Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
Hello 大家好
今天我想跟大家聊一下
亚马逊的经济学家是干什么的
我是2017年博士毕业之后
就来亚马逊加入了他的反假货部门
做一名经济学家
工作了两年
然后后来跳去Facebook做数据科学家
在亚马逊的经济学家团队
其实是一个还挺新
也比较特别的存在吧
他大概是200个人左右吧
就是但是跟这个
比如说亚马逊的其他的
赵Family来说其实是很小的
像亚马逊的程序员可能几万人
然后像Applied Scientist
或者说是Research Scientist这些
加起来就几千人
200人算是非常非常小的
但是你跟其他的
比如说大学去比起来
就是亚马逊在这个
北美我们北美的这个经济学博士
每年有一个赵Market
他有一个American Economics Association
大家都会去那儿赵人
亚马逊就是一下子包围了
很多那个经济学家
因为像其他的大学
招致的医学博士
大概是两三个人这样招
像美联储这种地方
可能所有的美联储
加起来十来个人吧
像亚马逊这样几十个几十个人招的
算是很少见了
那他那个经济学家团队
现在还算比较小
但是也在不断的扩大中
其实他就是这个整个
亚马逊的不同的数据团队的
其中一种啊
他我们有自己的专场
一会儿跟大家讲一下
我们是做什么的
就是亚马逊的数据团队
比如说有
Business Analyst
Business Intelligent Engineer
Data Scientist
Data Engineer
Research Scientist
Applied Scientist
然后Economist
是其中之一
我们会分一个Central Team
或者Embedded Team
Central Team就是
我们有一个Central Econ
现在叫Core AI
然后还有一些
比如说B-Step Econ
就是有一些
这个比较Central团队
他们负责研究的
就是整个公司层面的
这种问题
或者说建一个
整个公司都可以应用的
这种Infrastructure
或者Framwork
或者这样的模型
开发这样的模型
那像我
我加入一个反假货组
我加入的就是一个
叫Embedded Team
就是你去一个产品组
然后你Plugin到这个产品组
你去解决这个产品组
应对的具体问题
那我当时解决的就是
反假货方面的问题
亚马逊这种Embedded Economics
是占这个数量的绝大多数
那我们去主要是做
研究三类问题
或者说我们有三个专场吧
一个是定价
一个是预测
一个是因果推断
那我就分开讲一下
定价就是
你比如说
经济学家大家知道
Supply Demand是吧
然后你如果把这个东西
用
我们是用
Industrial Organization
的这个学科
就是专门研究这类问题的
你可以把这个关系
给大概描述出来
然后你有一些参数
你可以用数据去
估计你的这个功能
然后最后你把这个功能
用数据你和好了之后
你就可以用这些方程
去寻找一个比较优的定价
比如说你调到这儿
可能可以最大化你的盈利
你调到那儿可能
可以最大化你的这个
长期的Customer Retention
就比如说Kindle
或者是Amazon Basic的很多东西
或者说我们这个Retail的
很多东西
都是第一方的产品吧
或者说是第一方的运营
需要定价的
这些不是那么多
第二类就是Forecasting
像经济学家
他是要预测这个GDP什么的
是吧
而且经济学家的预测
和Machine Learning Scientist
或者说是统计学家们的预测
有一个比较大的区别
就是经济学家一般
面对的数据量很少
比如说你要预测GDP
你历史的GDP
可能只有50年的数据对吧
然后你可能每个Quarter
就都出一个
那就200个数据点
那不是很多
像Machine Learning
它动辄要求
就是几万行
几十万行
几亿行的数据
那你用几百行的数据怎么办
你就要把很多
现实工作
或者说现实生活中的
很多其他数据放进来
比如说你要怎么样子去
Control for Seasonality
然后你可能有一些
其他的什么
我们叫Panel Data
可以用来帮你进行预测
你就要去有一些
自己的这种模型
放到里边去
然后才可以进行更好的预测
那放到Machine的话
比如说你的EWD server的usage
比如说你Primedate的Sell
对吧
Primedate到底是卖多少钱
