效的捷径。国外学习挖掘的人都是一开始跟着老板做项目，刚开始不懂不要紧，越不懂越知道应该学什么，才能学得越快越有效果。我不知道国内的数据挖掘学生是怎样学的，但是从网上的一些论坛看，很多都是纸上谈兵，这样很浪费时间，很没有效率。

另外现在国内关于数据挖掘的概念都很混乱，很多BI只是局限在报表的展示和简单的统计分析，却也号称是数据挖掘；另一方面，国内真正规模化实施数据挖掘的行业是屈指可数（银行、保险公司、移动通讯），其他行业的应用就只能算是小规模的，比如很多大学都有些相关的挖掘课题、挖掘项目，但都比较分散，而且都是处于摸索阶段，但是我相信数据挖掘在中国一定是好的前景，因为这是历史发展的必然，呵呵。

讲到移动方面的实践案例，如果你是来自移动的话，你一定知道国内有家叫华院分析的公司（申明，我跟这家公司没有任何关系，我只是站在数据挖掘者的角度分析过中国大多数的号称数据挖掘服务公司，觉得华院还不错，比很多徒有虚名的大公司来得更实际），他们的业务现在已经覆盖了绝大多数中国省级移动公司的分析挖掘项目，你上网搜索一下应该可以找到一些详细的资料吧。我对华院分析印象最深的一点就是2002年这个公司白手起家，自己不懂不要紧，一边自学一边开始拓展客户，到现在在中国的移动通讯市场全面开花，的确佩服佩服呀。他们最开始都是用EXCEL处理数据，用肉眼比较选择比较不同的模型，你可以想象这其中的艰难吧。这个故事其实也告诉我们，数据挖掘也是可以创造一些神奇的故事的，你说呢？

至于移动通讯的具体的数据挖掘的应用，那太多了，比如不同话费套餐的制订、客户流失模型、不同服务交叉销售模型、不同客户对优惠的弹性分析、客户群体细分模型、不同客户生命周期模型、渠道选择模型、恶意欺诈预警模型，太多了，记住，从客户的需求出发，从实践中的问题出发，移动中可以发现太多的挖掘项目。最后告诉你一个秘密，当你数据挖掘能力提升到一定程度时，你会发现无论什么行业，其实数据挖掘的应用有大部分是重合的相似的，这样你会觉得更轻松。

以上是个人的浅见，仅供参考，祝挖掘快乐！

已经不记得第一次知道乒乓球这项运动的具体时间，然而小学毕业刚上初一那段对乒乓球如痴如醉的迷恋记忆犹新，那个挥着拍流着汗跳动着的专注的小伙子的身影是那么清晰，那么熟悉。

来自一般农村家庭的我们并没有属于我们自己的装备，最原始的状态则是在平地上画个球桌般大小的框框，网则有时是一排砖头有时是一根竹竿或者扫帚之类长长之物，拍则是由木板自制或者他制，唯一真正可以说得上设备的只有乒乓球，而这球我们视之为掌上明珠，得一球何等不易。这就是我们第一次打乒乓球的风景。

终于有一天，犹如猿人站立行走了犹如1949中国人民从此站起来了，我们那伙乒乓之子终于也站起来了，不知谁从哪里kiang来一扇有着很多蛀虫洞的破旧的门板，再拿来长凳子，往上一放，我们终于可以站起来打球了，我们终于站起来了！这是我们共同的历史转折点。这就是我们第一次站起来打球的风景。

过了一段时间，有个小伙伴的父母给他买了两个拍，我们高兴的不得了，我们终于可以用真正的拍打球了。我们第一次用上了真正的有胶皮的球拍。

当我们得知镇政府（当时我们还叫公社）那里有一张乒乓球球桌的时候，再一次兴奋，第一次在正真的乒乓球桌上打球。那时起，我们几个经常步行2公里左右的路去那里打球。

历史总是不断的前进的，到了初二的时候，我们村里从一所小学里买来了一张还可以打的自制的乒乓球桌，虽然上面有几个小洞但是我们已经很满足了，我们可以在家门口打球了，我们可以随时享受乒乓球带给我们的快乐！

