藍衣人的視界(月刊)

 

2016 年 01 月-資料分析,新時代的算命術

算命這門學問,以中國來說,可以追溯到戰國時代的鬼谷子,已經有兩千多年的歷史。算命文化甚為普遍,不管是東洋還是西洋,各國民間的接受度也很高,總而言之,算命應該是一門好生意....
藍衣人的視界 01 月號 — 資料分析,新時代的算命術

 

Etu 知意圖
2016.01 Issue 46 Etu www.etusolution.com


流轉智慧


Talk 流轉達人的話
Business  
Insight  
資料分析,新時代的算命術
算命這門學問,以中國來說,可以追溯到戰國時代的鬼谷子......
 
歸因大法(Attribution Modelling)
標題聽起來像不像金庸武俠小說中某門派用來角逐武林盟主的絕世武功......
 
社群分析五大新趨勢
筆者整理了國內目前的社群分析與行銷管理工具的發展現況,其中......

Talk
流轉達人的話

 

Dog Phone

資料分析,新時代的算命術

 

算命這門學問,以中國來說,可以追溯到戰國時代的鬼谷子,已經有兩千多年的歷史。算命文化甚為普遍,不管是東洋還是西洋,各國民間的接受度也很高,總而言之,算命應該是一門好生意,歷久不衰。

 

其實,資料分析(Data Analytics)跟算命很像,它們都可用來歸納過去、了解現在、以及預測未來。資料分析,是一種新的算命術。

 

圖 1. 算命是門好生意,全世界歷久不衰(Photo credit: Flickr Commons

 

新舊算命術比一比

 

我們可以將新舊 (傳統) 的算命術做個列表比較:

傳統算命術 新算命術
技能
  • 姓名學
  • 占卦
  • 紫微斗數
  • 批流年
  • 面相
  • 塔羅
  • 星象
  • 統計 (Statistics)
  • 資料探勘 (Data Mining)
  • 機器學習 (Machine Learning)
  • 資料建模 (Data Modeling)
  • 資料庫 (Database)
  • 資料倉儲 (Data Warehouse)
  • 資料湖 (Data Lake)
資料
  • 名字
  • 生辰八字
  • 卦象/卦文
  • 籤詩
  • 人臉
由機器或人類所產生的多結構化資料:
  • 文/數字 (Text)
  • 圖形
  • 聲音
  • 影像
工具
  • 龜甲/錢幣
  • 籤筒
  • 羅盤
  • 塔羅牌
  • 統計/資料探勘/機器學習軟體
  • BI 軟體
  • 資料視覺化軟體
  • 精準推薦軟體
  • 客戶洞察軟體
  • 社群媒體分析軟體
  • ETL 資料清洗軟體
  • Big Data 運算與儲存平台
人才
  • 大師
  • 老師
  • 老仙
  • 資料科學家
  • 資料分析師
  • 資料工程師
Domain
  • 天文地理
  • 人情世故
  • 生死輪迴
  • 五行八卦
  • 行業知識
來源 蔣居裕 (Fred Chiang)

 

到底是要算什麼?

 

傳統的算命術,問的無非是運勢、感情、家庭、事業、身體、或是特定事件,如何趨吉避凶。而資料分析算命術要算的,則是以行業為軸心,以下幾個要素為經緯,來算取資料的價值:

  • 人:在 B2C 的行業中,描繪每個客戶的圖譜(Single Customer View)。
  • 事:協助完成企業不同部門的任務:精準行銷、商品企劃、客戶服務、風險管理、資訊安全、系統效能、生產管理。
  • 時:季節要素、節日要素、哪月、星期幾、何日、何時。
  • 地:戶外、商圈、室內、櫃位、官網內、官網外、App 內、第三方App。
  • 物:這個商品會吸引哪些客群,這個商品跟什麼商品高度關聯。
這五種要素,北緯交叉東經,南緯交叉西經,往往互相牽連,交互運用,方得有效。

 

哪個算命比較準?

 

有算命經驗的人應該很多,若是諸位大師、老師、老仙的準確度可以追蹤,應該也是高低互見,但是各位被算命者啊,你可曾要求在算命前要算命人給你一個 ROI 評估的嗎?你是否曾去追討過不準的算命錢?

