同樣開計程車,為什麼有些司機賺得比較多?談「行為脈絡」的重要性


「只要資料量夠大,數字自己就會說話。」這似乎是企業一窩蜂追隨流行趨勢的一個新迷思。

大數據(Big Data),或稱海量資料,是近年最夯的技術名詞之一。企業紛紛成立大數據研究中心或巨量資料學院,好像有了如海一般多的資料,銀行就能分析出顧客行為,投其所好地創新產品;國會選舉就可以精準預測誰會當選;影片出租業者就能知道如何依照個人喜好推薦影片;商場就可以知道要將啤酒與尿布放在一起賣(按:美國零售業發現,買啤酒的男性顧客也會順便買尿布);警察就能夠預測犯罪來源。

大數據其實就是一套資料探勘系統(data mining),以特定的程序去爬梳資料,找出資料之間的關連性。在資訊管理領域,資料探勘已經是老掉牙的工具,只是改個名字,就又紅了起來。

究其原因,就是企業太懶了,希望花最少的時間,找到最多客戶,讓業績一飛沖天。研發人員希望找到一項工具,讓他們不用研究消費者,數據就會跟企業說客戶要什麼。這樣的求快心理,使得企業盲目地採用「工具」,希望即刻「藥到病除」。

大數據加上「厚數據」,才能真正知道顧客要什麼

我們先來看看《大數據》這本暢銷書裡所舉的兩個例子,看看大數據有沒有這麼靈驗。

  • 偵測坐姿防盜:日本一家汽車座椅公司在座位中放入偵測器,蒐集車主的各種坐姿,任何人坐到駕駛座,只要比對資料,就可以檢測駕駛座是否異常,判定車子是否遭到偷竊。

  • 從 Twitter 發言預測電影票房:這很類似許多視頻公司號稱用大數據就可以預測觀眾的收視行為,讓挑劇的準確率大為提升。

從這兩個例子可以看出,資料固然巨量,推理卻可能過於工具性。個別車主的習慣會改變,不同車主的習慣也不一定相同;在 Twitter 上發表對某部電影的喜好,可能只是應酬話,甚至是反諷。因此,過度依賴海量資料,卻不重視深厚的「行為脈絡」,資料可能會變成廢料。

《大賣場裡的人類學家》一書便點出,運用大數據時,還必須結合「厚數據」(thick data)才能見效。

個案 1:電商看見脈絡,改變產品組合、營收破億

分析厚數據其實就是釐清問題的脈絡。我們來看兩個例子。

一家專賣面膜等化妝品的電子商務公司,員工約 30 人。2007 年,公司營運不佳,虧損約新台幣 600 萬元。問當時的經營者有多少會員、客戶從哪裡來,他多半回答不清楚;談到如何行銷面膜,則說是透過網路促銷、團購網頁、網誌代言、客戶資料庫行銷等,但就是沒效果。

後來,公司找來新任總經理,他從超過 4000 筆客戶資料中歸納出兩個脈絡。

脈絡 1:找出痛點,推出運費券

從購物清單看出,80% 以上的顧客來自海外,又以美國為主;匯款帳戶都顯示是兩個字的中文名字,一查才知道都是海外華僑和中國留學生。

由於美國美妝商品很貴,貨物稅又高,愛漂亮的留學生比較相信台灣出貨的產品,網購還可以省掉當地貨物稅,所以會找台灣網站購買。

進一步分析顧客的需求,這位總經理發現,客戶最關心的其實不是團購或促銷,而是運費。許多女生在購買私人物品時,不想和別人一起團購,但是數量不夠多,運費就高。為此,總經理推出運費券,仿效航空公司的里程數,顧客買愈多、點數累積愈多,運費券就送愈多,刺激購買行為。

脈絡 2:發掘需求,推出特賣商品

為了了解顧客都在談什麼、想什麼,這位總經理還派產品企畫部門每天瀏覽美容討論網站,發現很多人都不喜歡「一條龍」的產品搭配方式(例如,面膜搭配晨霜或晚霜),更偏好試用不同品牌的面膜,還常常在網站上對各個牌子的面膜品頭論足一番。於是,這家電商推出一款特賣商品,包含 20 種品牌的面膜。