（2）擦肩而过

我和我一个表弟相对更加痴迷于乒乓球，所以我们两个的“技术”就好一些。到了初二暑假，基本打球的机会很多了，基本每个村子里每个镇都会有自己的乒乓球桌，学校里也有了水泥球桌，村与村之间会举行乒乓球友谊赛，我们村乒乓球爱好者和我们中学老师之间的交流赛，想当年过年的时候祠堂里的打乒乓球的人多达50人之多，双打，我和我表弟配对，更是无人能敌，打得大汗淋漓，在寒冷的冬天脱的只剩一件衣服，如果不是在妈妈的再三劝阻之下我肯定那一次我肯定是要感冒发烧。乒乓球技术细腻，只靠自己打野战，只靠自己摸索，很难有质的提高。初三时，县里要举行中学乒乓球比赛，学校就要招队员，当我得知这个消息是多么兴奋，因为可以参加正式的训练，多么期待。而兴奋之后确是无比的沮丧。。。班主任不许！！！只因我是考取重点高中的苗子。。。家人和班主任可以找到一万个理由让我不参加这个训练比赛，无奈之下只能放弃，而表弟则因是初二顺利参加。几次有意无意经过他们训练室的时候是多么的羡慕，只能眼睁睁的看着他们享受这技术上长进的快乐，而我只有听那向往的乒乒乓乓的亲切的声音的份。还好，幸亏考上了重点高中，可以找到一个安慰自己的“借口”了。

（3）野战军风采

高中，是一个飞跃的时段，有了体育馆，有了更多的球友。毕竟乒乓球的群众基础相对于篮球和足球那是差了很多，所以我这个野战出来的小子也算是所谓的高手之一，经常和别的班的高手过招，也和众老师们较量。记得，高三班主任那个弧圈球我老是接不过去。。。不过化学老师我就可以和他平起平坐，不相上下了，哈哈。还记得，有一个老教师，那个手法基本不怎么移动身体就可以把球精准的送到角落里和白线上，很难接。。。他把就我们一大群小青年全部打败。。。只有我一次侥幸打赢了他。。。呵呵。有过旷课偷偷摸到体育馆打球的不良记录，也有过事先把体育馆的窗户掩着不锁上到了周末偷偷爬窗进去打球的壮举，哈哈。有一次和一个体育老师打球，他看到我的动作很不标准，就指点了我一下，规范了我一下的动作，受益匪浅，于是乎几乎天天面对着宿舍门上的玻璃挥动着球怕，在玻璃镜中可以观察自己的工作，根本不在乎手指气泡手臂疼痛，只是沉浸在乒乓之乐中。哈哈，高中还“收”了几个徒弟，和他们分享我的经历和经验，一起打球一起开心一起成长。在高中繁重的学习任务之余乒乓球给我带来了很多乐趣和放松，珍惜ing。

（4）编入正规军

在南昌大学，大一，和大家一样在众多社团学生会招新的诱惑下，我加入了一些组织，当然最重要当然是乒乓球协会。第二个学期举行全校的乒乓球赛，毫不犹豫的参加了，第一次参见比较正规的比赛，很期待。可恨的是刚好和高数的课冲突，课上到一半就偷偷从后门逃走，加入赛场和大家一分高下。毕竟是野战军出身也没有什么比赛经验，到了8强，已经有些力不从心，败阵下来。但是，让我学到了很多，如何在关键时刻把握好心态，还有技术上的对比和思考。比赛之后，把一些人定为南昌大学校队队员，我也进入校队二队之列，有了第一次的编制，呵呵。同时我也进入了乒乓球协会技术部成员。于是乎，我们几个一星期9个小时的在乒乓球管练球，可惜的是没有正规的教练，只能我们几个自己练球，很难有突破。大二，第二次全校的乒乓球赛，继续我的乒乓之征。又是进入8强后遭遇后来的冠军，他一直是正规军，经过正规的训练，考过国家二级运动员，那当然以卵击石，很快败阵下来，结束了我的第二次征途。但是一点都不遗憾。第三次征战则是，代表我们学院学生会出战学生会杯乒乓球比赛，由于有几个一线高手不是学生会所以我们拿了第三，嘿嘿。到了大三下学期，由于学业任务的加重和加入考研军，打球的时间慢慢的少了，同时也婉拒了担任校乒乓球协会会长的机会，虽然自己很希望能够在协会中为大家服务，可是，每一段人生路都有一个重点。

