讀「百年招牌靠「數據」絕處逢生！《金融時報》發現獲利桃花源！」有感
昨天(2013年4月18日 )肥蝦在臉書上看到朋友分享了一篇WIRED.tw的新聞「百年招牌靠「數據」絕處逢生！《金融時報》發現獲利桃花源！」(http://wired.tw/2013/04/18/financial-timesdata/index.html)
點選了一下該網站的其他文章，發覺有蠻多篇幅在介紹【數據】對於企業營運與獲利的未來影響。肥蝦也記得在去年(2012年10月)的哈佛商業評論雜誌有著多幅關於巨量資料(Big Data)與資料探勘的介紹文章。因應資訊與科技的發達，人們的生活與資訊科技日趨緊密，隨著網路的普及、手持介面的發展，人們取得數位媒體與資料的方式與管道更加多元與便利，產生了「巨量資料」這一新名詞；但是，相對地，人們也被淹沒在資訊的洪流之中。記得在2010年3月有一期的經濟學人的封面標題即是【The data deluge】，人們迷失在資料裏面，每個人都試圖取得自認為對自己有用的資料，並經由一定的思考與認知組合成可用的資訊。
相對於消費者如何從滿天飛舞的資料中捉得他所需要的特定產品與服務資料；消費者或使用者如何從資料中產生資訊進行決策的過程，對生產者或提供者來說就是一項非常寶貴的資產。如果產品或服務提供者能瞭解使用者所擷取的資料時間、類別、次數、頻率、駐足時間，將可推演使用者的消費可能行為與習性。如果又能有效的把前述資料與實際的行為連結，從中將可提煉出高度可靠與有效的銷售模式，有助於提升企業的經營與成長。
本篇讓肥蝦有感的，不只是＜金融時報＞如何擺脫以往的經營模式，營收來源從以往民眾紙本訂閱所衍生的廣告收入，到如今依據使用者對金融資訊的訂閱付費收入。肥蝦以為雖然這對出版事業雖然意義重大，但更重要的是：【價值】的重新界定與明確，真正瞭解消費者與使用者心中對其服務所認知與感受到的價值。
人們會對認知為有價值的產品或服務付出價格，其實＜金融時報＞不管在以前的紙本訂閱或是現今數位訂閱，使用者會被吸引訂閱的焦點就在使用者認知到＜金融時報＞所提供金融消息或評論對渠等有一定的價值。在以往紙本時代只能透過訂閱的方式，隨者訂閱數量增加，紙本上的廣告刊登，對其他廠商也產生了有認知的廣告效益，因此願意付費刊登廣告。但是提供數位版本以後，隨著紙本訂閱數量的下降，廣告收入銳減；同時數位版本訂閱又無法明確提供刊登廣告者能認知到的廣告效益，因此廣告收入有限。在此改變下，原有的出版媒體莫不遭受鉅大的經營壓力。
因著使用者取得數位版本與資料的容易，使用者是更加嚴苛的看待＜金融時報＞所提供的資料價值。以往紙本時代，使用者不得不因其中所認知的一、二篇有價值的新聞或評論訂閱整份報紙；但是數位時代，使用者已解除了此項限制與約束，媒體事業無法再爛竽充數，必須明確的提供使用者心中認定有價值的產物。
服務提供者在這網路時代，所面對重要課題就在：如何界定每位使用者的價值認知？如何進行分眾處理？如何提供個人化價值資訊產出？如何依據消費者認知進行服務的整合與串連？如何因應消費者行為的變化調整行銷模式？這些疑問的解答金鑰就在消費者行為產生大量資料的分析、整理、推演與反饋修正。＜金融時報＞能從一片慘淡中止跌回升，就在它摸出了這條規則路徑。重新回歸到閱讀者心中的價值認知，並從其中獲取使用者(訂閱者與刊登廣告者)願意給付的費用。
有些朋友看到這篇文章後直接認為台灣的媒體無法如法炮製，因為台灣的環境不夠成熟！也許台灣的環境對於使用者付費的觀念尚未普及到所有的事物，某些人還是巴巴望著不勞而獲，享用公有財或他人的溢出效果。但是，如果我們更深層的思考，是否台灣媒體所提供的新聞或評論還無法產生消費者心中認知的價值？就比如巨量資料，2012年10月哈佛商業評論雜誌刊登後，財訊、遠見、30等雜誌紛紛大張旗鼓的喊著資料科學家是未來的當紅炸子雞，內容也多大同小異。那對消費者認知而言，誰才是有價值的呢？媒體與出版業者在此數位化時代閱讀者可依自己認知選取特定節次的環境下，沒有價值認知的資料就成為了使用者接收到的雜訊，當雜訊多到超過一定的忍受，消費者就會自動的建立忽視模式。
既然從消費者行為產生巨量資料中分析、整理、推演與反饋修正資訊的機制與流程對企業經營的重要性與日俱增，但市場上的分析工具與資訊又是如此昂貴，並且機制的引入程序與成本又是非常高昂，在一般中小企業能力之內根本南以承擔。但就別無它法嗎？肥蝦以為，一般企業在尚未建立從資料產生數據的工具或模式前，我們不妨回頭省思與盤點我們的服務或產品在使用者心中的價值認知；好好整理與記錄現有通路與管道產生的訊息；努力滿足與提升使用者所認知有價值的服務與產品。
從使用者行為模式產生大量資料中轉化為企業經營有用的數據與資訊，真正的價值在於促使企業不斷的重新界定與明確自己產品與服務在消費者心中認知的價值；一個沒有價值產出的廠商，不管引入或使用如何昂貴複雜的資料倉儲與探勘機制與工具，雇用如何優秀的資料科學家，依然還是無法創造利潤的。
沒有留言:
張貼留言