大數據浪潮已風行好些時間,直觀的量化數據是企業在做決策時的最強背書,多數人相信- 海量數據無所不能,只要透過演算法、統計分析,即便是企業的創新機會點也能從中找到答案。早在2014年《大賣場裡的人類學家》作者對此提出了不同的觀點: 不獨尊大數據分析,以人文研究方法「意義建構法」(Sensemaking)來處理企業複雜的商業問題,在當時引起一定程度的回響。4年後作者再出了《演算法下的行銷優勢》,出書目的是想在這海量數據、演算法當道的世界,持續替人文學科平反,強調其仍有其不可取代性。

有別於前一本《大賣場裡的人類學家》,其著重 Sensemaking 過程的五個階段過程: 用現象來描述問題>蒐集資料 >尋找模式 > 找出關鍵洞見 > 建構企業影響力。這本《演算法下的行銷優勢》就「意義建構法」(Sensemaking)  多引用哲學、人類學等人文學科的理論,深入講述的Sensemaking 歷史背景、原則、以及在企業上的應用
其中文書名《演算法下的行銷優勢》乍看之下,會讓人誤以為是一本教如何行銷的書,英文書名《Sensemaking》則較貼近書中內容。書中有3個有趣的地方,試著釐清多數人對研究的迷思:

迷思1: 人的偏好意見是重點
事實1: 重點不在個人,而在理解其背後所處的文化

人們心中任何有意義的東西,皆有高度的背景相關性與歷史性,所以無法排除其背景脈絡、只抽取某個環節進行研究調查。作者指出: 像焦點團體或民意調查這種把受訪人抽離日常生活環境,問他們細節如:對某產品或理念的意見想法,這樣的做法形同將其原有的背景脈絡打散,也失去了原本可以觀察人行為的線索。在意義建構法的過程中,目的不是找出受訪者在「想」什麼,而是在找出某個行為背後與其環境脈絡的關係&模式,如同書中提到美國爵士樂演奏家Miles Davis所說:「不要彈奏已經在那裏的東西,要彈奏不在那裏的東西。」

迷思2: 樣本數愈大,得到的洞見愈真實準確
事實2: 研究人類經驗的厚數據 vs 研究大量行為屬性的薄數據不同
Sensemaking「意義建構法」是從哲學家海德格的現象學phenomenology的研究人類經驗方法論不以統計學中的滿足係數標準條件來進行、不是大樣本規模,事實上,只要有相對小數目的人群及其經驗背景就足夠,了解一小群人的經驗所產生的厚數據已足夠全面了解我們每個人共有的行為模式。然而,在當今大數據的風潮下,仍有會把質性研究當成量化研究執行的迷思。

迷思3: 從使用者角度出發 =有同理心
事實3: 同理心其實有不同的層次
同理心是設計思考的重要元素,此書作者對同理心有更細緻的剖析: 第一層同理心如公司有dress code,員工們都穿黑色服裝,說明我們是社會的動物,感知著現實世界中的社會規範,這樣的同理心少有人注意到它也是同理心; 第二層像是當有人變得憂鬱,我們會想了解她怎麼了? 在想什麼? 這時第一層同理心已經昇華成第二層同理心了; 第三層為分析同理心,是更有系統的同理心,以人文學術和理論的運用為後盾,也就是意義建構法,將理論應用於企業碰到的問題。如:作者公司協助某間知名氣泡飲料公司了解中國的瓶裝茶產品市場,透過政治理論家Ernesto Laclau 和Chantal Mouffe 的言談分析與心智模型的理論,了解到「茶」的意義因地區有很大不同。對這家美國公司而言,茶是清涼爽口的甜飲料,加糖與加咖啡因以幫助消費者提神,但透過言談分析與心智模型運用,了解到茶在中國是「減」的東西,應該將令人分神的元素去除。在了解中國市場對「茶」經驗不同後,其瓶裝茶產品才有起色。

以上為簡略的摘要心得,對此書想深入了解的人可以去翻閱一下。

圖片來源:Image by Pixabay  https://pixabay.com
參考資料: 部分內容引述《演算法下的行銷優勢》; 作者: 麥茲伯格 Christian Madsbjerg; 出版社: 天下文化; ISBN: 9789864795482

%d 位部落客按了讚: