【黑貘來說】 挖掘巨量資料的秘密步驟
【黑貘來說】 挖掘巨量資料的秘密步驟
2013.03.26 | 創業

現在已經有太多的報導說某某公司利用使用者的行為記錄,來算出每一個人的喜好,並且導出商機等等新聞到處可見,但我相信大家看再多次,不是覺得這樣會不會太可怕了?不然就是這好厲害阿!這兩種答案,不然就是兩種都有。

但事實上這件事並不神奇或可怕,會覺得這樣是因為大部份的人不知道怎麼做,或者是說這能夠做甚麼,若是你知道後,發現這跟本只是個套來套去經過計算的結果,甚至在某方面你用手來算都可以,只是不一樣的是人只能處理少量資料,而電腦可以處理巨量資料,當很多事情會有量變產生質變的時候,威力就在此顯現,但這些步驟,說穿了一點都不聰明,甚至還非常的機械化的制式。

當然我不是很好的深入淺出的作者,所以沒辦法寫給大多數的讀者看,而是寫給已經有一點實務經驗的人,尤其是程式設計師或資料庫管理師等工程師,但若沒有這技術背景,我相信做這樣的拆解,可以讓大家從一知半解變成知道個大概,而透過這樣的了解,讓大家有機會去應用是我寫這幾篇的目的。

只是還有一個前提,就是我不會在這邊寫資料探勘的基礎,也就是說,「請先去看本資料探勘的書」,再來看下面幾篇文章吧。

目標:能夠知道某個特定人喜歡甚麼東西,購買每一個商品的機率,或者是說我們該如何推薦商品給他,以及知道他喜歡這商品的原因?

人與商品之間的行為有下面幾種:

  1. 瀏灠
  2. 放入清單
  3. 購買
  4. 評價或評論
  5. 其他

上面每一種行為都有其數量化的差異,有些是一年幾次,幾十次或到幾百次或更多,而每一個行為都可能有個 「權重 (Weight)」,以及時間 (Time) 與次數 (Times) 的屬性,甚至更有可能是一個 Vector (向量) 的指標,例如喜好、觀感等等,無論是可以量化或不能量化,這些都可以成為建立人與商品的「關連」。

所有的資料探勘系統實作都是從這些資料做轉化,甚至是簡化,畢竟可以運算,以及算得出結果才是重點,甚至是能夠算給所有消費者顧客使用才是資料探勘的精隨。

但有趣的事是很多實用的系統都很少是用單一方法去建構出來的,畢竟除了人的行為之外,商品有有幾個屬性:

  1. 商品本質、內容
  2. 商品描述 (meta-data) 與分類
  3. 最後才是商品的使用

在還沒有 Semantic Web 之前, 我們能用的就是商品的使用,也就是我們使用者/消費者與商品/物品之間的關係,而在有了語意網路之後,我們就可以進一步的處理本質 (文化商品) 與描述了,只是在這之前還要有幾個前置作業。

  1. 會自動化新增關鍵字詞的表
  2. 會自動化連結出語意網路的表

這兩個表若是可以扣掉前面「會自動化新增/連結」 的話,我相信很多人都有從很多單位去取得這樣的詞庫與關連庫,但在實務上我們有絕大部份的狀況都是在處理運算最新的商品或議題時,沒有一種機制能夠新增或更新的話,幾乎是不實用的。

只是這新增/更新有時不見得是自動化,因為自動化是件相當困難的事,就我所知有不少在做這項業務的公司單位,用的就是「工人智慧」,而不是人工智慧,但無論如何,有了這兩個表之後,再加上從資料探勘能夠得知的:

  1. 關連分析 (一階, 或高階)
  2. 群落分析 (Clustering)
  3. 時間序列預測

有了上面三個很基本的工具後,可以配合產出很多的可能性:

  1. 最常見的關連購買
  2. 在搜尋結果中做排序
  3. 從分類結果做語意分析產出因子
  4. 有了高階的關連分析可以透過配對做活動
  5. 從銷售預測中作備品或庫存準備
  6. 只要你想得到的

當然上面說得很簡單,好像是三兩天就可以開發出來的東西,但事實上單單一個「會自動化連結出語意網路的表」,我記得當時就弄了兩三個月才弄出來,當然現在再弄一次就只須要兩三天到兩三個星期了,畢竟有經驗跟沒有經驗還是差很多的。

記得我在 5 年多前寫過 Data Mining 是一個須要跟效率挑戰的高度技術的事,但現在的機器已經比 5 年前快 5 倍了,加上資料庫的多樣性,雲端系統的完善,讓寫這樣的系統跟之前簡單不只 5 倍,我在兩個月以前自己從無到有又自己跑一次,以前須要半年的現在只要半個多月就夠了,想想時代還真可怕阿。

所以說,在這樣成熟的時機而言,導入真正的巨量資料探勘已經不是預算的問題,也不是技術的問題,而是心態的問題了,你準備好了嗎?

轉自[黑貘來說](http://gene.speaking.tw/2013/03/blog-post_20.html)
關鍵字: #大數據
往下滑看下一篇文章
不只投廣告!在 AI 時代,無限創意行銷如何從企業營運出發,放大行銷成效?
不只投廣告!在 AI 時代,無限創意行銷如何從企業營運出發,放大行銷成效?

一家連續十年營收 700 萬元的健身業者,如何在一年內將業績推升至 3,500 萬元,成長整整 5 倍?答案可能和多數人想的不一樣。

這家健身品牌不是一開始就加碼投放廣告,而是先從調整組織架構與薪酬制度著手,透過明確分工改善團隊運作,進而建立「全員銷售」文化,這並不是要求每位員工都成為業務員,而是讓團隊理解與認同品牌理念,確保從服務、回覆、教學到售後過程中的每一個顧客接觸點,都能傳遞一致的訊息與體驗,從而建立顧客對品牌的信任感,甚至願意主動購買與持續回購。而規劃這套成長策略的幕後推手,正是無限創意行銷。

AI 讓行銷變簡單,為何行銷公司反而更難做出成效?

