「大數據」這 3 個字，幾乎已經成為各行各業朗朗上口的資訊調查方式，靠著顧客在消費流程中留下的各種資料，企業似乎可以更精準地描繪他們的模樣與喜好。
以全球電商龍頭亞馬遜（Amazon）為例，蒐集顧客瀏覽、收藏哪些商品的資訊並分析之後，亞馬遜便能推薦給每位顧客更適合他們的商品，增加商品成交率。
另一個例子是社群打卡軟體 Foursquare，蒐集用戶在不同地點打卡、上傳的照片，了解顧客消費活動範圍之後，再推出折扣訊息。例如，如果某間餐廳在周四晚餐時段特別熱門，便可在該時段推播餐廳的廣告或折扣訊息。
但是，擁有顧客數據的企業主，是不是都能像上述兩個案例一樣，準確分析顧客行為，再精準行銷自家的產品和服務，這又有些難度了。
以全球電商龍頭亞馬遜（Amazon）為例，蒐集顧客瀏覽、收藏哪些商品的資訊並分析之後，亞馬遜便能推薦給每位顧客更適合他們的商品，增加商品成交率。
另一個例子是社群打卡軟體 Foursquare，蒐集用戶在不同地點打卡、上傳的照片，了解顧客消費活動範圍之後，再推出折扣訊息。例如，如果某間餐廳在周四晚餐時段特別熱門，便可在該時段推播餐廳的廣告或折扣訊息。
但是，擁有顧客數據的企業主，是不是都能像上述兩個案例一樣，準確分析顧客行為，再精準行銷自家的產品和服務，這又有些難度了。
顧客告訴你的想法，不一定是真實需求
《數據、謊言與真相》一書作者賽斯 ‧ 史蒂芬斯-大衛德維茲（Seth Stephens-Davidowitz）點出，儘管從系統中撈數據已經是業界常態，但是該蒐集哪些資料，哪些才是真正有意義的數字，又該如何解析這些資料，採取正確的應對措施，這才是真正困難的地方。況且有時候，如果企業不知道如何利用數據，很可能會被顧客誤導。
串流影片龍頭網飛（Netflix）原本設立了一個「待看清單」的功能，讓用戶可以把想要觀賞、卻還沒有時間看的影片，先存放在清單當中，而 Netflix 也會定時提醒用戶，記得回來觀賞這些影片。
但他們卻從數據中發現，用戶幾乎不會再回頭，觀賞存放於待看清單中的影片。進一步了解用戶清單中的影片，發現多是他們「嚮往」的類型，例如二次大戰的黑白紀錄片。事實上，用戶把這類型的影片放在清單後，再點開自己平常習慣觀賞的影片。
透過用戶、顧客的實際消費行為，告訴你他們「想要」的東西，並不一定是他們「會買」的東西。因此，對企業來說，真正有用的數據，是藏在顧客的消費行為、模式當中。 Netflix 發現後，開始從使用過程著手，蒐集熱門影片的點擊次數、用戶的觀看紀錄等數據，最終產出個人化的推薦影片清單。
串流影片龍頭網飛（Netflix）原本設立了一個「待看清單」的功能，讓用戶可以把想要觀賞、卻還沒有時間看的影片，先存放在清單當中，而 Netflix 也會定時提醒用戶，記得回來觀賞這些影片。
但他們卻從數據中發現，用戶幾乎不會再回頭，觀賞存放於待看清單中的影片。進一步了解用戶清單中的影片，發現多是他們「嚮往」的類型，例如二次大戰的黑白紀錄片。事實上，用戶把這類型的影片放在清單後，再點開自己平常習慣觀賞的影片。
透過用戶、顧客的實際消費行為，告訴你他們「想要」的東西，並不一定是他們「會買」的東西。因此，對企業來說，真正有用的數據，是藏在顧客的消費行為、模式當中。 Netflix 發現後，開始從使用過程著手，蒐集熱門影片的點擊次數、用戶的觀看紀錄等數據，最終產出個人化的推薦影片清單。
以搜尋紀錄為切入點，進一步探究顧客動機
所以，到底哪些數據，才是顧客真正在想的事情？史蒂芬斯-大衛德維茲定義的數據，是用數位化的方式，主動蒐集所需資訊，找出事件運行的模型。
舉例來說，顧客實際消費行為與顧客意願調查其實都是數據的一種，只是當我們匿名使用社群軟體，或在網路上填寫問卷時，仍會希望自己保持良好形象，甚至有展現「理想」自我的趨向，這些無傷大雅的謊言，卻會讓企業判斷失準。因此，企業在設計資訊汲取、蒐集的過程，必須思考是否有讓顧客能夠展現真實的環節。
