《大數據的關鍵思考》:作為企業,你有多大能力還原用戶的真實需求?

《大數據的關鍵思考》:作為企業,你有多大能力還原用戶的真實需求?
Photo Credit: Shutterstock / 達志影像
我們想讓你知道的是

數據的價值,如同我們前面分析的,必須來自情境。對於消費者數據的收集,其中一個瞄準器就是,你能否還原用戶購買行為的情境。

文:車品覺

你知道當時所有的情境嗎?

在準確識別和衡量數據價值後,我們再來看數據收集時的情境。現在,大數據的價值,吸引了很多企業和組織的興趣,因此他們非常重視數據的收集與儲存,但是,在現實操作的過程中,問題仍然層出不窮。大量的碎片化數據是噪音,讓事實串聯變得非常困難。

而值得思考的另一方面是:當我們把這些枯燥的數據串聯起來時,就一定能代表事實嗎?

例如,早上,你在上班的路上看見有個男生穿著一件非常好看的T恤,你心動了。於是,到了公司,你坐在位子上的第一件事,就是在購物網站上搜尋T恤。結果呢?出現了十萬個相關商品。

當你正在猶豫怎麼挑選時,老闆突然召集大家到會議室開會。你坐在會議室裡,發現開會好無聊,於是打開手機App,繼續想該怎麼買到那款T恤,你篩選了一些比較中意的品牌,點進商品介紹頁,但依然沒有找到你在路上碰到的那款讓你心動的T恤。

最後,手機螢幕上彈出一則手機促銷活動的廣告,你發現一款你非常喜歡的手機,價格很便宜,雖然你已經有手機了,但是你依然毫不猶豫地買下它。

那麼,在向你推薦產品時,一家公司到底要有多大的能力,才能還原你當時所處的情境呢?搜尋引擎暴露出你目前住在上海的事實——你是最近搬過來的,網路上的收貨地址換到了上海,所以,它推薦了許多上海的賣家給你。

你在上班途中才看到那件T恤,覺得很好看,所以決定搜尋T恤。但是,在你還沒有登入購物網站之前,T恤這個因素只有你知道,電商不知道。因此,當你在搜尋引擎描述一件T恤時,你跟這家電商的第一個接觸點就出現了,所以,電商還原的情境是「早上9點半,你搜尋了T恤,搜出十萬個結果,但你一個都沒有點擊進入」。電商完全不知道,你不點擊的原因僅僅是老闆突然召集開會。

會議開始後不久,你打開手機App再次搜尋T恤,這是你和這家電商的第二次接觸。後來,在無數的品牌裡,你忘記了早上讓你心動的那款T恤,而選擇了一部促銷中的手機,有誰知道你為什麼這麼選擇?最後,你買了手機,選擇了上海的賣家。但事實上,你只是到上海出差幾個月,而現在你在杭州。

試問,一家公司有多大的能力猜到這些複雜的情境,以及每天每時每刻,每一個進入網站的用戶背後發生的特別故事?

所以,每個數據分析師都閉著眼睛說:「我不管用戶之前看過什麼T恤,反正他搜尋之後什麼都沒有點擊,可能是推薦的演算法不夠好。」

而在手機端,又有另一名數據分析師說:「這是這個用戶第一次登入行動終端,也是第一次點擊了T恤搜尋選項。」

正如你看到的,本來應該有那麼多相關性的數據,但在購買T恤的案例中,卻沒有任何相關性,那麼,企業要如何還原你的購物情境呢?每個人都在猜想可能的原因。值得一提的是,這個案例僅僅涉及用戶在一個網站上的購買行為,而沒有做過比價,在真實的購物情境中哪會這麼簡單?即使是這麼簡單的一個情境,企業又該如何還原呢?

每天都有大量的碎片化數據產生,每天我們都在做假設,那麼,用這種狀態分析數據,能有多可靠?

所以,企業在收集數據時,一定要明確知道,自己是否有能力識別用戶?是否有能力收集用戶在網站中發生的所有行為?是否有能力區分行動端和電腦端?另外,企業又擁有多大能力看到具體的情境是怎樣的,比如,今天南方有沒有下雨?東北有沒有下雪?

歸根究柢,我想說的是,作為企業,你到底有多大的能力還原用戶的真實需求?

數據的價值,來自情境的還原

當我們在還原用戶的情境時,必須認清數據收集的領域是什麼。在不同領域收集到的數據,可以找到與所在領域不同的東西,比如,在搜尋引擎和社群網站(SNS)所得到的數據就不一樣。

企業首先要做的,是確認用戶是否為同一個人,比如,在社群網站裡,涉及的資訊主要都是聊天內容,如果我是做社群網站的,我就會多去尋找這個人和其他人的關係,他今天跟張三聊了三分鐘,明天跟李四聊了五分鐘,這項數據在社群網路領域裡可以獲得。但是,當我們要真實地還原這個人的行為時,最好要有不同領域作為互補,這會讓你掌握更多、更全面的資訊。

你有多大的能力知道哪些數據是同一個用戶的,這是企業首先必須解決的問題。然後再去關注,收集到的數據量這麼大,廣度這麼寬,價值在哪裡?如果企業不清楚收集到的數據是否屬於同一個用戶的,這個數據又有什麼用?所以,在大數據裡,最重要的還是收集人的數據。

