《解構大數據》 讀後心得:光只有演算法不足以統治商業

為什麼要看這本書

三五年前,小張很興奮地告訴我他們公司要開始導入大數據:不但可以提高生產力,還能更瞭解客戶需求,廣告投放更精準,「數據是新石油!」

三五年後,小張跟同事們學了很多統計,多了很多有趣的發現,資訊系統的效能的確也提高了。

但當我問他「數據石油挖得怎麼樣呢?」,他只給了個「你知道的」表情。

《解構大數據》(買書由此去)封底寫「大數據的衍生問題往往比解答的問題多,尤其是那些面臨大量資訊洪流的組織更是疲於因應」

啊哈,原來有類似困擾的人可不只小張呢。

這本書在講些什麼

《解構大數據》英文版《Humanizing Big Data》出版於2015年,只略晚於荀伯格2013年出版的《大數據》(買書由此去),推測在英美國家很快就注意到了數據軍火賽解決一部份問題,但帶來更多新問題,只不過中文世界的進程略晚些(台灣與中國都是在2017年才翻譯此書)

作者Colin Strong現任職於英國的Ipsos(易普索,泛歐交易所Euronext股票代號IPS)行銷調查公司,之前任職於GFK(捷孚凱,德國法蘭克福交易所FWB股票代號GFK) 。

Ipsos跟GFK都是全球名列前茅的研究調查公司,客戶都是用起大數據不手軟的全球公司,產品包含消費品、IT、金融、醫療、汽車公司等。Strong 在市調公司中擔任的是智庫角色,提供品牌行銷人員與廣告公司消費洞察部門前瞻洞見與後援。

本書分為三個部分:目前的想法、更聰明的想法以及消費者的想法。

全書主要說明導入大數據瞭解客戶後會發生的一些問題,包含數據的全面性或取樣、數位廣告面臨的被消費者屏蔽或者被廣告商欺騙、用數據了解消費者的侷限,還有對消費者捍衛數位隱私權的解析與建議。

Strong 提到些做分析的人會心一笑的事實:「資料本身不會出錯,但是搜集、細查、了解資料的部分卻很容易出錯」

很多數據科學家朋友們也啼笑皆非地傳過一張圖(你以為數據分析是在做演算法、其實是在清洗資料),分析人員花在資料清洗與驗證上的時間,遠超過外界想像。

而演算法也不是隨手一彈就可以變出魔術來,要經過大量的試誤與驗證。沒有商業假設,或者無法用商業假說解釋的分析,都很難有良好的商業效益。

但說到商業效益,Strong提醒業主,數據科學家以及分析師們可能會單純只使用數據與投資報酬率做決策,而忽略了品牌的人性化層面,如果只有數據與演算法,沒有社會科學家的解讀與介入,品牌會缺乏消費者洞察。

就像網路上流傳的故事「在沒有汽車的年代,你去問消費者他們想要什麼交通工具,得到的答案只是更快的馬」;同樣的,使用消費者行為數據作出的推論,只會是消費者目前已發生過的行為,那些淺藏在底層的渴望與需求,仍有待品牌人員的深層解讀(或者作出假設後進行測試)。

全書最有趣的地方,在用「恐怖谷」與「周哈里窗」解析消費者對隱私的感受與看法

「恐怖谷效應」講的是當機器人長得有點像人的時候,例如有眼睛或者有手腳,我們會覺得可愛想親近。但若是過了一個臨界點,讓機器人長得太像人甚至無法分辨,會讓人覺得毛骨悚然好感度大幅下降。

作者認為消費者面對數據行銷也有恐怖谷效應,如果品牌知道一些我們的事情,像是飯店知道我們喜歡的枕頭硬度、生日等等,會讓人感覺溫馨。但若有品牌知道一些我們認為他不會知道的事情,就會感覺發毛。像是大家常討論的為何我才剛跟人討論某品牌的貓砂,寵物攝影機就出現在我的臉書牆上?

周哈里窗(Johari Window)的概念來解釋,消費者與品牌之間的關係分為四種,以下舉例

  • 開放的自我:我加入會員時候填寫的資料、在平台上的活動
  • 隱藏的自我:我未曾在臉書平台上,甚至未曾在網路上活動的資訊
  • 盲目的自我:臉書對我的行銷標籤,認為我跟哪些人相似,幫我貼的標價
  • 未知的自我:臉書不知道,但我也不知道的一些事情

什麼時候我們會覺得不舒服或是毛毛的呢?作者認為當我們發現原來品牌可以了解我們的隱藏自我,而且了解的幅度遠大於我們的想像,研究顯示這時候消費者會開始在行為與意見表達上做比較一般空泛沒有創意的回答

「我們比較希望被當成獨一無二的個體,但較高程度的個人化會讓我們感覺一舉一動被預測,反而不像一個個體」

如果真的把他沒想到但需要的東西放在消費者面前,消費者會生氣而不是開心,那企業或品牌可以怎麼辦?

我認為可以「引導消費者提供一點點資料,做簡單決策」現在主流的網站註冊方式也接近這精神:不要註冊時候叫人填十個個人資料,涵蓋生日、電子郵件、電話,甚至身分證字號跟地址。有用得到的時候再跟消費者要就好了。

.

回到小張他們公司的大數據應用。

作者在書中提出「這年頭,行銷長掌握的資訊預算可能超過資訊部門」但數據資料的解讀卻還掌握在技術人員手上,所以他主張,為了品牌企業好,行銷人員與社會科學家,需要從數據科學家手中將資料詮釋的主導權拿回來,努力做到下列三件事

(1) 增進並捍衛品牌企業的長期價值

(2) 統計顯著之外,對雜訊與常識顯著之外的解讀

(3) 資料透明性與資料應用方式帶來的與消費者信任關係影想

*中文版的173頁把第三部分寫成Current Thinking,是打錯字了英文版,是Consumer Thinking

推哪些人看這本書

做面對消費者的B2C行業朋友;做B2B的朋友就跳過吧,二月份有其他更適合你們的書推薦。

公司已經在做數據分析的行銷人:在數據分析無法做到的領域提出洞察,而不是跟數據科學家爭論統計。

已進入或者想進入數據分析領域的人:剛開始做數據分析的人,最常有的困擾之一是「為什麼行銷人員不相信數據的結果?是因為他們不理性嗎?」本書解釋了許多行銷人員會關心的事情。

延伸閱讀

網路上幾乎找不到關於此書的討論,台灣、中國甚至美國都沒有。
不知道是不是因為本書在英國出版,美國行銷界的討論幾乎沒有;台灣是由比較低調的「台灣金融研訓院」出版,相關推廣也少了些。
所以這篇文章應該是網路上除了作者本人外唯一的討論。

《解構大數據》買書由此去,其他行銷書單由此去

《大數據》邁爾・荀伯格(買書由此去

可以看看出版社為作者做的四隻短影片(1.2.3.4) 作者本人滿帥的。

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *