Skip to content
PodSubs
ShowsPeopleGuestsJobsNewsEvents
More
BlogPodCred
Menu
ShowsPeopleGuestsJobsNewsEventsBlogPodCredNetworksSign in
Join nowSign in
  • Shows
  • People
  • Jobs
  • News
  • More
    • Guests
    • Events
    • Blog
    • PodCred
    • Networks
    Join nowSign in

銷波快 | 一個圍繞在行銷Marketing 的隨便亂聊電台

銷波快 | 一個圍繞在行銷Marketing 的隨便亂聊電台 artwork

【堤Series-EP9】數據獵人Cynthia三訪銷波快!數據分析要靠AI還是靠人?數字看對了也可能做錯決策!揭密「前提假設×MECE法則」,從可控到不可控、從當下最佳解到北極星目標,打造真正有效的AI數據決策!- Feat 安辛上路 Cynthia

Aug 3, 202641 minAudio
ShareXLinkedInFacebookWhatsAppEmail

推薦數據學習好書《從直覺到數據,上班族職場升級術》- https://reurl.cc/gN2bvp 大家好,我是阿波小編! 這集 Jayden 再次邀請《安辛上路》的 Cynthia 回到銷波快,要來破解一個讓所有行銷人都以為自己懂的問題: 「數據分析要靠 AI 還是靠人?」 很多人都這樣用數據:把資料丟進 AI、得到一份漂亮報告、覺得有數據支持就代表決策是對的、完全沒有質疑那份報告是不是建立在錯誤的前提假設上。 結果呢?數字看對了但決策做錯、AI 給的答案跟自己想的一樣(因為問題問錯了)、改變一個前提假設結論完全相反、不知道為什麼別人的數據決策就是比你準。 關鍵不是 AI 不夠強,而是你還沒搞懂「前提假設 × MECE 法則」! 這集 Jayden 跟 Cynthia 會完整揭密前提假設的致命陷阱(Nielsen 真實案例:同樣一份數據,改變前提假設和撈資料的維度,結論完全相反) 還有MECE 法則完整拆解(把問題原因毫無遺漏盤點出來、分成可控 vs 不可控 vs 半可控、只處理可控和半可控),從可控到不可控、從當下最佳解到北極星目標(領先指標幫你預測當下、落後指標帶你找到三到五年後的方向),打造真正有效的 AI 數據決策。 🎯 本集重點內容: 數據分析靠 AI 還是靠人:數字看對了也可能做錯決策 前提假設陷阱:改變前提假設,結論完全相反 MECE 法則:可控 vs 不可控 vs 半可控完整盤點 當下最佳解:明天可能就不是最佳解了 北極星目標:領先指標 + 落後指標帶你找方向 如果你的數據決策總是看起來很對但結果很糟、想搞懂前提假設陷阱、想用 MECE 法則找到當下最佳解,這集 Jayden+Cynthia 會給你完整答案!🚀 本集內容: I. 開場與來賓介紹 Cynthia 第三次來銷波快,因為節目最近在講數據與企業資料庫 Cynthia 背景:曾在 Nielsen 工作十幾二十年、現為顧問講師、有出書《從直覺到數據》 II. Nielsen 三大部門:市場調查怎麼做 A. 通路銷售資料部門(Pulse Data) 跟家樂福、大潤發等通路交換銷售資料 看銷額、銷量、價格變化、鋪貨率、競爭對手動態 B. 消費者研究部門 問卷調查:了解消費者輪廓、使用行為、生活模式 Home visit:走到用戶家裡看使用場景、搭配產品、擺放方式 焦點團體訪談(8-12人):新品上市前概念測試、廣告前後測、分群訪談(忠誠用戶 vs 舊愛) C. 媒體研究部門 收視率調查(最多人認識 Nielsen 的部門) 三個部門交叉比對,才能看清業績增減的真正原因 III. 量化數字 vs 質化數字 量化:通路銷售數字,客觀可衡量,最不容易產生誤解 質化:行為、文字描述,無法用數字衡量,需要用心觀察 不是外商才能做市場調查:去康是美問藥師、假裝消費者問問題,也是一種調查 IV. 前提假設陷阱:數據的致命盲點 Nielsen 真實案例:分析拋棄式清潔品市場 一開始的結論跟客戶假設背道而馳 改變前提假設和撈資料的維度後,答案完全不同 老闆的智慧:說清楚你是基於什麼前提假設、看了哪些品類哪些資料 聰明的客戶懂得懂:前提假設不存在,結論就完全不一樣 V. AI 時代數據分析的三大難點 確認偏誤:已有假設時 AI 通常會支持你的答案 質化盲點:AI 看不到訪談和觀察、沒有溫度和體驗 思想懶惰者:容易把 AI 看似正確的漂亮答案當作真答案、沒有真的經過思考和判斷 VI. AI 時代三種最重要的能力 思考力:丟進 AI 的問題和資訊能不能帶你走向想要的方向 判斷力:在 100 個答案中判斷哪個是真正適合你的(不是漂亮答案) 決策行動力:勇於下決策、透過行動去市場驗證、得到真實數字資料 VII. MECE法則 + 領先指標 vs 落後指標 A. MECE 法則(分析原因) 把問題原因全部盤點出來(毫無遺漏) 分成可控 vs 不可控 vs 半可控 只處理可控和半可控的因素 當下最佳解:明天可能就不是了 B. 領先指標 vs 落後指標 領先指標:幫助預測真實結果,做滾動式調整 落後指標:帶你找到走向三到五年後的北極星目標 VIII. 結語 遊戲化數據收集:用留言打分數有意識地收集數據 數字不冷冰冰:量化是客觀現象,質化需要用心觀察 停下來問「有沒有其他的可能性?」就會有更多的看見 聯絡《銷波快》聊聊行銷 📆每週一 AM9:00 定期更新📆 ■快來逛逛我們荒廢的粉絲團👉👉 訂閱銷波快:https://tinyurl.com/4vd4pphe 銷波快粉絲團:https://tinyurl.com/bdcxjjr9 Jayden: https://tinyurl.com/2kx9h8cr 😍播客商業合作信箱:hihioldyes@gmail.com

Audio and video play straight from the show's own hosting. PodSubs stores and serves no media.

Transcript

From the show. Tap a time to play from there.

那海嘯來了 歡迎來到銷波快 哈嘍大家好 我是 Jayden 歡迎來到這一期的銷波快 那這一期的銷波快很特別 我們採取的是 影像加錄音的方式來做處理 那為什麼會有影像的方式 因為我們這一週 一樣又請了一位大人物 我認識他的 這幾年的過程中 發現到一件事情 就是他已經快到 我快追不上他了 他已經不是我認識的那一個人了 那是因為我在你後面對不對 你追錯方向 他已經曾經來過我們節目兩次 這是第三次來到我們的節目 歡迎我們的 Cynthia 嗨各位銷波快的聽眾們 大家好我是 Cynthia Cynthia 等一下記得第一次來 是在講什麼嗎講什麼 個人品牌是不是個人品牌 第二次來是在講 個人品牌 還是在講品牌 那這次來 我覺得比較特別的事情 是為什麼這次又邀請 Cynthia 來 主要有幾個原因 第一個原因是 因為我們最近銷波快在講的東西 跟資料比較有關 所謂的資料 我們不單單隻談資料我們談資料庫 所以在談的東西是 類似企業資料庫 該怎麼樣應用在 AI 時代下面 存取他們的一些資訊跟內容 然後做到整體的資料轉型 我們其實在講的 類似這樣的東西 包含是前一段時間我們在談那個 有一個很知名 AI 的開發者 他在講個人 Wiki 的概念對那我就在談 就是我們實際上 例如說應用在企業端的部分 那怎麼樣把這些資料存起來 然後變成可能公用的資料庫 或者是企業大腦的概念 然後變成在每個部門中 都可以跨部門使用 大概在講的東西是 這樣然後我就想說 既然談資料 那要找 Cynthia 過來看看 聽聽他們的專業第一線的意見對 好那我首先要請問你第一個問題 就是因為 我們都知道你之前在 Nielsen 工作 其實接觸了非常多有關資料的分析 包含是我們的聽眾也在問一件事 就是在現在時代下面 其實要做市場分析和調查 我認為很多人還是沒有經過 傳統的一些接觸 或一些執行的方式 那在這個過程中 能不能告訴我們 通常你們以前怎麼做 然後在現在的時代下面 這些東西如何能夠變成 所謂的企業的支撐嗯 嗯嗯嗯嗯嗯我先說一下 因為我進 Nielsen 的時候 大概是十幾二十年前 那以 Nielsen 來說 他最大的優勢就是 他跟通路都有交換 Post Data 所以藉由這些 Post 就是通路銷售的資料 其實他進到資料庫裡面 做了一些盤點跟整理之後 就可以幫助到客戶 比如說我們的客戶通常是 外商或臺灣的大企業 那很多是 FNCG 相關的產業 那可以幫助他們知道 比如說在量販車上通路 他們跟他們的競爭對手 其實狀況怎麼樣 那可以看到銷額銷量 價格的變化 撲貨率等等都可以看到 那因為他最大的優勢就是 他跟所有知名的通路 包括像家樂福大潤 發這些現在叫大全聯 其實都有交換到 Post Data 所以他把這些資料整合起來 自然就可以做到有效的判斷 那這是 Nielsen 的其中一個部門在做的事情 那我就在這個部門那我們呢 通常也會跟跨部門去做合作 因為這件事情 透過我知道通路端的資料 我頂多可以知道 我的業績的漲跌 或者是我的對手 可能做了價格促銷 所以價格反映出來了 所以看起來他的銷 額佔比是比較漂亮的 但是我沒有辦法知道 是不是真的是因為促銷帶來的 背後的原因有的時候很難說 他為什麼選擇競爭對 手的產品不選擇我的 其實這個為什麼 是需要做更多的市場調查 所以我們有另外一個 叫消費者研究的部門 他其實會透過 包括有市場調查 問卷調查的方式 那這個問卷調查的方式 去知道說消費者的輪廓 大概長什麼樣子 他目前的使用行為 生活模式 他都可以做調查 那市場調查的方式 除了問卷調查之外 還有另外一個叫做 Home Visit 就是我們真的走到使用者的家裡面 去看一下使用者在生活上 他在什麼場地 曾經使用這個產品 他怎麼擺放這個產品 以及他在使用這個產品的時候 他可能會跟哪些產品搭配使用 那這些過程 其實會讓我們發現 一些新的商機 或是新品的機會 甚至有可能調整舊品去做升級 那這叫 Home Visit 除了這個方式之外 還有包括像焦點團體訪談 就是一組大概是 8 到 12 人 通常我們會做不同的分群 比如說我的忠誠使用者 或者是競爭對手的忠誠使用者 或者是本來是愛我的人 跑去愛別人了嘛 就是我的舊愛 那我就會做不同的分群之後 然後問他們一些不同的問題 那這種焦點團體訪談 通常會發生在 第一個是新品要上市的時候 我想要去測試產品的概念 那知道這樣的產品概念 消費者到底願不願意買單 那他願意買單的話 他願付價格多少 他對包裝來說 他喜歡什麼風格的 什麼樣的包裝形態 其實都可以測得到 那第二個方式呢 是在廣告的前後測 你要知道廣告的秒數 然後每一秒 每一個環節他要說什麼 比如說我的 30 秒的廣告 可能會有 10 句話 他最有感的是哪一句話 所以你知道了之後 你接下來把 30 秒廣告變 10 秒 你就會知道要怎麼剪輯 留下什麼 然後或者是 接下來你要新增什麼 前後都會去測這樣子的廣告 那焦點團體訪談 其實會帶給我們蠻多 在做產品或者說行銷的時候 一些消費者的洞察 所以你就會知道說 透過問卷調查和 Home Visit 以及做焦點團體訪談 其實他都是在研究消費者的行為 他的使用的體驗 他內心的感受 他的選擇 那這個才叫做消費者研究的部門 所以我們的部門 就是在看通路的銷售數字的 他比較是在研究 關於我們的商品 我們的銷售裡面在講的大資料 就是量化數字的部分 那消費者研究看比較多 是在值化數字 就他沒有辦法用 012345678910 去做衡量的 他蠻多都是行為 都是文字的描述 他就會由這個部門去看 可是除了這兩者之外 你又會很好奇說 那我們跟競爭對手 可能會有一些媒體投資上的差異 可能不同的節目 不同的投資量 或者是我買的時段對一樣那這個呢 他有第三個部門 叫做媒體研究部門其實應該最多 大家瞭解 Nielsen 都是這個部門 因為你會常常看到 Nielsen 的收視率調查 所以大概這三個部門 會一起去服務我們的 外商 FACG 的客戶 那這三個部門就必 須要進行交叉比對 因為每一個變數都可能影響到 你看到業績的增長或衰退 然後所以我們也有一些 跨國分析專案的模組 可以去看說不同的行銷方案不同的 產品策略 到底哪一些對於這個品類 這個產品的使用者來說 他是買單的 所以其實有非常大量的資料 就是我們每天可能會自己做分析 或者是透過跨部門的方式 甚至跨國的方式 去做各種的分析專案 那我覺得比較多 其實我在這幾年 不管是到臺灣的企業 或是成為顧問講師之後 我覺得臺灣比較多企業困難 的點是他們會去做他們會覺得 要做到這麼龐大的資料 這麼精細的分析 成本和時間太高了 所以他們沒有辦法這樣做 那他們就會覺得 那是因為外商很有錢 所以可以做這件事 外商是沒有錢的 我個人認為也是這個結論對 但是實際上我覺得 後來會想要寫這本書的原因也是 我覺得有的時候 你不見得要透過市場研究公司 你才能夠收集這些線索對 你還是可以透過你平常日常 對於很多現象的觀察 像我後來進到本土上 其實沒有那麼多資料了 但是我還是會到康氏美區城市 去做通路的訪查 然後問一下藥師 或是問一下店長 可能他看到了什麼 甚至假裝自己是消費者 去問他一些問題 那你就會有很多的發現 那這個過程只是我們需要 隨時的提醒自己 要開啟自己的眼睛 然後我們就會有很多的發現 要保持好奇心 然後不要太快的下武斷 其實還是有機會去收 集到一些零碎的資料 其實這也是我覺得很有趣的東西 我覺得也可以跟你分享 就是在整個消費者研究 跟消費者洞察的過程中 我之前也大概在做類似的工作 那我們在做的東西比較 因為我們做行銷計劃 然後我當時的工作是 做那種連鎖展店的那個街區 然後確認這個點是什麼是否 然後去評斷這個商圈的大小 然後我們當時候做的最多的事情 我主管教我的 他說你就常去搜狗四樓晃一圈 看一下他們變化長怎麼樣 那你就大概可以知道 整個趨勢往怎麼樣往那走 我們以前也是這樣 然後那個時候我很喜歡一本書 那叫做創意思考的街頭思考書吧 對那本書 那本書也在講的東西 就是你怎麼樣走到路上 然後去看待去思考 這個東西可以怎麼樣跟行銷有關聯 或者是他怎麼樣做所謂 的創意發想的這個書籍 我覺得當時候在看這 些書都其實蠻有感覺 因為那就是我們以前的工作模式 可是回到現在的狀況 我們進入到 AI 時代 你認為 AI 時代下的狀況 資料分析或者是資料判斷這件事情 變得更簡單還是更困難 我覺得有簡單的地 方也有困難的地方 可以跟我們分享一下 簡單的地方是在於說 像我們在之前做資料分析 通常他的流程就是 我對於客戶想要解決的商業議題 我可能會先去做一些探尋 我會好奇說他為什 麼有這樣的商業議題 他內心可能也有一些他的假設 以及他希望達到的目標 那瞭解完這個問題 釐清了清楚之後 我進一步才會去思考說 那基於這樣的問題 我對於平常的觀察 以及我對資料的掌握 我可能會有一些假設 然後透過分析不同面向 或是不同的資料維度之後 我去驗證或是推翻這個假設 那過程你就要撈不同的資料 看不同的維度 用樞紐分析擺動 拉一下細拉一下 然後去思考說 到底有沒有其他的可能性 我想要分享一個 我在節目上曾經講過的一個 我覺得是有一點點有趣的觀點 就是其實很多的行銷部門 包含是行銷企劃部門 他在前端的時候都會做一些 例如說應該說臺灣的市場 也許國外市場也一樣 通常是有一個產品 產品以後然後才開始做市場調查 然後針對這個產品 做市場調查的狀況上 去思考所謂的行銷方案 或者是各式各樣的 Brainstorming 我常會說 他們就是在一個既定的框架上面 去猜有可能的 TA 是誰對啊 他比較像是先設界後劃把對 所以很多時候 他在找的是想要支援自己這個產品 會賣的一個證據對 所以比較像是這樣 然後我那時候講了一個 我覺得很不客氣 也是一個玩笑話但也是事實 他說我覺得所有的 行銷企劃都在算命 但實際上也是 因為所有成功的行 銷很多都是後沿的 因為就算你做在充足的消費者研究 或是市場的分析 最終其實某部分 第一個你沒有辦法 猜透市場會發生什麼事 包括你的競爭對手的動作 或是突然間經濟環境 帶來什麼樣子的改變 那更不用提 其實某方面再怎麼看資料分析 其實它都還是基於一個前提假設 你才會去做這樣的分析 那甚至同一個問題 不同的資料分析師 不同的解讀人員 得到的答案都會不一樣 所以我印象非常深刻 一次就是我在 Nielsen 的過程 有一次就是客戶想要 從國外進入到 Nielsen 一個成功的產品進來臺灣 當然他們前面會做 非常非常多的調查 包括消費者研究 也包括他想要了解 