雖然公司名稱裡有「行銷」兩個字,但無限創意行銷並非只從行銷工具出發,而是以顧問式行銷的角色,先理解企業經營問題,再決定應採取哪些行銷與營運解方。「我們不會一開始就告訴企業該採用哪些行銷策略,而是根據企業真的需求來提供適合解方」,無限創意行銷創辦人翁小五一語道出公司的獨特定位。

通常,企業在面對營收成長瓶頸時,第一個念頭就是做行銷,然而,翁小五從過往的工作與創業經驗中發現,限制企業營收成長的原因有很多,不一定與行銷有關,背後可能還有其他問題,若沒有釐清真正的問題所在,就急著投入廣告或其他行銷資源,很可能只是治標不治本。

基於這樣的觀察,無限創意行銷決定採取反向思考邏輯:先回到企業經營本身,找出造成「成長趨緩」的真正原因,再據此制定策略、優化營運流程,最後透過行銷放大企業優勢。當每一筆行銷投入都建立在更健康的企業體質與更精準的策略判斷之上,行銷才不只是「有做」,而是真正能為企業帶來成長。

這套「先找問題、再選工具」的服務模式,在生成式 AI 工具普及後,也成為拉開行銷成效差距的關鍵。

過去,行銷公司的價值建立在製作能力、投放技術與媒體資源;但當 AI 逐步降低文案、素材與分析的執行成本,單純提供「做內容、下廣告、做報表」的服務,差異化將快速縮小。此時真正考驗的,反而是行銷人的理解力和判斷力:能否看懂消費者真正需要什麼?能否找出限制企業營收成長的關鍵環節?而這正是無限創意行銷長期深耕企業經營現場、不斷透過數據與市場驗證所累積的核心能力。

無限創意行銷-2.JPG
無限創意行銷創辦人 翁小五
圖/ 數位時代

AI 拆解營收黑洞,讓數據為企業成長導航

在無限創意行銷的顧問式服務流程中,數據是相當重要的依據。翁小五進一步說明,無限創意行銷的數據應用可以分為三個層次:從檢視行銷活動成效、拆解顧客旅程中的問題節點,再進一步延伸至年度營運規劃,讓企業不只知道「過去發生了什麼」,更能判斷「下一步該怎麼走」。

首先,是檢視行銷活動成效,其中最重要的原則在於,根據行銷目標去解讀數據。舉例來說,如果目標是增加首購顧客,除了檢視素材吸引力與點擊率,還要持續追蹤到站、詢問、成交、新客占比與首購成本;如果目標是擴大營收規模,則應進一步檢視回購率、客單價與顧客終身價值。

數據應用的第二層價值,是拆解從「廣告投入」到「營收產出」之間的過程,理解每一個節點的數據分別反映什麼問題,再針對問題逐一修正。

至於第三個層次,則是讓數據成為企業經營與資源配置的依據。無限創意行銷會從年度營收目標出發,結合產業特性、淡旺季變化與過往行銷成果,拆解每一季、每個月的業績任務,再將過去有效的策略放大、成效不佳的做法修正,據此安排下一年度的行銷資源與營運節奏。

不急著加碼廣告,從企業體質出發找出 5 倍成長解方

對無限創意行銷來說,數據是找出問題、配置資源與規劃成長路徑的關鍵,文章開頭提到的健身業者,正是此套方法論的最佳印證。當初,翁小五深入診斷後發現,這家企業真正的問題在於組織結構過度扁平,老闆長期忙於處理日常事務,難以專注在營運規劃;此外,組織缺乏真正負責營運管理的中階主管、教練流動過高導致學員缺乏安全感等,皆是影響回購率的因素。

因此,無限創意行銷先從組織架構著手,設立專責店長一職,並重新設計薪酬制度,藉此讓教練、店長與老闆皆可專注在自身工作上。之後,再透過前期廣告數據與顧客洞察,找出消費者選擇品牌的真正原因,並運用行銷活動與口碑經營持續放大。同時,翁小五也在過程中導入「全員銷售」概念,確保顧客在各個接觸點都享有一致的體驗,品牌才能逐步累積顧客信任。

最終,這家企業的營收一年就成長至 3,500 萬元,達到原先的 5 倍。這個案例也說明了無限創意行銷的方法論:行銷不是企業成長的起點,而是放大企業優勢的槓桿;企業體質愈健全,這支槓桿所能放大的成長效益也愈大。

從「會做」到「會判斷」,AI 時代,無限創意行銷正在重新定義行銷公司的價值

隨著 AI 能力越來越強大,下一代行銷公司的價值,不只是比誰更懂得運用 AI,而是行銷人的市場理解力與專業判斷力,知道 AI 產出的內容哪些值得留下、哪些應該捨棄,或是該如何持續修正,才能打造出能夠被消費者感受到的品牌體驗。

因此,無限創意行銷未來將積極建立團隊與 AI 協作的方法論,將過往的專案判斷、提問框架與數據檢核邏輯,轉化為 AI 協作流程。團隊在面對新專案時,不是直接要求 AI 給答案,而是先定義目標、限制條件與判斷標準,再去檢查 AI 產出是否符合商業情境。

對翁小五而言,AI 時代真正稀缺的,不是工具,而是定義問題、理解消費者與判斷品質的能力。未來無限創意行銷的競爭力,也不在於使用多少 AI,而是持續將人的品味、市場理解與產業 Know-how,透過 AI 放大,協助企業打造更精準的品牌體驗與更高品質的決策。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