（5）继续征战

无心插柳柳成荫，有意留杭却来粤。来到广州来到华农，又是一片新的天地。刚入学，还以为这边比较少人打乒乓球，结果发现还是挺多人的，而我们学院研究生只有羽毛球俱乐部，于是开始着手成立乒乓球协会，从研究生主席到学院副书记，从寻找副会长到招募大家加入，很快我们的乒乓球协会终于成立，也得到了学院的经费支持。由我担任会长兼教练。从那时期，我有了一个另一个绰号“教练”。每两个星期我组织大家一起去体育馆打球，和大家在一起打球的感觉就是好，帮助大家享受乒乓球带了的快乐，也给自己带来了快乐。

第二学期，全校乒乓球团体赛开征，我顺利入选研究生队，我们一伙球友在一起每周三个晚上的训练，我们团结，我们互助，我们共享乒乓之乐，共同成长，持续了一月，终于迎来决战日。由于我们组织有力，实力平均，女队获得了冠军男队获得了季军，总成绩第一，快乐就两个字。。。。拼搏后的喜悦。。。

研二第二学期，研究生院级乒乓赛团体赛，由我担任队长，组织训练。很遗憾，比赛日下午的淘汰赛，我要去参加SAS的实习生笔试，只能放弃比赛，少了我的单打整体实力不敌对手惜败下来。无奈，人生多有不如意。

这个学期，赶上了这一年的全校乒乓球团体赛，经过选拔进入研究生队，继续征战南北。这一次我们研究生队的整体实力相比上次有所下降，而男队，恰恰在关键时刻关键人物被老板抓走，惜败！惜败！比赛就是如此，人生也是如此。女队发挥失常，获得了第五，也算挽回一点“颜面”，呵呵。

（6）路在脚下

乒乓之征途还在继续，可能还有广州高校研究生乒乓球团体赛和下个学期的研究生院际乒乓球团体赛，毕业后的乒乓之路充满着快乐；人生之路还很远，继续为自己的人生之路画下精彩的一笔。

 同时，我们也可以看看其他搜索的反应，“谷歌联手新浪、搜狐、腾讯、网易、雅虎口碑五大网站一起呼吁国内搜索引擎需要公正的搜索结果和承担更多的社会责任。”，“受利益驱使的人工干预是对用户的最大伤害。”明显针对百度，google的总裁副总裁也首次“评价”竞争对手。看来百度是四面楚歌啊，商场如战场！

 百度将陷入短期利益和长期利益，商业利益和商业道德的挣扎之中，如何找到平衡点，或者如何优化甚至变革这种商业模式，将是李彦宏和百度的一大难题，不过危机危机正式危险和机遇并存，百度将如何应对，我们拭目以待。

　　一。 杠杆。目前，许多投资银行为了赚取暴利，采用20－30倍杠杆操作，假设一个银行A自身资产为30亿，30倍杠杆就是900亿。也就是说，这个银行A以 30亿资产为抵押去借900亿的资金用于投资，假如投资盈利5％，那么A就获得45亿的盈利，相对于A自身资产而言，这是150％的暴利。反过来，假如投 资亏损5％，那么银行A赔光了自己的全部资产还欠15亿。  　　　　  　　　　

二。 CDS合同。由于杠杆操作高风险，所以按照正常的规定，银行不运行进行这样的冒险操作。所以就有人想出一个办法，把杠杆投资拿去做“保险”。这种保险就叫 CDS。比如，银行A为了逃避杠杆风险就找到了机构B。机构B可能是另一家银行，也可能是保险公司，诸如此类。A对B说，你帮我的贷款做违约保险怎么样， 我每年付你保险费5千万，连续10年，总共5亿，假如我的投资没有违约，那么这笔保险费你就白拿了，假如违约，你要为我赔偿。A想，如果不违约，我可以赚 45亿，这里面拿出5亿用来做保险，我还能净赚40亿。如果有违约，反正有保险来赔。所以对A而言这是一笔只赚不赔的生意。B是一个精明的人，没有立即答 应A的邀请，而是回去做了一个统计分析，发现违约的情况不到1％。如果做一百家的生意，总计可以拿到500亿的保险金，如果其中一家违约，赔偿额最多不过 50亿，即使两家违约，还能赚400亿。A,B双方都认为这笔买卖对自己有利，因此立即拍板成交，皆大欢喜。  　　　　  　　　