臺灣的市場到底 有沒有這樣子的需求存在 那因為我看的比較都是 通路銷售相關的資料 所以他就問我說 如果我去看 不止我們家品類的資料 有沒有機會 我透過不同的跨品類 的資料你幫我看一下 所謂拋棄式的清潔品這件事情 到底是什麼樣的資料 是不是一個持續成長的市場 它的趨勢怎麼樣 那個時候我的確就做了一些分析 你知道光是怎麼定義 拋棄式的清潔品 就有可能有不同的定義 你要抓哪些的產品哪 些的品牌哪些的品類 然後第二個 哪些的不含在裡面 哪些的含在裡面有香 味的人工的天然的什麼 然後接著做完之後 那時候發生的事情就是 我的結果出來了 但是客戶跟我說 其實他們就是 想要引進這個商品 只是他的老闆說 你去問一下 Nielsen 的想法 然後呢 他想要用 Nielsen 的資料 來驗證這件事 然後我就很好奇我就問他說 那你們觀察到什麼 所以決定要引進這樣的商品 他有告訴我 他們的假設的基礎是什麼 那我就發現 基於這些假設 其實你會撈取的資料 還有看的市場 其實是完全不一樣的 然後重新再透過他 有這些的前提 假設的狀況之下 我重新再撈一下資料 的確會 Support 他的答案決策 所以最後呢我那個時候 因為非常的年輕嘛 我就跟我的老闆說 我覺得這件事情有點微妙 相比圖章對 因為實際上 我做出來一開始的 Finding 不是這樣的 我真的結論不是這樣 其實是背道而馳的 可是透過改變了前提 假設和我撈資料的維度 答案就不一樣了 我問他說他怎麼建議 那我老闆當時 就告訴我一件事服務甲方 沒有他就說你在講的過程當中 你要很有技巧的說 你是基於什麼樣子的前提假設 所以你看了哪些品類哪些資料 因此得到這個結論 他說其實夠聰明的客戶 懂的就會懂 也就是這個前提假設不存在 你的結論可能就完全不一樣 所以你沒有說謊 你也沒有用資料去欺騙客戶 可是你同時讓他知道 其實所有你找到的洞察 都是基於一定的前提假設跟條件 懂懂我大概理解 那你覺得在 AI 時代下面 資料分析變得比較難的地方是什麼 我覺得比較難的地方 其實就是在判斷 因為 AI 會根據我們餵給他的資料 以及他所有既有的資料庫 跟歷史的資料 他其實會做各種的判斷跟生成 然後跟問法對 所以有的時候 如果你已經抱持了一 定的假設其實會跟剛剛 我在 Nielsen 遇到的症患一模一樣 你得到的答案通常是支援你 的答案這是一個然後第二個 通常我們會灌進 AI 的資料 其實通常都是量化的數字 也就是你會把資料庫 或者是報表裡面的東西丟進去 可是直化也就是你透過訪談 甚至很多時候 比較是你自己觀察看到的東西 他其實不會有 因為他看不到人的這一面 他沒有溫度他沒有體驗 他也不太知道什麼感受 所以這型別的東西 一定是靠你喂進去對 可是偏偏你喂進去 一定有你自己的主觀認定 我覺得這一個人 教我壞話不喂對啊 我覺得老闆今天 沒有跟我打招呼 他一定是討厭我對 但實際上只是老闆今天覺得很累 不想跟人打招呼是 所以各種的主觀認定 他可能都來自於個體上的差異 或者是你的主觀認定懂 那就會產生你餵給 AI 的資料 其實本來就是偏頗的懂 那你能不能夠去讓自己 去讓自己去做自己的事情 永遠都反過來想 去試著思考 有沒有其他可能性 我覺得這是這個時 代最大的一個考驗 因為我們很容易把 AI 產生 看似正確的答案吸引為真 但沒有真的去經過思考跟判斷 也沒有去經過篩選 那那個篩選 不是憑自己的感覺去篩選 而是你永遠要問說 還有沒有其他可能性 然後試著反過來想 這件事情讓我有段時間 發現了一個很有趣的東西 因為在 AI 時代下面 市場調查變得相對性而言 比較容易取得一個像樣的答案 我稱之為像樣 不代表它已經正確 我們在行銷面 常會做一件事情叫做客戶分析 例如說我們要先尋找 TA 根據這個產品 然後去列出這些 TA 然後根據這些 TA 去做這些假設 實際上在市場分析的技術裡面 它會遇到一個蠻有趣的東西 就是你列的 TA 不代表這個 TA 就是一樣 一定是這個樣子 它會變成是它已經 鎖死在那個區塊上面 然後所以你就看不到其他動產沒錯 這個東西就是 我覺得在 AI 時代很容易遇到的狀況對 但是因為你如果真的要完整的知道 客戶的輪廓 或是他的生活模式使用行為 其實過去當然 像我在外商的時候 我們每兩到三年會做 Consumer 的 UA 就是知道他的 Persona 然後知道他的各個的 Behavior 都會去做對可是問題是 他就是需要一筆費用對完全理解 所以我們固定兩到三年 我們其實一定會留下這一 筆的預算費用去做這件事是 那原因是什麼我想要知道 這個市場的消費者輪廓 是不是有產生一些改變 結構是不是改變了 因為結構改變代表 我接下來的新品的策略 跟行銷的策略必須 要改變對那對我來說 我就會看待這樣子的資料收集 叫做投資 因為它可以幫助我少走彎路 甚至開發出自以為是的商品 這件事情也可以避免對 但是對很多的企業來說 我覺得比較像是這是一個費用 所以他們會覺得我花錢下去 可是這個很顯然 它不會為你帶來回收 它只是讓你看到 大概是這樣 有可能會的方向對 但他們就會說我也知道 甚至有的時候他會覺得 做出來的結果跟我想的差不多 這樣子我就白花錢了 那我還不如就是我自 己去做費用我猜一個 或是我覺得就是這樣 因為我很有經驗 我真的覺得我眼光很準對 所有的企業主 