搜尋紀錄會是一個好的切入點，史蒂芬斯-大衛德維茲的研究也是以 Google 搜尋紀錄為基礎。由於人們不一定會主動向他人透露自己的偏好，但搜尋紀錄多半不會分享或告知他人，因此真正的需求，反而出現在這個過程當中。
只是，當企業認知到數據的威力之後，卻有可能踩進另外一個陷阱：過度依賴數據。發生這樣的情況時，容易以任何可數據化的資訊為衡量基礎，即使它對於未來的決策、計畫，毫無任何幫助。
以 Facebook 為例，幾乎每位廣告主，都會在這個社群平台上投放廣告，而每則貼文的讚數、分享數、觸及人數，自然成為衡量廣告效果的數據。不過，即使這則貼文獲得了很多讚，也有極高的觸及人數，就一定代表顧客真的對企業產生好感，對你想要推廣的訊息埋單嗎？
實際解決這個困境的方法並不困難，就是再次回到人的判斷，利用小型調查挖掘「小數據」做為輔助。因為資料數據呈現的，大多為兩件事情的正向或反向關係，卻無法回答背後的原因。而數據取代的，其實是以「經驗」為基礎的直覺，也就是說，人們過往累積的經驗，也可視為一種數據。像是經過相處之後，了解上司喜歡的報告寫法；發現只要某間零售通路的銷量成長，整體業績一定會上揚。只是人們通常過度看重自身經驗，忽略呈現在眼前的數據資料，導致做出錯誤的判斷。
所以，如果能將系統撈出的資料，輔以人為進一步的挖掘與調查，探究顧客的真實動機與行為原因，企業手中的大數據才能化為真正有用的資訊。
舉例來說，顧客實際消費行為與顧客意願調查其實都是數據的一種，只是當我們匿名使用社群軟體，或在網路上填寫問卷時，仍會希望自己保持良好形象，甚至有展現「理想」自我的趨向，這些無傷大雅的謊言，卻會讓企業判斷失準。因此，企業在設計資訊汲取、蒐集的過程，必須思考是否有讓顧客能夠展現真實的環節。
搜尋紀錄會是一個好的切入點，史蒂芬斯-大衛德維茲的研究也是以 Google 搜尋紀錄為基礎。由於人們不一定會主動向他人透露自己的偏好，但搜尋紀錄多半不會分享或告知他人，因此真正的需求，反而出現在這個過程當中。
只是，當企業認知到數據的威力之後，卻有可能踩進另外一個陷阱：過度依賴數據。發生這樣的情況時，容易以任何可數據化的資訊為衡量基礎，即使它對於未來的決策、計畫，毫無任何幫助。
以 Facebook 為例，幾乎每位廣告主，都會在這個社群平台上投放廣告，而每則貼文的讚數、分享數、觸及人數，自然成為衡量廣告效果的數據。不過，即使這則貼文獲得了很多讚，也有極高的觸及人數，就一定代表顧客真的對企業產生好感，對你想要推廣的訊息埋單嗎？
實際解決這個困境的方法並不困難，就是再次回到人的判斷，利用小型調查挖掘「小數據」做為輔助。因為資料數據呈現的，大多為兩件事情的正向或反向關係，卻無法回答背後的原因。而數據取代的，其實是以「經驗」為基礎的直覺，也就是說，人們過往累積的經驗，也可視為一種數據。像是經過相處之後，了解上司喜歡的報告寫法；發現只要某間零售通路的銷量成長，整體業績一定會上揚。只是人們通常過度看重自身經驗，忽略呈現在眼前的數據資料，導致做出錯誤的判斷。
所以，如果能將系統撈出的資料，輔以人為進一步的挖掘與調查，探究顧客的真實動機與行為原因，企業手中的大數據才能化為真正有用的資訊。
「大數據」這 3 個字，幾乎已經成為各行各業朗朗上口的資訊調查方式，靠著顧客在消費流程中留下的各種資料，企業似乎可以更精準地描繪他們的模樣與喜好。
以全球電商龍頭亞馬遜（Amazon）為例，蒐集顧客瀏覽、收藏哪些商品的資訊並分析之後，亞馬遜便能推薦給每位顧客更適合他們的商品，增加商品成交率。
另一個例子是社群打卡軟體 Foursquare，蒐集用戶在不同地點打卡、上傳的照片，了解顧客消費活動範圍之後，再推出折扣訊息。例如，如果某間餐廳在周四晚餐時段特別熱門，便可在該時段推播餐廳的廣告或折扣訊息。