　三。 CDS市场。B做了这笔保险生意之后，C在旁边眼红了。C就跑到B那边说，你把这100个CDS卖给我怎么样，每个合同给你2亿，总共200亿。B想，我 的400亿要10年才能拿到，现在一转手就有200亿，而且没有风险，何乐而不为，因此B和C马上就成交了。这样一来，CDS就像股票一样流到了金融市场 之上，可以交易和买卖。实际上C拿到这批CDS之后，并不想等上10年再收取200亿，而是把它挂牌出售，标价220亿；D看到这个产品，算了一 下，400亿减去220亿，还有180亿可赚，这是“原始股”，不算贵，立即买了下来。一转手，C赚了20 亿。从此以后，这些CDS就在市场上反复的抄，现在CDS的市场总值已经抄到了62万亿美元。  　　　　  　　　　

四。 次贷。上面 A,B,C,D,E,F....都在赚大钱，那么这些钱到底从那里冒出来的呢？从根本上说，这些钱来自A以及同A相仿的投资人的盈利。而他们的盈利大半来 自美国的次级贷款。人们说次贷危机是由于把钱借给了穷人。笔者对这个说法不以为然。笔者以为，次贷主要是给了普通的美国房产投资人。这些人的经济实力本来 只够买自己的一套住房，但是看到房价快速上涨，动起了房产投机的主意。他们把自己的房子抵押出去，贷款买投资房。这类贷款利息要在8％－9％以上，凭他们 自己的收入很难对付，不过他们可以继续把房子抵押给银行，借钱付利息，空手套白狼。此时A很高兴，他的投资在为他赚钱；B也很高兴，市场违约率很低，保险 生意可以继续做；后面的C,D,E,F等等都跟着赚钱。  　　　　  　

　　　五。 次贷危机。房价涨到一定的程度就涨不上去了，后面没人接盘。此时房产投机人急得像热锅上的蚂蚁。房子卖不出去，高额利息要不停的付，终于到了走头无路的一 天，把房子甩给了银行。此时违约就发生了。此时A感到一丝遗憾，大钱赚不着了，不过也亏不到那里，反正有B做保险。B也不担心，反正保险已经卖给了C。那 么现在这份CDS保险在那里呢，在G手里。G刚从F手里花了300亿买下了 100个CDS，还没来得及转手，突然接到消息，这批CDS被降级，其中有20个违约，大大超出原先估计的1％到2％的违约率。每个违约要支付50亿的保 险金，总共支出达1000亿。加上300亿CDS收购费，G的亏损总计达1300亿。虽然G是全美排行前10名的大机构，也经不起如此巨大的亏损。因此G 濒临倒闭。  　　

　　  　　　　六。 金融危机。如果G倒闭，那么A花费5亿美元买的保险就泡了汤，更糟糕的是，由于A采用了杠杆原理投资，根据前面的分析，A 赔光全部资产也不够还债。因此A立即面临破产的危险。除了A之外，还有A2，A3,...,A20，统统要准备倒闭。因此G,A,A2,...,A20一 起来到美国财政部长面前，一把鼻涕一把眼泪地游说，G万万不能倒闭，它一倒闭大家都完了。财政部长心一软，就把G给国有化了，此后A,...,A20的保 险金总计1000亿美元全部由美国纳税人支付。  　　　　  　　　

　七。 美元危机。上面讲到的100个CDS的市场价是300亿。而CDS市场总值是62万亿，假设其中有10％的违约，那么就有6万亿的违约CDS。这个数字是 300亿的200倍。如果说美国*收购价值300亿的CDS之后要赔出1000 亿。那么对于剩下的那些违约CDS，美国*就要赔出20万亿。如果不赔，就要看着A20,A21,A22等等一个接一个倒闭。无论采取什么措施，美元大 贬值已经不可避免。 

 　　　　  　　　　以上计算所用的假设和数字同实际情况会有出入，但美国金融危机的严重性无法低估。

董瑞豹：实在，网聚人的力量

董瑞豹 网易公司首席运营官

《互联网周刊》:从运营模式角度上讲，回顾从网易成立到现在所走过的11年

历程，网易区别于其他门户的最大特点在哪里?

董瑞豹：体现在网易的三个“实”。网易最大的特点，就是务实。具体地说，

就是以踏实稳健的战略，通过先进网络技术的应用实现，服务于网民的实际利

益。

第一个“实”是始终追求用户实际利益的最大化。网易始终认为，不论是什么

样的概念、模式，都应该以用户的利益、体现到用户身上的实际价值为核心。

第二个“实”是始终追求先进技术的应用实现。网易是中国最早开发和提供的

免费邮箱服务的门户网站，是第一家提供的免费邮件系统，也是国内首家提供

无限容量而且免费的网络相册的门户网站。此外，网易还是中国第一个自主开

发并成功运营国产网络游戏并取得白金地位的门户网站。还有网易自主研发的

全新中文搜索引擎等等。

第三个“实”是始终奉行踏实稳健的发展战略。网易公司自成立以来就努力的

立足国内市场。致力于中国互联网的发展建设，包括所开发的产品都是以服务

中国网民为考虑因素。

《互联网周刊》：能否简单总结网易的企业文化和品牌文化?

董瑞豹：网聚人的力量。用网络技术，聚合所有人的力量——就是网易所追求

的历史使命。其实，“网聚人的力量”这句话，我们的英文翻译是“Power to

People”。也就是说，我们先要通过互联网技术的应用普及，使更多的人掌握

互联网的力量;然后，我们要建设一个更为宽广的平台，使所有的人都能依托

于这个平台，发挥自己的力量;最终，聚合所有人的力量。

作为中国本土成长起来的互联网企业，网易一直推祟“以中国智慧，网聚天下

大同”的理念。网易的品牌文化更多彰显了中国元素，大家最直观看到的就是

网易的LOGO，而“易”字也深刻的体现出来中国传统文化中追求美好目标的愿

景。

网易一直致力于中国人自主知识产权的互联网技术研发，不论是“有道”，还

是网易的其它产品，都是网易网聚中国智慧的丰硕成果。丁磊先生之前曾经专

门强调过：网易的产品，要突出生活的禅意、生活的哲学、生活的美术、生活

的教育。这种站在战略高度的思考，正是网易所一贯追求的“中国智慧”的具

体体现。

《互联网周刊》：网易开发了很多很好的产品，这些年也做了很多产品整合的

工作，能否总结效果?

董瑞豹：通过多年的积累，我们拥有了很多优势产品支撑着门户网站的发展。

比如，网易博客目前已经与网易邮箱、相册、泡泡、有道搜索、新闻、及无线

产品深度整合。

这些产品和内容的打通，从用户角度来看，是得到了最好的用户体验;从我们

的客户来讲，是网易整合提供了一个具有高价值用户群体的平台;从网易自身

来讲，我们的产品整合，是希望继续打造一个多赢的网络平台。这个多赢是用

户的多赢，网易公司的多赢。

《互联网周刊》：将中国传统文化的思想融入到有“道”的产品(有道搜索、

游戏等)中去，是基于什么样的考虑?

董瑞豹：“有道”的名字也彰显了网易的信仰和做事情的根本，此“道”也是

网易之道，道是道路、方法、信仰。网易公司本身就是中国的民族企业，致力

于为中国的互联网用户提供服务，而中国传统文化中很多重要的思想和智慧，

值得我们去学习和继承。我们的网络游戏西游系列，就是取材中国的神话故事

，又把传统文化融入进来，运用现代的先进互联网技术，所以玩家玩我们的游

戏会觉得很中国，很民族。

《互联网周刊》：网易提出了网游、门户“两条腿走路”的战略，那么网易将

如何在门户内容上下功夫，从而将内容转化为广告收益?

董瑞豹:自从2006年网易首页改版后，推出精品内容，深加工的概念，同时推

出简洁的网络内容版式，到现在已经有两个年头，在这期间我们内容建设的影

响力不断加强，如去年报道的华南虎事件等。而在刚刚结束的奥运报道中，我

们以用户体验为基础，进行多方面内容的整合报道，也得到了广大网民的认可

。在2008年Q2网易广告业务营收突破1亿元，同比增长34.9%。

周枫：取之“有道”

周枫：网易高级副总裁暨有道搜索架构师

《互联网周刊》：从2006年测试版上线到现在，有道搜索做了快两年了，到今天这样一个成绩，您的心境与当初有何不同?

周枫：很激动，我们这么一个并不大的团队，做了很多事情，到今天推出这么多的、还是比较好的产品，确实很激动。

《互联网周刊》：有道前段时间推出了音乐搜索，当时还是比较低调的，那现在能介绍一下它的进展吗?有道对正版音乐的态度是什么?