數據的價值,如同我們前面分析的,必須來自情境。對於消費者數據的收集,其中一個瞄準器就是,你能否還原用戶購買行為的情境。

科技不斷進步,如果有一天,Google眼鏡成為每個人的標準配備,或是有一天,我們買的每一部電腦都綁定手機,那麼,這兩種交叉數據就很容易獲取。

為什麼情境如此重要?情境是否被準確地表達?情境是否會成為一件事情的背景,用來還原整件事情?有一年的黃金週,我們發現很多用戶使用iPad購物,為什麼?你或許不會想到,因為那年第一次實行黃金週期間高速公路不收費的政策,很多人堵在路上,沒有其他事情做,所以只能使用iPad購物。如果企業在分析數據時,沒有考慮到當時整個中國高速公路都出現壅堵的情境,就無法還原整個情境,也就無法解釋這個現象。

我還發現了一個新情境。有一天,我們研究了一些行動數據,用QR Code讓用戶造訪我們預想讓他造訪的頁面。我們看到,iPhone手機在掃完QR Code後就到達了頁面,但是Android手機卻沒有。中國很多Android系統的手機在掃完QR Code後,都無法自動連結頁面,這時,Android手機就成為用戶登入網站購物的重要情境。

不管是iPhone、三星,還是其他品牌的手機,手機的大小和系統的相容性,都會對情境產生巨大的影響。如果我們盲目地觀察數據本身,就自以為是地認為用戶沒有點擊,那就大錯特錯了,事實上,是他點不了。

可見,很多看似無關緊要的東西都在情境裡,而在行動終端的世界裡,這個情境又增加了很多其他的東西,這都需要我們仔細判別。

當我和數據分析師聊天時,我總是會特別提醒,在研究行動數據時,要特別注意用戶在每天移動的時間點和非移動的時間點做了什麼。從起床到睡覺,有幾個時間點基本上是固定的,就可以判斷每個人一天的行為變化。

我曾經在一次電商大會的圓桌論壇上提出一個觀點,當時與會者都很認同。我建議把一些以前用來觀察用戶忠誠度的框架,比如RFM模型,拿來作為收集數據的瞄準器。有什麼數據能夠讓我更清楚地看到用戶近期的購買行為、消費頻率和消費金額?

RFM模型是數據收集的一個面向,而電腦、手機、平板電腦,則是另一個終端情境的面向,電腦更容易收集近期購買行為,手機更容易收集消費金額,這樣就可以透過情境的不斷變換來收集更多數據。

現在,一些終端的確可以收集到以前收集不到的數據。過去,我們不知道一些數據的收集背景是不是移動的,但是現在可以。用戶做一件事情的時候是不是正在移動?他是不是在某個百貨商場裡?

面對不同的情境,我們的框架也要相應改變。所以,現在做數據分析報告,最後的一個問題變成了:「裝置變了,這個報告的結果還是一樣嗎?你的報告是不是也應該變一下?」

書籍介紹

本文摘錄自《大數據的關鍵思考(增訂版):行動╳多螢╳碎片化時代的商業智慧》,天下雜誌出版
*透過以上連結購書,《關鍵評論網》由此所得將全數捐贈聯合勸募

作者:車品覺

數據力決定競爭力!
進入數據驅動的商業世界,
「數據思考」是每個工作人的必備能力!

增訂3萬字全新內容,揭示大數據近未來的6大趨勢與5大觀戰重點

  • 組織裡這麼多數據,為什麼用不出來?
  • 該如何為用戶貼標籤?
  • 主管最關心哪三種數據?

現在,幾乎所有企業都朝數據企業邁進,
沒有一個商業人士可以不具備基本的數據思維。

了解數據的本質以及數據與營運的關係,
更快一步看到機會的路徑。

本書作者車品覺在2010年至2016年先後任職於支付寶、淘寶,並擔任阿里巴巴集團副總裁及首任數據委員會會長,期間開發多個數據產品,成功帶領阿里巴巴轉型成為數據公司。

在本書中,作者第一手公開阿里巴巴從「數據化營運」到「營運數據」的過程,明確點出用數據、養數據、看數據,這些數據應用的不同階段,分別有哪些實踐重點與容易產生的盲點,學會用數據做判斷,改善業務,發現機會,創造新的商業價值。

帶你了解:

  • 阿里巴巴的「混、通、曬、存、管、用」6字訣,建立起數據應用的閉環系統。
  • 如何從數據的4大分類與5大價值,辨識自己所需要的核心數據。
  • 不要只收集自家用戶的數據!跳出既定思維的框架,從相關產業和業務中,收集能夠為現在所用的數據。
  • 別再死盯著投資報酬率!了解數據的極限,解讀任何數據指標都必須視情境而定。

新增訂數據應用創新實例,包括新創公司FLYR Labs利用大數據預測機票價格,並發展成一門生意;Planalytics將天氣數據轉化為有助零售商、製造商決策的指標;Granify解讀電商網站使用者的「數位肢體語言」,會自動彈出優惠訊息以鼓勵購買。各行各業讀者都更容易將概念應用於自己的產業中。

getImage
Photo Credit: 天下雜誌

責任編輯:潘柏翰
核稿編輯:翁世航