我覺得某方面都是有點 無可救藥的浪漫主義者 他必須 也必須 不然他堅持不下去對 所以我覺得這件事情 其實有點兩難 我覺得這也是 AI 時代 會越來越困難的一件事 因為得到答案太容易了 可是你試著去推翻 這個答案會越來越難 那接下來我想要問的東西 是一個關乎這本書 想要提到的東西 例如說你們在這本書裡面 一直談到的東西叫資料決策 然後蠻多的部分是應用在 例如像公司的 跨部分的溝通之類的這樣子 能不能多說一下 關於資料這件事情 因為在傳統的狀況 跟現在的狀況有點 不太一樣傳統的時候 其實我們在談資料的東西 其實很多的部分 是一堆數字 大家不知道怎麼分析 大家不知道怎麼看不知道怎麼講 不知道怎麼溝通 對那現在的狀況下 我們要進入跟建立這樣的資料決策 然後去確認這樣子的策略 它大概有什麼樣既定的方向 我覺得凡是走到職場當中 所有的決策 其實有一個我覺得很大的命題 是所有的決策 一定都需要跨部門溝通跟協作 所以不管 AI 幫你產生再漂亮的答案 或者是幫你找到任何的 Insight 最終 在你的組織裡面 不同部門的人 他的立場角度就是不同 我舉個例來說 像我以前最常的工作場景就是 因為我是在品牌 Team 然後做 Marketing 跟整個品牌的管理的 那我常常對口的單位 其實是業務 Team 然後業務 Team 他們就是要負責 通路上各個通路不同的業績 以及促銷的方法 那我們兩者的 KPI 是不太一樣的是 業務的 KPI 是他的業績就是要達到 因為攸關他能不能領獎金 像外商的業務 其實他們通常除了業績作為 KPI 之外 還有包括他對於業績預測的精準度 還有退貨率 這些也都代表部分他所謂的 KPI 的指標 那他們就很單純 其實就是在於出貨跟退貨 這件事情是他們重要的指標 可是對我們來說不是 我們除了管出貨跟退貨 這對我們來說也是重要指標之外 我們也要管毛利 也就是出減退之後 再扣掉產品的成本 扣掉這些通路有的沒的 的費用之後毛利是多少 接著我還要知道這 個品牌的淨利是多少 就是包括扣掉行銷廣告的費用 扣掉人事管銷成本 這個品牌到底最後有沒有賺錢 那你看如果我們在看的指標不一樣 其實我們的立場會完全不同 對業務來說 他就不顧一切的把柄做大 所以就算 AI 產生再漂亮的答案 他會看到的永遠都是 要把柄做大的答案 但對我來說 我不能只看柄做大因為柄做大 我那時候最常跟業 務吵架的一句話就是 柄做大很簡單 我就狂撒錢柄就會做大 我就是促銷做很深買一送一 然後行銷廣告砸錢下去 通常柄就會做大了 可是問題是這個柄 大了之後他不賺錢 賣一瓶賠一瓶 這個不是公司要的 那這個時候兩方就會吵起來 所以最終你都是要 從跨部門不同的立場 跟價值組裝之下 你要去思考 AI 所幫你產生的這些分析的結論 以及創造的方案當中 到底他的可習性評估的指標有哪些 最終你找到的不會是完美解 一定是考量了所有 跨部門的主張之後 所找到的最適解 適合每個部門 不見得大家都百分之百滿意 可是至少大家都可以接受 所以 AI 產生答案之後 我還得考慮公司的資源 公司的狀況 以及跨部門的各個立場 試算各個不同的情境之下 可能產生對業績的影響 對毛利的影響跟淨利的影響 最終把所有的方案 做完可行性評估之後 才有辦法下決策 那我覺得這個就是 為什麼這本書 其實會想要把 整個做決策的過程 大拆小小拆細 拆成這麼多的章節 因為你單純靠 AI 其實 AI 他不知道你公司是什麼 公司有哪些政治利益 跟策略目標政治利益 有很多政治利益 以及各部門的這些衝突點 因為每個部門 其實都互相在制衡 那他不知道之下 他給的答案會是 看似正確的漂亮答案 但是不見得是你適用的答案 回到剛剛 AI 的問題來說 我覺得最危險的一點 其實是會容易出現 越來越多的思想懶惰者 但是實際上 在 AI 的過程當中 思考並沒有真的變少我覺得變多 對其實反而要變多 而且決策變多對 因為你要能夠去下判斷 所以我常常都會在 企業內訓的場景跟學員說 AI 寫作很重要沒有錯 但在 AI 時代 有三種最重要的能力 是絕對不能廢掉的三種能力 第一個就是思考力 因為你要經過思考 你才會知道 你丟盡 AI 的問題 以及資訊 是不是能夠帶你走向 你想要走向的那個方向根目對 第二個你要有判斷力 因為你丟對了東西之後 出來它會給你 100 個 甚至 200 個答案 你要能夠判斷 到底哪一個是看似正確的漂亮答案 哪個是真正適合你的答案 接著就會出現第三種能力 你要有決策行動力 你要勇於下決策 而且勇於去行動 因為一直到下決策的這個動作 其實都還只是假設 而假設你必須要能夠透過 去行動去市場驗證 你能夠得到真實的數字資料 然後透過可能在過程當中 像書裡面有提到 領先指標跟落後指標 你看到領先指標 你試著去做滾動式調整 因為它會幫助你去預測 真實結果的發生 看到落後指標了 你要試著去思考 它能不能帶著你去找到 走向 35 年後的這個北極星的目標 那這個過程 其實只有你能夠下決策 只有你可以去行動 這個 AI 沒有辦法 因為真正在做這些事情 的其實還是你嘛 面對這個市場還是你 所以我覺得思考力判斷力 還有決策行動力是這個時代 反而更重要的三個能力 剛剛你提到的東西 有一件事情我覺得很重要 那這是我們最近在做的 Podcast 內容中 有特別提到的東西 因為有很多的時候是 