分析結果與預期出現重大差異，如何解？

一位從事行銷資料科學分析的學員跑來問我們，他們想透過消費者對A、B產品在論壇上所討論的內容，進行輿情分析，並進一步對這些消費者進行分群。接著，再了解消費者購買A、B產品的動機與目的，以及會受到何種干擾因素所影響、同時他們究竟在意產品的哪些功能，甚至是關於產品的品牌競爭狀況。

透過輿情分析，該學員的行銷資料科學團隊順利將A產品的消費者進行分群，並且在比較各種演算法的結果，以及與產品經理確認後，找出某種最適合的分群方式，並將消費者分成三群。

但透過同樣的程序，該團隊針對B產品進行輿情分析，卻無法跑出最適合的結果，因為無論用哪一種演算法，電腦跑出來的結果，卻都只有一群。而這一點與產品經理的認知大相逕庭，因為只有一群似乎明顯不合理，這名產品經理認為至少可以將消費者分成兩到三群，難道這時只能徒呼負負，接下該怎麼處理呢？

還記得在念研究方法時，曾經聽過的一個故事。當一名研究者透過嚴謹的研究，發現了一個以前沒有人發現過的創見，感到自己實在太棒了，而這樣的研究成果再發展下去，甚至感覺自己有可能會獲得諾貝爾獎（這當然是開玩笑的）。一旦研究結果，好的不像真的，這個時，下一步該怎麼做？答案有兩點：

首先，這個「好的不像真的」的研究結果，九成九是因為研究過程有錯，畢竟諾貝爾獎不是那麼好到手。此時一定要想到，在研究的過程中，常常會遇到「垃圾進、垃圾出」的情況。只要研究中一個環節不嚴謹或稍有閃失，出了一點點小錯誤，縱使接下來的每個程序都做對，結果還是錯的。

回到分析團隊的案例，分別對A、B產品兩個市場進行輿情分析，A產品跑的出來，B產品跑不出來。這時候，請再對B產品的程序做一次完整的檢視，確認是否有某個環節出了問題。

如果對B產品重新跑過一次，結果還是一樣。這個時候建議向上回溯一步，回過頭來檢視A產品的流程，確認A產品與B產品的分析流程，有足夠的嚴謹度。此時，如果是規模較大的企業，往往會請另外一個團隊再分析一次，以進行比較。

假設重新檢視A、B產品的分析流程之後，甚至請其他團隊也做了一次分析，並獲得相同結果，確定流程沒有問題。這時，就要對整個研究程序背後的干擾因素進行探究。例如，研究架構背後，有沒有其他沒有考慮到的變數？研究程序中，是否還有被忽略掉的環節？或者研究發現中，是否真的與實務狀況不符？亦或者產品經理真的懂這個市場嗎？畢竟許多專家的想法，已經漸漸脫離市場……等。

如果以上的問題，都一一被確認，最終發現，分析出來的結果真的是創見。那恭喜您，因為您正透過行銷資料科學，獲得了更大的市場價值（雖然不會得諾貝爾獎，而諾貝爾也還沒有創立行銷獎）。

 

本文要凸顯的，是研究過程中的嚴謹性。當我們以為發現創見時，九成九是研究過程中有問題，而非真正獲得創見。而該名學員最後也依照建議，找出研究程序中的瑕疵，成功將A、B產品的消費者加以分群。

作者：蘇宇暉（台科大管研所博士候選人）、羅凱揚（台科大企管系博士）

繪圖者：謝瑜倩