點的, 就是 "消費者對商品須求度是如何?"
只是不一樣的, 一個是從商品出發, 一個是從
消費者做出發而已.
*1
我到博客來時, 有一個很重要的課題想要了解與
解決, 這問題反而是跟書無關的, 而是音樂.
書這種媒質, 閱讀速度是不定的, 閱讀方向是非
線性的, 也就是你可以很輕易的用自己的理解腳步去
閱讀, 一本書無論是唸 30 分鐘, 唸 1 小時或唸 3
小時, 都可以有自己的體驗.
但音樂則必須有一個 "Runtime" 的屬性存在,
也就是說你不可能快轉去聆聽, 更沒辦法先聽後 10
秒再聽前 10 秒, 或者是說這樣的聆聽已經是超脫原
本的設定.
所以一個人有能力的人, 可以用比一般人更快的
時間看數百數千本書, 而有不同的收獲, 但相對音樂
的聆聽, 無論你音樂感受能力如何, 都要用相同時間
去聆聽, 只是所能吸收的東西不太一樣罷了.
因此我發現, 音樂往往須要一個同儕或導師來相
互引導與學習, 才有可能更快的吸收, 但相對的書本
的吸收不少人可以靠自學.
到博客來無論是作社群或做推薦, 我的主要優先
都不是書, 而是音樂或也是有 "Runtime" 的電影,
因為書的選擇已經有很多方法, 但相對音樂就比較少.
若不考慮人的因素, 大概只有側標與包裝能更做
為指引, 以及廣告與公開播放, 但這個都無法去適人
適 "興", 所以編輯推薦與排行榜在這邊的影響力甚於
書籍, 因為也沒有其他較好的辦法了.
像 Allmusic 提供一些機制, 如 Similiar to,
Rooted from, Influence to 等等的幾個參考指標,
因此若你了解所指向的樂團, 由這些其他人的作品來
參考, 會比知道音樂屬性的分類更直接.
因為音樂的分類都是人去分的, 甚至說, 音樂創
作本身都是 "One of a Kind" (獨一無二) 也不過份,
但如何在這種情型下來做推薦指引就沒那麼簡單了.
的確, 後來像 Pandora Box 的 Emulation 與
Feedback 模型是我認為在沒有他人參與下是最合理
的模型, 但這個目前大概還是屬於 "玩家" 或
"Hacker" 層級的應用.
在前天 (08/14) 跟 Loou "路老闆" (就是他介
紹我去博客來) 在 MSN 聊天, 討論到目前資料探戡
的狀況, 他對於成果的數字覺得不可思議.
我跟他解釋這是 "逆行銷" 的力量, 原本的行銷
都是以產品做出發, 下一步的問題是如何找到對像,
或者是激發出他的興趣與需求, 但 "逆行銷" 是幫消
費者找到他要的東西.
他問了一點, 有沒有可能把這想法應用在他的商
品上面, 我就開始解釋 "逆行銷" 是沒辦法這樣做的,
但我卻心理在想, "逆行銷" 雖然是幫人找到要的東
西, 但畢竟這代表還是可以找到一群人跟這商品的對
應的.
我甚至在想, 除了幫消費者找到適合他的產品外,
而我們鎖定這些商品的推薦後, 還能夠提供怎樣的資
訊讓他參考呢?
當然 "逆行銷" 與 "行銷" 還是有一個基本的相
同點的, 就是 "消費者對商品須求度是如何?" 只是
不一樣的, 一個是從商品出發, 一個是從消費者做出
發而已.
在經過一個晚上的思索, 若是我們不只媒合出這
樣的配對的列表, 無論是商品列表或使用者列表, 甚
至提供每一個使用者跟每一個商品的購買率, 讓消費
這來做參考的話, 這樣也是一個很不錯的推薦型式.
甚至我們利用 Allmusic 的 Similar to 來做出
發, 跟他講這個商品跟其他的商品的相關係, 甚至是
他購買過的, 或者是音樂或書籍各挑一個來讓消費者
來聯想, 只是這個聯想的不是內容, 而是感覺.
*2
有了 Similar to 來做建議參考, 雖然這個是有
點像關聯購買, 但若為了要求這資料真的是個人的話,
最好還是從他購買過的, 只是這會有資料的機會真的
蠻小的.
的確, 在商品的交集關係, 往往是以萬分之一起
跳的, 甚至是十萬或百萬, 而當這商品越多的話, 交
集的話可以說上億分之一, 但聯集起來可以降到千分
之一或百分之一.
母體越大越準確, 甚至不用多維的聯集就可以撈
到足夠的數字供系統的使用, 只是這個數字越多, 代
表的是同質性越高, 而同質性越高代表這是暢銷品,
但暢銷品跟本沒必要透過這樣的系統推薦.
就像是我打算幫 Loou 的前衛花園做的這份, 因
為我知道他們的作品是小眾, 但小眾的作品不見得是
不好, 或者是沒必要訴諸甚麼品味的說法, 若能夠算
出來使用者的接受度來去推薦, 而讓消費者高興, 這
就相當夠了.
但因為小眾更須要社群, 這樣的系統操作起來似
乎沒那麼社群, 只是社群的經營與參與要花很多時間
的, 有沒有必要如此就見人見智, 若真的須要的話,
或許本來這就是 543 所應該扮演的角色, 而不是博
客該操作的.
我是知道看到一本好書, 聽到一片好專輯, 看到
一部好電影是讓人愉快的, 但如何去挑選, 這才是問
題, 而我不喜歡像大眾媒體那樣宣傳與廣告的壓迫性
所以才走 Data Mining, 可是也不是說所有其他的閱
讀/聆聽/觀賞經驗是錯的, 畢竟這都是學習.
因為所有的消費, 到最後都要去感受, 而沒有去
使用的話, 那就真的是拜金了.
*3
[連結]
1. 前衛花園
http://www.ag.com.tw/
2. 博客來資料探戡中心
http://blog.boook.com.tw/mining
3. 工程師級的顧問 的 資料探勘 分類
http://www.ithome.com.tw/plog/index.php?op=Default&postCategoryId=734&blogId=410
4. 從行銷到諮詢 (I)
http://www.ithome.com.tw/plog/index.php?op=ViewArticle&articleId=2301&blogId=410
5. 從行銷到諮詢 (II)
http://www.ithome.com.tw/plog/index.php?op=ViewArticle&articleId=2401&blogId=410
[TAG]Data Mining, 資料探勘, 博客來, CD, 音樂,
前衛花園, 行為預測
**********************************************
*1
08/15/06 06:09 pm, 現在要到忠義站, 今天先
提早回家.
08/16/06 11:52 am, 現在到竹圍站, 一天的工
作以前理論上是從捷運開始, 但現在都是從起床到出
發都有一小時以上的時間, 所以也不太算了.
*2
08/16/06 03:21 pm, 現在趕去內湖找人談事情,
不知道會有甚麼結果也說不定, 但天曉得.
*3
08/16/06 03:34 pm, 要下車了, 先寫到這邊.
