亞馬遜市占40%的秘密武器：個人化推薦+購物數據圖譜
在亞馬遜每分鐘銷售的超過一萬種產品中，有高達一半的銷售來自個人化推薦。亞馬遜的演算法預測你在造訪網站時可能想要的商品，從大約3.53億件商品中精準篩選，決定你在網站上看到的產品排列方式。
這就好像你與哈利．波特（Harry Potter）一起走進斜角巷（Diagon Alley）的一間商店，貨架彷彿有魔法般會自動重新排列，讓最有可能吸引你的商品出現在面前，而其他商品則逐漸隱入背景中。這在實體商店裡幾乎不可能實現。
過去20年來，亞馬遜將使用者購買紀錄與瀏覽資料、Prime Video的觀看紀錄、Amazon Music的聆聽資料等結合起來，建構了一個「購物數據圖譜」（Purchase Graph）。亞馬遜對客戶的理解還延伸到了語音計算（Alexa）、線上醫療商店（PillPack）、實體零售（Whole Foods、Amazon Go）以及支付平台（Amazon Pay）。
公司演算法會繪製產品之間的關聯圖，並使用協同過濾技術（collaborative filtering），考慮多樣性（推薦項目之間的差異程度）、驚喜性（推薦商品的驚喜程度）以及新穎性（推薦商品的新鮮程度）等因素。
憑藉這些豐富的資料和精緻的個人化推薦，亞馬遜在美國電子商務市場的市占率超過40%，而最接近的競爭對手沃爾瑪僅佔7%。
Google推出購物圖譜，但少了亞馬遜「這一招」
2021年5月，Google宣布推出 「購物圖譜」（Shopping Graph） ，Google描述為：「一個動態、以人工智慧強化的模型，能夠理解不斷變化的產品、賣家、品牌、評論，最重要的是，它能處理直接從品牌和零售商處獲得的產品資訊與庫存資料，並理解這些屬性之間的關係。」
這個購物圖譜模型是以Google的機器學習演算法為基礎，能夠即時提供庫存、評價、顏色、尺寸等產品資料。每天有超過10億人在谷歌上搜尋產品，購物圖譜連結了來自數百萬個商家、超過350億筆的商品清單。
Google無與倫比的 「知識圖譜」（Knowledge Graph） ，不只能找出最符合使用者查詢的資料，還能關聯相關資訊，挖掘更深入的見解，不只幫助使用者找到答案，還能探索和理解相關概念。
當知識圖譜與Android、語音和圖像搜尋、Chrome瀏覽器外掛程式、Google助理（Google Assistant）、Gmail、Google相簿、Google地圖、Google Cloud、Google Pay、YouTube等服務結合在一起時，使Google有能力應對來自亞馬遜的挑戰。
不過Google仍缺少一項關鍵拼圖——類似亞馬遜的物流引擎，能夠以極高的效率將產品配送至消費者手中。 Google並沒有自行建設，而是選擇與來自加拿大的電商新創企業Shopify加深合作。在這項合作中，Google允許Shopify的450萬名商家在Google平台上曝光商品，Google還提供演算法來連接購物者與消費者，而Shopify上的商家則自行處理物流。
購物戰爭現在已經有了新武器：數據。這並非泛指所有「大數據」（Big Data）概念底下的任何數據，而是能幫助企業領導者打造獨特的「數據圖譜」，並以此制定競爭策略的「智慧數據」（Smart Data）。
數據的策略盲點！為何企業低估了數據價值？
2020年4月，中國正式承認「數據」是一種新的生產要素，這反映了數據如何改變全球的商業模式、產業邊界和市場結構。但是在商業領域，數據往往被視為理所當然，只用於日常營運，並且與策略缺乏連結。
許多企業淹沒在數據湖（data lakes）中，或將數據埋藏於數據倉庫（data warehouses），卻不認為數據有多麼重要，反而讓其他指標優先考量。並非所有經營者都能理解數據的策略價值。他們雖然意識到數據蘊含的價值，但同時也將其視為風險來源、法規限制，並擔心如何適當使用數據的敏感問題。有些經營者以自己的直覺決策能力為傲，認為無需依賴數據的洞見，也有不少人則在面對重大決策時，根本不信任數據。
數位工具的發展使企業更容易儲存龐大的數據並進行分析。傳統上，企業依賴「記錄系統」（systems of record），收集顧客購買的產品、數量、時間與價格等資料，並將這些記錄用於維修服務或產品保固之類的日常用途。這些數據通常分別由製造、行銷、業務與會計等部門儲存在各自獨立的資料庫中。
隨著2000年代初期網際網路的發展，以及2010年代智慧型手機的爆炸性成長，企業開始使用 「互動系統」（systems of engagement） ，透過電子郵件、網站、行動應用程式和臉書、X／推特、抖音、IG等社群媒體帳戶與顧客保持連結。雖然並非所有顧客都願意與品牌互動，但這已讓企業能建立與顧客的初步關係。「互動系統」比記錄系統更加提升，因此企業一度認為他們已經充分將數據的潛力發揮得淋漓盡致了。
過去10年來，一些企業開始在銷售的每件產品中內建感應器、連接裝置和軟體，即時收集資料。這些技術讓企業能夠追蹤消費者如何使用產品，並收集使用產品的資料，無論這些資料是結構化或非結構化，例如文字、圖片、影片或聲音。透過系統性追蹤即時數據，亞馬遜和谷歌等公司利用數據圖譜在市場上取得競爭優勢。
數據圖譜是什麼？