周枫：现在已经收录了2000万首歌曲，有预听功能。当然，我们认为正版音乐是未来发展的大方向，我们非常支持这样的发展，为用户提供好的音乐搜索服务。

《互联网周刊》：在您看来，做好一个搜索引擎的关键是什么?

周枫：搜索引擎的关键是要把用户放在第一位，这不仅是产品功能上要让用户用得顺畅舒心，也包括在结果的中立性上能让用户放心、可信赖。

《互联网周刊》：有道在今年有很多大的举动，推出了很多新的产品，我们看到网易在有道的产品推广上也给予了很大支持，丁总是否给你们设定了目标?目标是什么?

周枫：有，就是要给用户独特的体验。每一个产品都要有它独特的价值和感受，让用户真正认可和感受到有道带来的顺畅和便捷。

《互联网周刊》：有道上线近两年，目前的市场份额大概多少呢?作为搜索市场上的后入者，有道给自己的定位是什么?有道有精准的细分市场吗?是想把有道做成网易现有用户(包括邮箱、游戏等)的通道还是面向整个互联网人群?

周枫：单独看现在有道的市场份额意义不大，在推广上，我们还没有真正开始，没有做任何关于有道搜索入口首页的推广，可以说从去年到现在都是在做夯实地基的工作。这1年我们首先推广的产品是有道桌面词典，这个垂直产品很受网民欢迎，目前已经有500万人在使用。可能在一年后我们再来看整体的数据会有实际的参考价值，它应该是个长期的结果。

我们的用户是定位在所有的互联网人群，我们认为在通用搜索上，用户仍然有需要更好的产品的可能。我们面对的是全体中国网民，但是在推广上面，可以先从某个垂直产品切入，先就近把网易原有的用户吸引过来，把好产品先推荐给他们，并且从他们身上获得经验和反馈。

《互联网周刊》：在您看来，有道还缺什么?

周枫：还有很多挑战等待我们去完成。我们对人才的渴求是非常大的，因为每天都需要不断做得更好，搜索引擎是一个不断在变化的东西，我们每天都在看用户在搜什么，每天至少有1/3的问题是新的，用户的需要每天都是新的，这些都在不断变化，所以我们要做的就是不断地改进，满足用户的需求。

《互联网周刊》：有道的商业模式会是和Google的类同吗?

周枫：具体形式有各种可能，但原则上坚持“顺畅搜索之旅”的理念，和“有道”品牌命名时所提及的企业商业信仰“君子爱财，取之有道”，简单说“用户第一，客户第二”。

《互联网周刊》：从有道标识的变换等一系列的动作，可以看到有道也像网易一样注重中国传统文化，那么在以后有道还是秉承中国传统元素吗?

周枫：肯定的，就像在网易游戏中有很多中国文化元素一样，有道从名字上就开始中国化了。同时，这个问题应该分开来讲，中国网民对互联网科技的使用还是不拒绝的，从我们的角度来说，我们风格会坚持中国化，但是在产品体验这方面，我们希望我们的搜索技术是领先的，真正有科技的，只是在使用上，希望用户能有一点回想起中国文化本身的期待。

《互联网周刊》：网易11年了，有道在网易的下一个10年里将处于什么位置?

周枫：丁磊和我们认真的讨论过，搜索在网易的战略中会和内容、游戏处于同等重要的角色，我们会努力把搜索做得更好。

文章来源：互联网周刊

丁磊：我们希望产品中体现出中国文化的气质，就是要和中国元素结合，不断把它做深做透，最终建立起自己的竞争壁垒。

　　本文来源：互联网周刊

　　专访对象：

　　丁磊 网易首席执行官

　　《互联网周刊》：1998年的时候，您曾在我们周刊发表过一篇《我和网易》的文章，当时您最看好搜索和邮箱，但后来因为站点较少而搁置了，那么现在有道搜索出来是否跟您对搜索引擎的情结有关？

　　丁磊：应该说是一种直觉，如果有能力做的话，应该把它坚持下去。虽然，我们不是第一个做搜索的，但我们做得还是比较靠谱的，而且我们打算长期做下去。

　　《互联网周刊》：网易从邮箱起家，然后是门户、游戏，直到现在的搜索，好些产品都不是第一个做，但十年中的热点环节都跟上了，下一个十年，如果再遇到发展点，您是否还会走这种路线？

　　丁磊：在互联网这个行业里，我们不跟风。最近社区网站很火爆，我们可以慢慢观察它们的发展。比如社区怎么开发、建设，但是我们没有必要做第一个吃螃蟹的人。苹果不是第一个做电脑的，iPod也不是第一个做MP3的，但iPod的商业模式和苹果电脑在设计上的改进也可以成为一种竞争力。我认为中国的企业如果有像苹果在行业中的影响力，是件很荣幸的事情，而前提是产品必须要得到消费者的喜欢。

　　《互联网周刊》：您好像没提到微软，后来者靠技术实现获得的成功，微软是个很好的例子，不知道您怎么看微软跟您刚刚提到的公司的异同？

　　丁磊：我觉得微软不是个普遍意义上的好榜样，因为并不是谁都能学的。微软在全球有6万名员工，而苹果可能6千都不到。管6万人是一件非常不容易的事情，如果管6千人能做到像苹果一样，那我肯定会选择做苹果。但是，中国的企业发展不能总拿美国人做例子，如果都去学微软，走大企业的方式是一个误区，是很危险的。

　　《互联网周刊》：今天有道发布的新标识有很多中国元素，特别明显的是网易游戏中也包含很多中国传统文化的元素，这是网易与众不同的地方吗？

　　丁磊：首先，从竞争定位来看，网易没想过走国际化路线，我们就是定位中国这个市场。其次，我们希望产品中体现出中国文化的气质，就是要和中国元素结合，不断把它做深做透，最终建立起自己的竞争壁垒。

　　《互联网周刊》：前段时间网易游戏刚刚与《星际争霸2》达成了合作，是不是在走国际化路线？

　　丁磊：《星际争霸2》是一个非常细分的产品，从消费者的角度考虑，我们才去和强者合作，把“西餐”引进到中国，毕竟在今天这个细分的市场上，没有一个产品上下通吃，必须要有产品线去满足不同的需求。

　　《互联网周刊》：平时您很低调，最近比较频繁地出现在公共场合，累不累？

　　丁磊：累？累什么？没觉得！这个没有考虑。大家觉得我不大喜欢接受采访，其实，我觉得主要精力还是要放在企业本身的战略和发展上。

　　《互联网周刊》：最近因为华尔街危机，全球股市的状况也很不好，网易有没有受到影响？

　　丁磊：没有。其实我们不关心这些事情。

　　《互联网周刊》：是因为网易留存的现金多吗？您留存这些现金是出于战略需要还是与个人风格有关？

　　丁磊：因为不知道怎么花。

　　《互联网周刊》：杭州研发基地年初开工的时候，您说要招3000～4000人做研发，这些研发人员是主要为网易游戏服务吗？

　　丁磊：不是，是为网易所有产品的研发提供支持的。

　　《互联网周刊》：有没有一个具体的路线图？

　　丁磊：我们的工程师还会深入到不同的领域，比如3G可行后，我们也会做移动方面的探索和研究。搜索和翻译还需要很多人去做，还有许多细节上的改进。

　　《互联网周刊》：网易的游戏收入一直占网易总收入的绝大部分，而广告收入比较少，这个问题您如何看待？

　　丁磊：这很正常。能赚钱有什么不好？网易的邮箱、游戏、搜索引擎哪个能给公司带来更大的利润，这个问题不重要，重要的是我们的邮箱、游戏能给用户带来全新的、与众不同的体验。正因为这种体验的差异性，用户愿意用网易的邮箱、玩网易的游戏、可能以后还会用网易的搜索引擎。

　　《互联网周刊》：网易对亚运会的赞助很重视，您希望网易在亚运会上能为门户树立一个怎样的品牌？

　　丁磊：我讲过一句话我们不希望做到大，做老二就可以了。我们不希望把新浪PK掉，但是会继续坚持把我们自己的产品做好。

　　《互联网周刊》：这跟您个人的风格有关吗？在大学的时候您的成绩也不是特别拔尖的。

　　丁磊：当第一名比较累。我觉得做第二是最好的，第一还是让别人去争吧，我们躲在后面踏实做自己想做的事情更舒服。

　　《互联网周刊》：而网易邮箱做得很好，目前的市场占有率是第一？

　　丁磊：这也是多年的积累，这个第一，实际上是用户给的。当初跟其他竞争对手拼，好几次他们都超过我们了，最后被我们甩掉了，我们慢慢地坚持，才做到今天。