國際書展才剛落幕，來談談與書有關的大數據。2016年的9月，我答應博客來網路書店為他們做一份銷售資料的分析報告，在三個月後的博客來報告年會上分享。時間很短，只有三個月，但機會難得，衣袖一捲就開始進行。
為期兩年的匿名訂單資料，可以玩出什麼把戲呢？資料分析可分為四個層次，描述、解釋、預測及最佳化，因最佳化需要涉入企業流程，在有限的時間內，我們做了三個層次的分析－從描述到解釋，再從解釋到預測。
描述性分析指的是利用統計及資料視覺化將事實呈現出來，幫助觀看者正確評估情勢；其中，一個重要但常被忽略的用途是，將資料中的隱性資訊（其無法從原始資料中判讀）呈現出來。例如中文書籍有800個分類，例如成功法書籍分為自我成長、致富及生涯規劃等類別。
通常的認知是某族群的讀者偏好成功法書籍，但若將資料做適當處理，可以發現其實只有25歲以下的讀者偏好生涯規劃書籍，30歲以上讀者就傾向買致富書籍。我們有許多有趣的觀察，例如夜貓子比晨型人更傾向買同性愛小說；投資理財書籍讀者買書時也精打細算，因此訂單金額較小；以及年收入70萬以上的家庭購買外遇／離婚書籍的機率大增等等。雖然只是描述分析，但因資料做過妥善處理，可以呈現出傳統商業智慧工具無法告訴你的資訊。
在解釋性分析中，我們利用商品屬性及書名關鍵字來解釋書籍銷售量，例如有沒有書評連結，作者及書籍花多少功夫做簡介、有沒有名人或專家推薦等屬性。分析結果首先證明一些直覺猜測，例如，內頁預覽對於飲食及旅遊書籍銷量影響力顯著；是否有名人推薦對各類書籍銷量皆有影響力，但權威人士的推薦對自然科普書籍特別重要，而親子教養書籍的讀者對於感動、驚喜、觸動、分享等詞彙特別有共鳴。有趣的是，驚嘆號（!）若使用在旅遊書籍的書名及簡介中，與銷量有顯著的正相關，似乎驚嘆號可讓讀者更相信某個景點真的很好玩。
另一方面，書名下得好不好，當然也會影響書籍的銷量。例如年輕、醫師、神奇、日本、改善等詞用在醫療保健書名與銷量有正相關，但養生這詞反而與銷量有負相關。對心理勵志書籍來說，練習、力量、自己是好的詞，但智慧並不是，結果並不直覺，但耐人尋味。有趣的是，同一個詞在不同分類可能有相反的作用，例如，輕鬆在商業理財是好詞，在語言學習不是；世界在人文史地是好詞，在旅遊書籍並不是。
在預測性分析中，我們利用書籍特徵、書名關鍵字及上市前的市場狀況來發展暢銷書預測模型，文學小說暢銷書的預測準確度可以接近八成。也就是說，在書籍上架的那一刻，我們有八成的信心可以猜到哪些書會是暢銷書。預期若加入文本（書籍內文）的資料，暢銷書的預測模型可以再有顯著的改善。
我很感謝博客來的朋友們促成並慷慨地分享此次資料分析成果，希望我們的初步報告可以做為出版、零售、電商領域從業者的一份參考。資料分析及機器學習十分有用，前提是資料擁有者必須瞭解，不能再停留在用試算表或商業智慧工具來做情勢評估，必須往解釋、預測、最佳化的階段邁進。若能進階／升級至預測及最佳化階段，也代表人工智慧技術的引入。
人工智慧的時代已然來到－不論你是否準備好了。
（作者是中央研究院資訊科學研究所研究員、台灣資料科學協會理事長）
https://money.udn.com/money/story/5629/2287550
留言列表