你今年Primedate会卖多少钱
或者说你那个
讲到Primedate卖多少钱
大家还记得Ali的
双11的价格
可以被一个
这个三次方曲线
非常完美的拟核
我们今年双11不知道
会是怎么样
我这期视频录的时候
是11月初
发的时候
可能双11已经过了
但是我们可以看一下
那个曲线拟核的怎么样
如果曲线
真的是符合那个三次方曲线的话
简直是Dream
就是我们的Primedate预测还是挺难的
这个内部数据就不说了
但是总之预测需求
是一件挺难的事情
也需要经济学家们
来帮助建立相关的模型
和进行精准的预测
那你也想到了
就是你预测多了预测少了
其实是都有很多
real money behind it
那最后最多的人
就是亚马逊经济学校做的最多的人
就是英国推断
或者说我们叫Reduce Form Causal Inference
就是用模型去解读一个政策的因果关系
我在前面那个AB testing里面讲了
就是很多东西为什么要run AB testing
因为你比较之前之后的数据
是不能给你一个因果关系的很多时候
因为有的时候有seasonality
然后有的时候有其他的东西
Cofinning factor
然后你比较这个就是A和B
然后A用了B没用
也是不行的
因为会有一个selection bias
但是在亚马逊很多的时候
是不能做AB testing的
为什么呢
因为我们是花钱的
像Facebook或者Google
它是一个免费的产品
免费的产品
你就可以给用户不同的experience
尤其他们很多AB testing是在UI的层面
在亚马逊网站
它也有一个叫web lab的地方
是可以做这种网站的AB testing
但是很多时候你面对消费者
面对商家的政策的变化
你不可以做AB testing
因为这会涉及到一个歧视
或者其他的法律方面的问题
那就需要经济学家
去用一些经济学的这种剂量模型
去进行因果推断
像经济学的所有的这种empirical paper
不管是劳工 教育
甚至一些宏观的论文
然后像我的公司金融这些
很多实证论文都是研究
你的一个政策变化了以后
到底对大家的比如说失业率
有什么影响
很著名的就是最低工资的变化
会对失业率有什么影响
我们就是要找到causal impact
我们会有很多这种模型
太专业了就不展开了
就比如说什么
这个instrument variable
工具变量
diff in diff 双重拆分
然后这个regression discontinuity
然后现在还有什么double ML
matrix compilation
synthetic cohort
这是一大堆模型
我们可以加上我们自己的这些理解
就是可以帮公司做这件事
那这件事情毫无疑问
在我看来是很重要的
因为很多时候就是你决定
如果拍脑袋去做的话
那你最后也不知道结果对吧
你只有真正的很好的理解了
这个政策带来的影响
才可能去做更好的政策
尤其在亚马逊的这种体量
你政策一点的差别
就会影响很多人的生计
所以说把这个东西做好是很重要的
那就以上基本上
就是亚马逊经济学家干的事情了
稍稍还有一个人
可能会参与到这个市场的市场设计
Market design
或者说是Market mechanism
我觉得亚马逊的经济学家
在业界应用还是非常靠前的
而且我觉得经济学的training
在我看来
对互联网企业也是非常有帮助
最重要的一点
就是我们受到的所有的训练
尤其说empirical这些
比如说你写一篇实证研究的论文
empirical的论文
你说到的第一个challenge
就是你的identification是什么样子的
所以说你就要对这个数据的因果性
有一个特别好的理解
你理解了这个以后
不管你是去寻找它的因果性
然后还是去设计实验
其实都是你自然而然的知道的
就知道这些东西
到底什么是可以用的
什么是不可以用的
再就是你的经济学的training
会帮助你去想到很多second order的东西
我之前有一个视频
说经济学都有在来三连启示
就是你要去寻找均衡态
而不是去看这个东西做了以后
下一步会发生什么
因为你可能比如说提高了价格
或者说你把一些brand保护起来了
看似可能这些brand得到好处
但是可能之后你的消费者
就你的竞争降低
然后你就会提高价格
然后消费者反而不买账了
就是类似的吧
很多很多的这种事情
经济学家我觉得他的思考模式
和他对数据的理解
还是对互联网企业挺有独特的帮助的
好了今天就讲到这里
大家有什么问题欢迎问我
下期再见