AI 會給很多不同的方向 跟不同的想法跟不同的意見 甚至我們要花很多時間做決策 這些事情是 在這個時代下面 我覺得不可避免的東西 但有一件事情 其實是這個時代下面 一個蠻特殊的一種經營形式 叫做 AI Native 那 AI Native 的概念是什麼呢 我今天從這一個決策 或這個判斷或這個計劃 它本身就是一個 AI 的結論跟解答 出來以後變成 AI 有一個運作的形式跟運作的方式 最後這個運作形式 運作方式會得到一個資料 那這個資料的成本再來回推 當初的這個決策 或這個判斷是不是對的 其實我覺得概念上面 就跟你剛剛講的東西 有一點點接近跟類似 只是現在這些東西跟這些流程化 已經變成 AI 的東西跟主張在做 然後我們再去看每一個東西 跟每個細節 跟每個執行方向 有沒有什麼地方 是細節部分要調整 所以它很變相是 它是一個 Loop 然後我很像一個工程師修那邊的 這邊咚咚修一修 這邊西邊修一修 裡面有提到一個東西 自己覺得它很重要 就是這個資料 它反映的東西 到底是內部決策出問題 還是外部因素 我覺得這件事情 我會想要多問 因為有時候資料的呈現方式 它不見得是內部的問題 而是外部因素 例如說可能有一個巨大事件 產生出來的結果 那通常資料怎麼判斷 內部跟外部的狀況 應該是說 所有外部的環境的狀況 它都難以避免 一定都存在對 比如說當時在 今年對等關稅的事情出來 它就是對經濟帶來影響 然後現在股市的上沖下洗 它其實也是帶來一定 的影響所以你會看到 有一些使用者的行為開始改變了 那有一些大家焦慮點開始出現 這個其實我覺得都 很難免那這個東西 它基本上一定 外部的因素就是不可控的 所以我通常在去做任何 給學員或者是我的客戶做建議 或者是講授的過程當中 練習的過程當中 我會帶著他們去做一件事情是 我們在這本書的第三章 叫做分析原因 就 Analyze 然後當中有一個叫情境盤點 我把問題的原因全部用 MECE 法則 毫無遺漏地把它盤點出來 當中一定有內有外 這個時候我要能夠去下一個判斷說 因為外部你沒有辦法控制 它是你的不可控因素 所以你要先思考的一件事情 是你沒有辦法控制它 就是你所有盤點下來的原因 第一個問題叫做 它是可控還是不可控 然後當你把它分類成 可控不可控的時候 我會做第二件事情 把所謂外部原因不可控的因素 我試著去思考 有沒有可能 因為我改變了某些變數 或某些條件 它會變成可控或者是半可控 那這個時候我就會把這兩塊 中間會變成一個模糊的回接地帶 再把這些原因再放進來 接著我就會做第二 件事情第三件事情是 我知道了半可控跟可控的 那不可控的基本上 我就不會再去理它 也就是說你只考慮 可控跟半可控的這些資料 以及原因之後 坦白說你的問題 絕對沒有辦法 100% 解決 可是這就是現實你得接受 不會有完美解 你只能在你自己 現有的資源條件下 做出最適合你的決定 你知道就連可控跟半可控 也不可能是完美解決的 有很多加上你所擁有 的時間資源人力技術 其實很多東西還是不可行你可控 但你就是能力還不夠就是不可行 對我最常舉的例子在企 業內訓我就會講什麼叫做 我今天會帶來很好的效益 就是我覺得我跟金城武結婚很好 這個方案很好 可是他不可行 因為我就沒有那樣的條件 也沒有那樣的資源去碰到他 所以那個叫做空想 所以你又因為你自己能力 認知資源各方面的限制 你一定還會再做一次的排序 所以最後你能夠去執行的 最後的這個決策 當下最佳節 他只是當下最佳節 而且那個當下最佳節 就像我很喜歡剛剛 Jayden 講的 當下最佳節 因為明天可能就不是了 對完全理解 一年後可能就不是了 因為我們常常在人生的旅途上 我覺得也很像 你回頭看自己的一年前 其實你在一年前 如果你持續的 在繼續的在繼續的在學習成長 你一年後的你自己 跟一年前能夠做到的事情 以及同樣一件事情會下的判斷 其實常常是截然不同的懂 那再來我覺得還有另外一個問題 是聽眾很想知道的 就是如果我今天是一個 完完全全全行 沒有接觸過這樣子訓練的人 他該怎麼樣去好好的往前走 或往前邁進買書先買書 我就知道 哎呀賣書真的在那個年代好難 對但是我覺得買書 是一個重要的事情 因為剛剛有說到 你的能力 你賺不到你認知以外的錢 你沒有辦法解決你 能力範圍以外的事情 所以當然提升能力跟認知是重要的 那我覺得書是相較 起來最便宜的投資 他通常在資料的分析的這過程中 或資料決策過程中 他通常分成幾個階段 我覺得應該是說回到 買書之前 其實他真正要做的第一件事情是 我常常會提醒大家 在我的課程裡面或任何時候 我最常說的一句有點到最後 大家會覺得魔音穿腦的話叫停一下 想一想問一下 因為很多時候 我們都太快下決定了 太快下結論了 我看到了今天 Jayden 臉很醜 我就覺得我是不是做 一些事情得罪他牛咪我 我今天發現某人不回我訊息 沒有牛咪我我就覺得 沒有我在講張維峰先生 他不回我訊息我就想說 是不是最近可能就不太想要理我 但實際上可能只是因為很忙 所以我們常常會因 為自己的主觀認知 或者是我們的過去經驗 其實帶著我們走向過度武斷的論定 那我覺得培養資料思維這件事情 最常可以做的一個練習就 是你停一下想一想問一下 還有沒有其他的可能性 有沒有一些線索 你可以去觀察一下 不管是量化的或是質化的 所以我常常都會說 你知道我那一天有個 朋友邀請我講這本新書 是用動漫的角度去講 我超嗨的 然後呢 他就講一件事情 我覺得他這個比喻超好 他說這本書叫從直覺到資料 其實就是想要幫助大家 從毛利小五郎 變成名偵探那很柯南 那我覺得這部卡通 應該大家都有看過 你去思考一下毛利小五 郎最常做的事情是什麼 他最常做的事情就是他看到一 個案件他就會說一定就這樣子 對犯人就是他 一定就是他了 因為他怎樣怎樣怎樣 然後就被受癮了然後呢 大家就會發現說 只要他說的那個犯 人一定不是犯人對 但是你會發現柯南很少做這件事 他會在那個犯罪現場東看看西看看 看一下血跡 看一下有什麼線索 看一下腳印看一下什麼他都不講話 他只是東看看西看看 我覺得這個其實是我們可以好好 的把資料思維發揮出來的原因好 那這是我自己想問的最後一個問題 就是你認為每一個人都 需要具備這樣的思維嗎 那是一個靈魂拷問 我覺得每個人都需要啊 因為我自己常常有 一句話要送給大家 每一次在不同的場合 我大概也都會講一句話 當你有新的看見了 你會有新的看見了 你才會擁有新的發現 當你擁有新的發現了 你才會有不同表現 那當你有不同表現 你就有機會走向不同的呈現 那你人就會變得不一樣 你的生活會變得不一樣 可是如果你一直以 來都只看到你想看的 都只武斷的下結論 你永遠都沒有辦法看 到其實還有其他可能性 當然你沒有機會做出更好的決策 瞭解 那今天其實聊了很多話非常多 我覺得很多很專業的東西 我不確定我們聽眾是說的對吧 現在他們已經睡死這一遍 他們應該已經睡死了吧 我們很像在上大學課這樣 沒有我跟你說 我剛剛因為這一場 之前我在做企業內訓 是個線上講座 然後通常內訓的線上講座 大家全部鏡頭都是關著的 然後只要你的講授時 間稍微長一點的時候 你就會想說大家還活著嗎 然後我覺得他們很可愛一點我就說 因為我有給他們一些遊戲化的電腦 他只要在聊天室 我問問題的時候有留言他就加十分 那第一個留言最快最準的 就會加五十分 所以他們就會願意留言 我就說像這個 如果我看到大家的觀鏡頭 都沒有人留言 我可以下一個很主 觀的判定叫做大家都 睡死了 都掛線 同時在做其他事情 但是我要怎麼樣去收集資料驗證呢 就用遊戲化的方式 分數方式來做 就是我問一個問題 有在聽的幫我留言 因為他留言就會加十分 我的做法是 聽了懂打一 大家就有人會打一 完全理解 所以所有的資料 其實都是你有意識的 去留下痕跡得來的 那就會帶你有不同看見 不同看見就會有新的發現 新的發現就會有不同的表現好 那在節目的最後 有沒有什麼特別 你想要跟我們的觀眾講的呢 因為很多人會覺得 數字是很冷冰冰冰的 然後也很容易說 因為數字通常很難 因為我們小時候被數學課圖讀過嘛 我覺得是因為大多 數人在看數字的時候 在想的都是 012345678910 這些所謂量化的數字 可是這本書為什麼很想要寫 給大家認識資料之外 是因為我想要讓大家知道 其實數字並不是冷冰冰的 它除了量化的數字之外 有值化的數字 而量化數字的溝通 是最客觀的現象 所以最不容易產生誤解 跟認知的落差 再加上有值化的數字 你用心的去觀察一個人 深刻的去認識一個人 他就不會冷冰冰 因為你把人放在心上 他就會擁有溫度 所以當你深刻的知道這件事情 你才有辦法好好的去運用數字 不然你永遠都會覺得數字很冷 然後它很可怕 很難 所以我其實最想告 訴大家是說數字完全 完全不可怕 不冷冰冰 它存在我們生活的 每一個角落跟線索 只是我們得停下來想一想問一下 有沒有其他的可能性 你就會有更多的看見好 那今天真的很感謝思夏 再來到我們節目裡面跟我們 感覺常駐了對 常駐 那其實就是因為 有蠻多的東西包含是 我們最近的節目 也是在講很多資料 化的資料庫的東西 一直在談的都是這些東西 就是因為因 AI 的狀況下 我個人認為在 AI 狀況下面 資料的判讀變得相 對性而言簡單一些 那也可以幫助 不管是企業主或行銷人 有更好更完整的策略 甚至是往前的一些方向 他能夠比較知道 他下一步應該去哪裡 應該怎麼判斷怎麼驗證 那這些東西 其實都是我們過去行銷人 花大量的時間在做的事 只是現在 可以透過一些簡單 的方式能夠得到一些 我們說所謂的答案 然後包含是現在在談的企業大腦 不管是企業整體的資料庫 所以整個企業的數位化 跟數位化開始 把這些資料變成 整個雲端的過程中 派一個 AI 實際上去做 整體的一些分析 就會相對性而言有一些答案 當然有提到其實有很多 不管是直話內容 或者是電話內容 你還是會根據 這一個下指定的人 而有所變動跟變化 但相對性而言 比起過去而言 看不懂一大張報表 然後再來是這一個報表 實際上最後的結論或者資料 跟去年差在哪裡不 知道不知道怎麼講 現在至少還可以用 AI 產生一份報告書 所以我覺得這些東西 我覺得它會加速 發展這個產業 包含是我們的不管 是管理或營運的方式 所以這是我自己的想法跟自 己的判斷不確定到底三五年後 是不是真的是這樣子對啊畢竟 我們是根據這個資料來判斷對 未來的狀況 很感謝有這樣的機會 再跟 Cincia 聊一聊下一次我們 不知道要聊什麼了 可以聊動漫啊聊動漫是不是 有機會可以去你的 節目也稍微聊一下可以啊 聊聊這些新的內容沒問題 OK 好 那我們今天的節目 就到這個地方了 我是 Jayden 我是 Cincia 那麼下禮拜小破壞 再見咯大家拜拜拜拜