但是，擁有顧客數據的企業主，是不是都能像上述兩個案例一樣，準確分析顧客行為，再精準行銷自家的產品和服務，這又有些難度了。
顧客告訴你的想法，不一定是真實需求
《數據、謊言與真相》一書作者賽斯 ‧ 史蒂芬斯-大衛德維茲（Seth Stephens-Davidowitz）點出，儘管從系統中撈數據已經是業界常態，但是該蒐集哪些資料，哪些才是真正有意義的數字，又該如何解析這些資料，採取正確的應對措施，這才是真正困難的地方。況且有時候，如果企業不知道如何利用數據，很可能會被顧客誤導。
串流影片龍頭網飛（Netflix）原本設立了一個「待看清單」的功能，讓用戶可以把想要觀賞、卻還沒有時間看的影片，先存放在清單當中，而 Netflix 也會定時提醒用戶，記得回來觀賞這些影片。
但他們卻從數據中發現，用戶幾乎不會再回頭，觀賞存放於待看清單中的影片。進一步了解用戶清單中的影片，發現多是他們「嚮往」的類型，例如二次大戰的黑白紀錄片。事實上，用戶把這類型的影片放在清單後，再點開自己平常習慣觀賞的影片。
透過用戶、顧客的實際消費行為，告訴你他們「想要」的東西，並不一定是他們「會買」的東西。因此，對企業來說，真正有用的數據，是藏在顧客的消費行為、模式當中。 Netflix 發現後，開始從使用過程著手，蒐集熱門影片的點擊次數、用戶的觀看紀錄等數據，最終產出個人化的推薦影片清單。
以搜尋紀錄為切入點，進一步探究顧客動機
所以，到底哪些數據，才是顧客真正在想的事情？史蒂芬斯-大衛德維茲定義的數據，是用數位化的方式，主動蒐集所需資訊，找出事件運行的模型。
舉例來說，顧客實際消費行為與顧客意願調查其實都是數據的一種，只是當我們匿名使用社群軟體，或在網路上填寫問卷時，仍會希望自己保持良好形象，甚至有展現「理想」自我的趨向，這些無傷大雅的謊言，卻會讓企業判斷失準。因此，企業在設計資訊汲取、蒐集的過程，必須思考是否有讓顧客能夠展現真實的環節。
搜尋紀錄會是一個好的切入點，史蒂芬斯-大衛德維茲的研究也是以 Google 搜尋紀錄為基礎。由於人們不一定會主動向他人透露自己的偏好，但搜尋紀錄多半不會分享或告知他人，因此真正的需求，反而出現在這個過程當中。
只是，當企業認知到數據的威力之後，卻有可能踩進另外一個陷阱：過度依賴數據。發生這樣的情況時，容易以任何可數據化的資訊為衡量基礎，即使它對於未來的決策、計畫，毫無任何幫助。
以 Facebook 為例，幾乎每位廣告主，都會在這個社群平台上投放廣告，而每則貼文的讚數、分享數、觸及人數，自然成為衡量廣告效果的數據。不過，即使這則貼文獲得了很多讚，也有極高的觸及人數，就一定代表顧客真的對企業產生好感，對你想要推廣的訊息埋單嗎？
實際解決這個困境的方法並不困難，就是再次回到人的判斷，利用小型調查挖掘「小數據」做為輔助。因為資料數據呈現的，大多為兩件事情的正向或反向關係，卻無法回答背後的原因。而數據取代的，其實是以「經驗」為基礎的直覺，也就是說，人們過往累積的經驗，也可視為一種數據。像是經過相處之後，了解上司喜歡的報告寫法；發現只要某間零售通路的銷量成長，整體業績一定會上揚。只是人們通常過度看重自身經驗，忽略呈現在眼前的數據資料，導致做出錯誤的判斷。
所以，如果能將系統撈出的資料，輔以人為進一步的挖掘與調查，探究顧客的真實動機與行為原因，企業手中的大數據才能化為真正有用的資訊。
原文網址: https://www.managertoday.com.tw/books/view/55450
出自《經理人》
以全球電商龍頭亞馬遜（Amazon）為例，蒐集顧客瀏覽、收藏哪些商品的資訊並分析之後，亞馬遜便能推薦給每位顧客更適合他們的商品，增加商品成交率。