 

沒有、不曾、怎麼可能。

 

我們只能說,用資料分析幫企業算命,本身就是一門比較苦命的生意,人客輸贏愛計較。大概只有「前途光明,ROI 估值高」的預測結果,才有辦法吸引企業的歡心接納。

 

終極老仙:說個好故事

 

不管是傳統算命術,還是資料科學算命術,算命的人,總得要能串連各跡象、各 Data Point(資料闡釋點),說出一個好故事,才能讓被算命者人容易理解過去、現在、與未來的種種,採取應變、扭轉命運的行動。

 

當個 Story-teller,比起純賣算命工具,價值高下立判。當個宗廟中坐的算命仙,顯然要比在路邊擺攤的算命師,可以過得更滋潤。

 

各位資料分析算命者,就為自己立一個志:2016 年,讓我們往算命老仙的路上前進。

 

 

本文作者為 Etu CEO 蔣居裕 (Fred Chiang)

Bank 3.0

歸因大法(Attribution Modelling)

 

標題聽起來像不像金庸武俠小說中某門派用來角逐武林盟主的絕世武功?

 

自歐巴馬在 2008 年當選美國總統之後,隔年也就是 2009 年起,集客式行銷(Inbound Marketing)成為美國矽谷最夯的網路行銷顯學。不同於傳統的推廣式行銷(Outbound Marketing),集客式行銷講求的是吸客力,靠著產製及優化過的各式各樣內容(Contents),讓消費者透過網路工具與平台的幫忙,自願地、自發地、自動地找上門,繼而發生轉化與銷售。

 

那「歸因」又是什麼?它跟集客式行銷的關係?

 

用圖 2. 來說明「歸因」。假設「成交」是驗收某一個行銷活動成功與否的關鍵績效指標,那歸因就是消費者在成交之前,所經歷的成交路徑(Path-to-Purchase)上每一個「點」的「功勞度(Credits)」。

 

圖 2. 消費者成交路徑(來源

 

值得注意的是,在上述的舉例中,關鍵績效指標並不一定要是「成交」,也可以是「新會員註冊」、「報名某活動」或「購買意向(Sales Leads)」等,就看怎麼定義;至於「點」, 面向可以是通路、裝置甚至是其他。

 

如果依照圖 3. 所示把集客式行銷再拆分成三個階段,分別為「購買前(導流、攬客)」、「購買中」以及「購買後(分享、宣揚)」,就可以清楚知道每個階段各有各的關鍵績效指標以及「點」。

 

圖 3. 消費者在購買前、中、後的可能觸點(來源

 

 

「歸因」之所以重要,是因為對企業來說,集客式行銷的成效太難以衡量。歸因不但可以協助企業評量過去的行銷成效,更可以此作為未來活動規劃與預算分配的依據基礎。

 

歸因大法既然如此重要,那有哪幾種內功(模型)呢?

 

  1. 最終互動歸因模型(Last Interaction Attribution) 如圖 4. 所示,將 100% 功勞度分派給最後一個觸點,其背後邏輯是(僅)這個觸點成功促成交易產生入帳,因此在這之前的所有觸點都不具備促成交易的本事。這個模型的缺點為只用「切線」的觀點去觀察與回推交易的發生,但其實消費者的購物旅程是整條時間軸延展開來的概念,而在這旅程當中,企業為每個觸點所準備的內容,都有可能經由消費者的自主行動(譬如上Youtube用關鍵字搜尋影片)而進入他們腦中,當下造就某程度的事實(譬如消費者在圖中的綠色觸點即「感興趣」而想要買)。

     

    圖 4. 最終互動歸因模型

     

  2. 最早互動歸因模型(First Interaction Attribution) 如圖 5. 所示,將 100% 功勞度分派給最早的觸點,認為是這個觸點將生意帶進門。此模型有著與最終互動歸因模型類似的缺點,即將 100% 功勞度分派給單一個觸點,而忽略其他觸點的貢獻。

     

    圖 5. 最早互動歸因模型

     

    以上是單觸點歸因模型。以下,將介紹多觸點歸因模型。
  3. 線性歸因模型(Linear Attribution) 如圖五所示,將功勞度平均分配給各個觸點。這個模型的缺點是,企業為不同觸點而產製的內容,在消費者的購物旅程上造就均等貢獻的可能性低。另外,這個模型也沒有將內容的特性考量進去。

     

    圖 6. 線性歸因模型

     

  4. 時間衰減歸因模型(Time Decay Attribution) 如圖 7. 所示,越接近成交的觸點,所分配到的功勞度會越高。這個模型的假設是能讓消費者越接近成交的觸點理應越重要,但問題是,能引領消費者至成交的路徑有很多種,也就是說所有的消費者不可能只循一條路徑,所以無法解釋這樣的比例分配是否適當或能否反映事實狀況。

     

    圖 7. 時間衰減歸因模型

     

  5. 基於位置的歸因模型(Position-Based Attribution) 如圖 8. 所示,將 40% 功勞度各自分配給最早觸點與最終觸點,中間的觸點則囊括剩餘的 20% 功勞度。顯然這個模型看中最早與最終兩個觸點的貢獻度,同時也沒忽略中間觸點也有功勞,但其缺點類似上述時間衰減歸因模型,無從解釋這樣的配比是否合理。