在緊盯各家討論網站的同時,這家電商只要看到客戶抱怨缺什麼商品,就推出那項產品,而且都會加上面膜一起賣(例如,性感內衣加上面膜)。釐清脈絡之後,總經理沒有花錢費力去做無效的行銷活動,只是找出客戶的痛點,推出運費券與面膜搭配特賣,4 年間就將營業額衝到新台幣 1 億 4000 萬元,登記會員達 18 萬人,常購會員 1 萬多人。這項創新不難,只要在分析數據時,同時也看見脈絡。

個案 2:觀察司機使用行為,台灣大車隊找出數據運用方法

台灣大車隊在創業初期,需要招募約 6000 位計程車司機成為會員。根據分析數據後發現,司機集中出沒於加油站、建國橋下、濱江休息站等,公司便鎖定這些地點去招募司機,但不知為何,這樣招來的司機來得快,也去得快,還會將衛星派遣系統不好用的體驗告知其他司機。

然而,當時用的是衛星派遣系統,功能已經改善過,相比過去計程車採用的無線電,派遣範圍更廣,速度更快,按理說應該備受歡迎才是,結果卻正好相反。

脈絡 1:司機最關心每月收到多少通派遣

其實,只要分析司機的行為脈絡會發現,停在加油站等地的司機大多是被動等待衛星派遣通知,只要每月派遣數不夠,他們就會離開,怪罪衛星派遣系統不好用,都沒派客人給他。

再深入分析每位司機收到的電腦派遣數,還會發現當中的落差很大。據說有一位林司機每個月接到的派遣數介於 300~350 通(很滿意),但是大多數司機只有 90~100 通(常抱怨而離開車隊)。是林司機特別幸運,還是他做了什麼?

製圖 / 陳姿伶

脈絡 2:每月 300 通派遣司機的祕訣

原來是他發現衛星派遣會依照客戶上車的地點,找尋最鄰近的司機,所以他會記錄客人上車的時間和地點,在時間快到時,提前到特定地點去等待派遣系統通知。同時,他還與其他司機組成一個 8 人讀書會,每個禮拜五固定聚會,交流一個星期記錄下來的資料。

拿到資料後,林司機會用 Excel 匯整,以每 20 分鐘為一個單位,整理出派遣的「黃金點」,不但有早晚之分、地區之別(大安區、信義區、文山區等),還印成手冊。如此一來,司機不管走到哪裡,只要拿出手冊,都可以找到最近的「黃金點」等待,很快派遣就會進來。

製圖 / 陳姿伶

就這樣,脈絡出現了。從採訪的「厚資料」看出,找出「黃金點」,也就解開了高效率司機的工作祕訣。這些每個月拿到 300 通派點的司機,在某一區放下乘客時,只要查看手冊,便可以先找出該地區、對應時段,找出最接近的地點去等客人,等候時也可以安心地做點運動,休息一下,不會像以前一樣在城市裡亂跑,隨機尋找乘客,所到之處也不一定是黃金點,耗時費力,成效又不彰。了解這些行為脈絡,就能知道大數據該怎麼運用。

製圖 / 陳姿伶

離開人的行為脈絡,大數據就會成為大迷思

大數據的背後是使用者的生活脈絡。賣面膜的電商透過脈絡分析發現,使用者愛的原來不是團購和促銷,而是省運費;喜愛的產品組合,也不是一條龍搭配,而是多種不同面膜的 bundle(組合搭售)。台灣大車隊透過觀察計程車司機的行為,得知他們如何運用新科技找到客戶,之後才能結合大數據開發更多客戶。

客觀地分析巨量資料固然好,但是如果離開人的行為脈絡,大數據就會成為大迷思。只有細心地去理解人的行為,由行為中浮現清晰的脈絡,才有可能從這些「深脈絡」中獲知感動的元素。深厚的感動,配合上海量的資料,才是找出創新的關鍵。

延伸閱讀 /

  1. 「行銷4.0」時代來了!行銷學大師科特勒:品牌最該重視的 3 種「關鍵消費者」
  2. 銀行催收欠款,應該先催欠多的客戶,還是欠少的?想靠「大數據」做決策,經理人該知道的事
From:: 54.160.245.121

蕭瑞麟

政治大學科技管理與智慧財產研究所教授

新加坡國立大學亞太 EMBA 課程之客座教授。英國華威克大學(University of Warwick)商學博士,曾任教於新加坡國立大學商學院。

延伸閱讀