Open the transcript file

Hosts and Guests

Nobody is credited on this episode yet.

Credit the people on this episode

Be the first to rate this episode

More episodes

All episodes
  1. 【浪Series-EP9】行銷人80%都在亂猜!沒效就編理由給甲方的時代結束了,AI數據決策完整拆解,從資料跟數據的差別到核心條件判斷,讓你每個決定都有根據!

    Nov 16, 202623 minAudio

    以前跟甲方開會,被問這個月要怎麼做,Jayden 說他覺得 80% 都在亂猜。 「以前這樣做有效,我們試試看。」試完發現沒效,就開始編一套理由,告訴甲方為什麼沒效。 浪系列第九集,Jayden Wu 和 Lucas 聊 AI 時代的數據決策:當數據真的可以被分析,行銷人還能靠猜的嗎? ▍本集重點 ・沒有 AI 之前,台灣的行銷專業跟世界大概差七年,AI 把這個落差拉近,甚至變成平行...

    Credit the people on this episode

  2. 【浪Series-EP8】不想做AI垃圾,就要建立自己的品質規範!從AI寫文章的數據陷阱、一千篇內容交叉驗證流程,到露臉經營個人品牌,打造值得信任的內容!

    Nov 9, 202626 minAudio

    Jayden 說,他很討厭 AI Slop,也就是 AI 垃圾。 AI 短劇裡面,都長著同一張臉。大家看到就知道是 AI,開始進入 AI 疲乏感。 浪系列第八集,Jayden Wu 和 Lucas 聊 AI 時代的快速與品質:在 AI 垃圾越來越多的時候,要怎麼做出讓人信任的內容。 ▍本集重點 ・行銷現在主流在談工作流、生產線,追求的就是快 ・Jayden 希望每個產出都照著自己的規範走,產出來的東西才有價值...

    Credit the people on this episode

  3. 【波Series-EP54】MCP跟API到底差在哪?AI Agent必學的兩種串接方式完整拆解,從定義目標到選對工具,讓AI直接幫你操作每一個平臺!

    Nov 2, 202632 minAudio

    花錢上課學會一個平臺,三個月後改版,按鈕就不見了。 Jayden 說,在 AI 時代,我們不再需要去學平臺怎麼用。 AI Agent 第二集,Jayden Wu 和 Zoey 從兩個串接方式講起:MCP 和 API,它們差在哪,又該怎麼用。 ▍本集重點 ・MCP:讓 AI 直接操作平臺,你不用學功能在哪裡 ・你只要想兩件事:要達成什麼目標、這個目標需要哪些工具 ・API:兩家公司系統之間的通訊協議 ・MCP 像簡易通道;API...

    Credit the people on this episode

  4. 【波Series-EP53】Skill時代之後,AI Agent時代來了!從Prompt、AI Skill到AI Agent的三階段進化路徑完整拆解,用排程×工作流讓AI自己上班,一個人也能帶一整隊AI員工!

    Oct 26, 202627 minAudio

    YouTube 一滑,很多人都在講 AI Agent。 但 Jayden 說,現在很多人在談的 AI Agent,其實還不是 Agent。 新的一季,Jayden Wu 和 Zoey 從 AI 的三個階段講起:對話視窗、Skill、Agent,拆解 Agent 跟一般 AI 到底差在哪。 ▍本集重點 ・AI 三階段:對話視窗 → Skill → Agent ・Skill 是流程化:輸入固定、輸出也固定的工作最適合 ・Agent...

    Credit the people on this episode

  5. 【波Series-EP52】聯盟行銷系列最終回!名單怎麼變成錢?從campaign接力、Email純文字對話到自我揭露建立信任,名單變現完整攻略,銷售心理學讓訂閱者心甘情願買單!

    Oct 19, 202631 minAudio

    聯盟行銷系列走到最後一集,終於要講:名單怎麼變成錢? Jayden 的答案不是一直賣,而是讓訂閱者先相信你這個人。 聯盟行銷系列最終回,Jayden Wu 和 Zoey 從 campaign 運營、Email 寫法,一路談到自我揭露和銷售心理學。 ▍本集重點 ・運營方式:一個 campaign 養下一個 campaign ・Email 的定位是對話:純文字,不要設計感範本 ・先溝通情緒,再溝通理性...

    Credit the people on this episode