     

    圖 8. 基於位置的歸因模型

     

 

在實際案例中,企業普遍認為多觸點模型接近事實程度要比單觸點模型來的高,但如何為每一個觸點給定一個合理的配比,成了歸因大法這門武學中行雲流水所到之處最為玄奇的一個部份。如何利用演算法抓出所有的(顯著)成交路徑,並從各路徑中界定出客群,佐以每條路徑上每個觸點的配比值,應是這場「集客式行銷」武林大賽的關鍵之役。

 

 

本文作者為 Etu 產品處長 唐惠真 (Natalie Tang)
Top
sq

Digital Marketing

社群分析五大新趨勢

 

筆者整理了國內目前的社群分析與行銷管理工具的發展現況,其中包含五個部分:網路口碑分析、口碑監控與預警、社群意見領袖、基於社群的 CRM、社群內容管理,提供讀者們一個概略性的介紹。

網路口碑分析 口碑監控與預警 社群意見領袖 基於社群的 CRM 社群內容管理
市場需求
發展程度
技術難度
來源 黃翊書 (Eason Huang)

 

一、網路口碑分析

 

這是目前國內相關社群分析管理工具中發展最為完整,也是國內企業使用最多的。網路口碑分析是指,針對特定的品牌、產品、或是議題,分析網路上各大論壇、新聞、部落格、社群網站上的討論文章。將分析的結果視覺化呈現於報表或是網頁 UI 上。技術上大都是透過預先設定品牌、產品、議題相關的關鍵字,然後在收集的網路資訊中找出和這些關鍵字相關的部分加以分析。分析的重點主要有三個面向:

  • 自身品牌或是產品在網路上的討論與評價
    這部分國內的工具大都會提供評價分析的功能,將相關的網路討論透過語意分析的技術進行正負評價分類。其中針對負面意見的評論,大多會特別產出列表。以利於後續進行口碑操作使用。
  • 競爭品牌或是產品與自家公司的品牌或是產品在網路上的比較
    通常都會提供各項的量化技術指標,透過這些指標去觀察競爭對手和自身的競爭狀況。最常看到的大概就是網路聲量、網友評價指數等。但各項技術指標是否真的有效與有意義的代表網路上的趨勢,就需要看各家工具的功力了。
  • 產業中熱門討論的議題
    收集網路資訊中感興趣的討論議題部分加以分析與呈現,例如美妝品牌推出新一季的防曬用品的時候,會關注這一季網友討論關於防曬用品時關注重點是什麼?如美白、保濕、不泛白...等。有沒有什麼新的趨勢?例如韓劇明星代言哪一款很多人討論?抑或是前一陣子保險理賠的議題在網路上討論得沸沸揚揚,保險業者就有必要了解。在報表或 UI 的呈現上,除了基本的熱門討論文章列表,進階一些的工具會提供依時間序各個議題的討論指標。

 

而網路口碑分析在技術上的挑戰主要來自於三點:

  • 網路資訊的收錄量
    現在的論壇、新聞、部落格、社群網站眾多,在系統資源有限的狀況下,如何盡可能的完整收錄所有網站的討論資訊,以確保分析資訊不失真。
  • 自然語言處理與語意判讀能力
    評價分析目前大多仰賴自然語言處理的技術,正負評的分類準確度仍然有進步的空間。同樣的文字描述在不同產業的正負評比重可能就不同。例如「乾淨」、「俐落」對於刮鬍刀產品來說就是一個很正面的評價,但對於保險產品可能就是較一般的描述文字。另外,針對不同的資訊來源也會有不一樣表現方式。如台灣最大的 BBS 站台 PTT,使用者只能用少數的文字推文表達對於文章的意見。這在處理上和一般的網路論壇就必須有所差異。
  • 各項分析指標的設計
    各家工具都會設計不同的分析指標來歸納目前的網路輿論,但和實際業務的關聯性與適用性卻不見得理想。以剛結束的大選為例。如果只用候選人在網路上討論聲量隨時間的變化,來了解目前的網友意見進而預測各候選人的得票率,會發現有些討論很熱的候選人,實際得票率卻很低。因為少考量了討論本身對於候選人的正負意見以及其他因素。

 

二、口碑監控與預警

 

是目前企業最期待的功能之一。簡單來說就是 24 小時不斷的監控網路意見。當有不利於企業的意見出現並快速增長的時候,在事態尚未擴大之前,即時的透過手機簡訊或是 E-mail 通知相關人員進行處理。例如之前某台灣手機品牌被網友發現大陸的定價低於台灣定價的事件,在官方作出正式的回應之前,網路上已經討論的非常熱烈。企業在這樣的情境下,口碑監控與預警的功能如能在事件發生之初就給予的提醒,就能讓企業有更多的反應時間。但為什麼筆者說這功能是目前企業最期待的功能之一,主要是目前國內的廠商雖然大多有提供這樣的功能,但實際上系統反應的時間卻不夠即時。有些工具可能需要到一天左右,而預警的內容也未必精準。這部分技術上的困難,除了一般社群分析工具在網路資訊的收集上有時間的落差外,如何判斷需要預警的事件也需要一定的技術。