「數據圖譜」這個概念是我們在幾年前所提出的一個概念，應用於教學與顧問實務工作中。 數據圖譜是用來捕捉企業與顧客之間的關係與互動，主要是根據產品使用數據來建立的。
這個概念受到社交網路和圖形理論（graph theory）所啟發，類似於社交圖譜（social graph）：在社交圖譜中，個體（例如朋友、同事、上司）被視為「 節點 」（node），而他們之間的關係則形成「 連結 」（link）。「 圖譜 」（graph）這個詞是指各連結之間的結構特性，以識別這個網路中的重要人常物，例如關鍵節點（hub）、連結者（connector）和有影響力者（influencer）。
這個概念可追溯至社會心理學家史丹利．米爾格蘭（Stanley Milgram）提出的「小世界理論」（small worlds），以及他所提出的理論——「六度分離理論」（six degrees of separation）我們每個人之間平均的連結通常不超過六個人。社交網路理論指出，網路裡的成員（也就是我們）彼此之間的關係和連結具有重要意義，這種觀點對於分析組織、產業、市場與社會的結構和動態十分有價值。
同樣的，公司的數據圖譜所顯示的連結，比起關於個別客戶、產品、功能及其用途的數據更為關鍵。這個論點經得起邏輯的考驗：當不同的資料片段能夠被連結起來，特別是在即時連結下，比起單獨存在時能被更深入的理解。使用靜態數據，最終只會讓公司發展出紀錄系統或互動系統，而這些系統最多只能提供標準化的經驗法則。 但是透過即時追蹤產品使用資料，公司便能建立數據圖譜，進而提供個人化建議，超越那些常讓顧客感到不滿的制式回應。
不同於靜態數據（例如年齡、性別或地理位置），數據圖譜是動態的呈現方式。它們會不斷變化，因為是根據即時輸入所建立，並且反映了數據科學家所稱的「流動數據」（data in motion），也就是在任何網路中不斷流動的數據串流。
數據圖譜的三大特徵：規模、範圍與速度
每個數據圖譜都有三個特徵——規模（scale）、範圍（scope）和速度（speed）。
．「規模」是由公司追蹤的節點或資料點的數量來表示。
．「範圍」取決於公司在每個節點上監測多少屬性有多少。
．「速度」則是顯示組織收集數據的頻率和速度。
隨著數據圖譜的規模增加、範圍擴大以及數據收集速度的提升，數據圖譜價值也會跟著提升。數據圖譜愈豐富，公司就愈能掌握那些對顧客來說非常重要的時刻，並且能夠做出更全面的策略選擇。公司可以根據新產品或服務來開發新的數據圖譜，或是透過聯盟與合作夥伴來豐富現有的數據圖譜，例如Google與Shopify的合作夥伴關係，進一步加深彼此的連結。
企業也可透過收購來擴大數據圖譜的規模、範圍與速度。舉例來說，自從微軟於2015年收購領英（LinkedIn）以來，這間專業社交平台已迅速發展，擁有超過8億名專業人士和超過5,000萬家公司的職場資料。
微軟執行長薩蒂亞．納德拉（Satya Nadella）曾如此描述這項併購的策略價值：
「人們想要求職、培養技能、銷售、行銷，以及完成各種工作並且最後成功，這些都需要一個相互連結的專業世界。這需要一個活躍的網路，將LinkedIn的公開職場資料，與Office 365及Dynamics的資料結合，創造嶄新的使用體驗。舉例來說，LinkedIn的動態消息（newsfeed）會根據你的專案推送相關文章，而Office會建議你連絡LinkedIn上的專家，幫助你完成手上的任務……」
專業圖譜比任何單一人力資源組織所能聚集和運用的還要更豐富、更全面。到了2023年，隨著生成式AI的崛起，LinkedIn、微軟365和Microsoft Teams將共同成為以Microsoft Graph為基礎建構的資料寶庫。
許多數位科技業已經運用數據圖譜（不過有些企業不使用我們的詞，而是用更廣義的「知識圖譜」〔knowledge graph〕，這與Google的Knowledge Graph是不一樣的東西），以成為在消費市場的領導者。
臉書、Netflix、Uber都在用
較成功的數據圖譜——例如亞馬遜的購物數據圖譜（purchase graph）、Google的購物數據圖譜（purchase graph）、臉書的社交數據圖譜（social graph）、網飛的電影數據圖譜（movie graph）、Spotify的音樂數據圖譜（music graph）、Airbnb的旅遊數據圖譜（travel graph）、Uber的移動數據圖譜（mobility graph），以及LinkedIn的職業數據圖譜（professional graph）——這些都是數位科技業所開發出來的，而且他們的產品與服務已深植在消費者的日常生活中。
這些市場龍頭企業利用數據圖譜，以及公司專用的人工智慧與商業演算法，來 獲取即時洞見 ，從個人化化推薦、產品開發、服務提供，到行銷、廣告與銷售等各個領域，都能超越競爭對手。
延伸閱讀：一場白忙活動，讓全聯學會把數據變 juicy！「福利任務」如何刺激1500萬會員？
SurferSEO是什麼？SEO優化AI工具教學：操作步驟、適用對象、優缺點一次看
本文授權轉載自《AI融合策略：工業巨頭如何擁抱人工智慧、即時數據，華麗轉型成為未來智慧工業》， Vijay Govindarajan , Venkat Venkatraman著，商周出版
責任編輯：蘇柔瑋
