这意味着如果我们继续这样做的话，我们的预算会更快耗尽。
此外，结合我们过去的经验，我们知道这两个广告的点击率都高于我们该指标的平均效果。
这意味着无论我们推广哪个广告，我们仍然会获得更好的表现。
那么，我们该砍掉哪一个呢？
由于我们现在已经掌握了数据，我们将关闭广告 A，因为我们希 火鸡 WhatsApp 号码数据 望我们的预算尽可能有效，同时又不影响性能。
但请记住，广告 B 返回的值仍然比我们之前得到的更好。
数据驱动方法的优点
数据驱动方法的一个显著优势是它让我们能够看到全局。
它给予我们质量，而不仅仅是数量。
这意味着我们可以将其他输入与我们的数据相结合，以更好地了解正在发生的事情，发现独特的解决方案并根据完整的视图做出决策。
采用数据驱动的方法，我们能够用相对非传统的解决方案来解决业务问题，而不是一本正经地以数据为中心。
换句话说，我们将数据与其他因素（例如我们的业务经验和解决问题的创新方法）相结合，以提出纯数据可能无法提供的解决方案。
此外，数据驱动的方法使我们能够跟上趋势的早期变化。
例如，如果我们的用户由于竞争对手或行业变化而调整他们的偏好，我们就能尽早发现。
如果我们以数据为导向，那么当我们注意到变化时可能就太晚了。
当然，数据驱动的方法可以帮助我们发现潜在的问题情况。
我们是这么想的。
数据可以告诉我们销售额或用户订阅量是否正在下降，但我们需要通过数据来了解消费者偏好或竞争对手产品的变化是导致变化的因素。
数据驱动方法的缺点
我们对数据驱动方法的最大问题是，你很容易受到外界的影响。
以之前固执己见的利益相关者为例，您可能会更难说服他们，因为除了数据之外，您还使用其他输入来做出决策。
根据我们期望的结果，选择接受哪些数据以及拒绝哪些数据有多容易？
我们发现，在采用数据知情方法时，个人偏见相对更容易发挥作用，甚至是在不知不觉中发挥作用。
我们都经历过这样的时刻：面临太多选择，我们无法做出选择。
这也可能发生在数据知情战略中。输入太多会导致选择困难。
以视觉方式传达复杂数据的完整指南
数据知情与数据驱动：哪一个是最好的？
两种方法都有其优点和缺点，但是其中一种方法真的优于另一种吗？
我们发现数据驱动方法最适合采用大数据方法的公司。
这是我们做出“非此即彼决策”的首选方法。
当您专注于优化转化率、改善定价或执行 A/B 测试时，数据驱动将为您发挥作用。
我们以 A/B 测试为例。
当对单个指标进行 A/B 测试时，您的答案只能是 A 或 B。这种决策可以由数据驱动，个人经验很少发挥作用。
您的首要重点应该是事先选择成功定义参数。此外，在相关情况下，您还需要收集足够的数据以获得显著结果。