 

三、社群意見領袖

 

一直以來社群意見領袖都是企業關注的重點,所以目前國內的社群分析工具多少也有提供社群意見領袖的分析,將網路討論或是社群中最活躍或是最有影響力的使用者找出來。許多大型網站也都有辦類似的評選,評選的機制隨著各家標準的不同,也有不同的結果。而近來隨著 Big Data 的盛行,這部分慢慢的從以前找出關鍵的意見領袖,漸漸地轉移到對每一個使用者去進行分析,找出已知與潛在的客戶,並依據客戶的屬性進行分類,然後針對不同類別的客戶給予不同的行銷內容。例如應用在選舉,候選人針對網路上的意見進行分析,找出不同的族群與他們關心的議題,再透過分眾行銷的方式進行接觸就是很好的例子。這部分的技術難度較高,尤其是要透過網路上非結構性的資料去找出客群特性與偏好,再進行分類,是非常難的部分。因此目前國內這部分大都是針對固定的領域或是議題以專案的方式進行。

 

四、基於社群網路的CRM

 

在國外的社群分析與管理工具比較常見,某種程度上像是過去 Call Center 的概念。差別在於過去的消費者是利用打電話或是寄送 Email 到客服部門的方式,表達他們對於產品的意見。而現在的消費者除了原有的管道外,也會透過各式的社群媒體來反映他們的意見。如官方的 Facebook 粉絲團或是 Instagram的官方頻道等。因此這部分會提供於類似過去 Call Center 的流程與應用,甚至直接和原有的客服系統進行整合。此功能會有一整合各社群頻道的統一介面,當一個使用者在官方 Facebook 粉絲團或是 Instagram 官方頻道發表意見後,系統會直接將這個意見派送到對應的客服人員。客服人員就可以直接在他的介面上進行回覆或是互動。當然也提供像是過去客服系統一樣會提供各式報表,了解整體的意見內容、平均反應時間、平均每個案件處理時間...等。目前這需求在國內已經有些企業需要,但大多是希望透過系統整合的方式,和企業內部現有的 CRM 系統介接。讓這些問題也納入原有的 CRM 中列管。這部分雖然不需要太深的技術,但由於各家公司的流程與系統都有不同,因此系統整合也大多為客製需求,因此在推廣上並不容易。

 

五、社群內容管理

 

是幫助社群行銷人員進行每日營運很實用的工具。此功能主要是提供一個整合的管理介面。將所有在社群上發布的內容放在一起進行管理。並且透過同一個介面管理多個社群頻道的內容發布排程。例如某產品拍了一部社群行銷影片,行銷人員就可以透過這一個介面,排定什麼時候要上架到 Facebook 粉絲團,什麼時候要上架到 Youtube 官方頻道。並且發布後系統會即時整理,同一個行銷內容在不同的社群頻道露出後的相關數據,如觸及數、點讚數、分享數等。但由於國內企業對於社群行銷大多尚未有如此規模與系統化的操作,因此需求還不多。

 

總結以上五項趨勢分析,由於目前國內企業大多將社群分析與行銷視為輔助而非主力。大多沒有獨立部門與規模化的操作,並以外包的方式為多。因此,企業需求仍然以網路口碑分析、監控與預警為主。透過這些分析後產生的報表作為行銷策略規劃或是產品開發的參考。而偏向營運相關的社群內容管理與排程、社群 CRM 這兩部分的需求就相對薄弱。但隨著社群行銷的重要性漸漸提升,可以預期這部分的需求將會逐步拉高。特別需要關注的是社群意見領袖分析的部分;雖說是意見領袖,但其實可以看作是對於社群上的每一位使用者進行分析。由於目前 Big data 相關資料分析技術的發展,企業已經可以從過去將客群分成幾大類,到現在針對每一個使用者去進行分析並提供個人化的服務。因此,若能整合外部使用者在社群上的資料與內部企業本身的商業交易資訊,後續發展與延伸的新應用將非常具有想像空間。

 

 

本文作者為 Etu 產品經理 黃翊書 (Eason Huang)

 

Learn




Learn

 

洽詢專線:0800 200 018

如欲瞭解更詳盡資料,
歡迎與服務窗口聯繫:
Etu 事業發展處
李大明 解決方案顧問協理
02-8798-6088 分機 1223
dmlee@etusolution.com