另一個例子是社群打卡軟體 Foursquare，蒐集用戶在不同地點打卡、上傳的照片，了解顧客消費活動範圍之後，再推出折扣訊息。例如，如果某間餐廳在周四晚餐時段特別熱門，便可在該時段推播餐廳的廣告或折扣訊息。
但是，擁有顧客數據的企業主，是不是都能像上述兩個案例一樣，準確分析顧客行為，再精準行銷自家的產品和服務，這又有些難度了。
顧客告訴你的想法，不一定是真實需求
《數據、謊言與真相》一書作者賽斯 ‧ 史蒂芬斯-大衛德維茲（Seth Stephens-Davidowitz）點出，儘管從系統中撈數據已經是業界常態，但是該蒐集哪些資料，哪些才是真正有意義的數字，又該如何解析這些資料，採取正確的應對措施，這才是真正困難的地方。況且有時候，如果企業不知道如何利用數據，很可能會被顧客誤導。
串流影片龍頭網飛（Netflix）原本設立了一個「待看清單」的功能，讓用戶可以把想要觀賞、卻還沒有時間看的影片，先存放在清單當中，而 Netflix 也會定時提醒用戶，記得回來觀賞這些影片。
但他們卻從數據中發現，用戶幾乎不會再回頭，觀賞存放於待看清單中的影片。進一步了解用戶清單中的影片，發現多是他們「嚮往」的類型，例如二次大戰的黑白紀錄片。事實上，用戶把這類型的影片放在清單後，再點開自己平常習慣觀賞的影片。
透過用戶、顧客的實際消費行為，告訴你他們「想要」的東西，並不一定是他們「會買」的東西。因此，對企業來說，真正有用的數據，是藏在顧客的消費行為、模式當中。 Netflix 發現後，開始從使用過程著手，蒐集熱門影片的點擊次數、用戶的觀看紀錄等數據，最終產出個人化的推薦影片清單。
以搜尋紀錄為切入點，進一步探究顧客動機
所以，到底哪些數據，才是顧客真正在想的事情？史蒂芬斯-大衛德維茲定義的數據，是用數位化的方式，主動蒐集所需資訊，找出事件運行的模型。
舉例來說，顧客實際消費行為與顧客意願調查其實都是數據的一種，只是當我們匿名使用社群軟體，或在網路上填寫問卷時，仍會希望自己保持良好形象，甚至有展現「理想」自我的趨向，這些無傷大雅的謊言，卻會讓企業判斷失準。因此，企業在設計資訊汲取、蒐集的過程，必須思考是否有讓顧客能夠展現真實的環節。
搜尋紀錄會是一個好的切入點，史蒂芬斯-大衛德維茲的研究也是以 Google 搜尋紀錄為基礎。由於人們不一定會主動向他人透露自己的偏好，但搜尋紀錄多半不會分享或告知他人，因此真正的需求，反而出現在這個過程當中。
只是，當企業認知到數據的威力之後，卻有可能踩進另外一個陷阱：過度依賴數據。發生這樣的情況時，容易以任何可數據化的資訊為衡量基礎，即使它對於未來的決策、計畫，毫無任何幫助。
以 Facebook 為例，幾乎每位廣告主，都會在這個社群平台上投放廣告，而每則貼文的讚數、分享數、觸及人數，自然成為衡量廣告效果的數據。不過，即使這則貼文獲得了很多讚，也有極高的觸及人數，就一定代表顧客真的對企業產生好感，對你想要推廣的訊息埋單嗎？
實際解決這個困境的方法並不困難，就是再次回到人的判斷，利用小型調查挖掘「小數據」做為輔助。因為資料數據呈現的，大多為兩件事情的正向或反向關係，卻無法回答背後的原因。而數據取代的，其實是以「經驗」為基礎的直覺，也就是說，人們過往累積的經驗，也可視為一種數據。像是經過相處之後，了解上司喜歡的報告寫法；發現只要某間零售通路的銷量成長，整體業績一定會上揚。只是人們通常過度看重自身經驗，忽略呈現在眼前的數據資料，導致做出錯誤的判斷。
所以，如果能將系統撈出的資料，輔以人為進一步的挖掘與調查，探究顧客的真實動機與行為原因，企業手中的大數據才能化為真正有用的資訊。
原文網址: https://www.managertoday.com.tw/books/view/55450
出自《經理人》
沒有留言:
張貼留言