用資料科學直抵你內心喜好的一隅！KKTV數據分析團隊摸透你的追劇喜好

KKBOX集團裡，一直流著數據分析的血液，剛誕生不久的串流影音服務KKTV當然也是如此。

在過去，如果想要知道觀眾的收視喜好，通常只能仰賴市調公司給出的數字。但隨著近年來，影音觀看行為逐步轉移到網路上，傳統收視率已經不足以成為決策基準。不過另一方面，這也帶來了新的機會。因為使用者在影音平台上的一舉一動，其實隱藏著無數珍貴訊號──只看你是否能接收得到、懂不懂如何解讀。正因如此，KKTV Growth Designer侯宗成和資料分析師林宜蓁所屬的數據分析團隊顯得特別重要。

娛樂產業需要的是基於數據的事實

「回到我們最早開始決定要做一個VOD平台的時候，那時候我們第一個問題就是：我要買什麼劇？如果依照以前的方法，那就看過去兩三年台灣電視台或者韓國電視台的收視率，按照收視率買。但這好像也不太對，如果照收視率，我們跟其他人有什麼不一樣？」

KKTV執行副總楊志光回憶，為了做出KKTV的內容差異化，最初，他先請KKBOX的同事到PTT和mobile01爬文，幫忙找出過去兩年內韓劇、日劇熱門關鍵字。接下來，楊志光又請同事們以人名爬文，想看看那些曾經在PTT韓劇版發言的網友，是否也會在日劇版或美劇版發言。經過一番比對分析，終於初步掌握到使用者的喜好。

「所以我們覺得，一定要找到一些人，他們對於使用者的數據很清晰，這樣至少會讓我們在經營上會有另外一個向性。」楊志光說：「我需要一個人提供基於數字的事實呈現。不能光憑直覺。」

身負重任的數據分析團隊

而第一位加入KKTV數據分析團隊的侯宗成，就被楊志光賦予這樣的任務。

台大電機系、電機所畢業的侯宗成，研究所時期就到新創公司StorySense實習，並在那裡接觸到產品開發、數據分析相關工作。2013年轉為正職後，他開始研究Growth Hacking相關資訊並應用在日常工作上。去年5月，侯宗成進入KKTV，第一件工作就是負責幫公司建立數據追蹤系統，其中包括使用者的使用時長、身分類別（如付費會員、試用會員、過期會員）等的數據追蹤。

現在，他的工作內容就是負責彙整團隊的數據需求，並導入數據工具，例如追蹤用戶行為、資料倉儲、基礎報表等。接下來則是基於團隊需求、產品流程和商業邏輯這三個考量，設計出一套數據框架以追蹤用戶行為，解決「該追蹤哪些用戶行為」和「如何蒐集行為數據」這兩大問題。此外，他還要進一步協助團隊從用戶的數據找出問題，以提升產品體驗和行銷策略。「我的初衷，就是透過用戶數據，縮短團隊和用戶之間的距離。」他說。

如果說侯宗成是從產品面協助優化KKTV，資料分析師林宜蓁則是從內容面補足知識。

目前就讀台大經濟系、輔修人類學系的林宜蓁，雖然言談中總謙稱自己「只是實習生」，但無論是對戲劇的理解或對資料分析的掌握都不亞於業內人士。林怡蓁曾在遠傳電信、Uber北京等企業實習，負責的都是數據分析相關工作。「數據本身對公司來說是很機密的事情，所以你在外面蠻難看到。進到業界，數據資源是最豐富的。」她笑著說。

去年底，她加入KKTV數據分析團隊後，除了利用數據分析工具回應行銷部門等業務端的需求，熱愛追劇的她，同時還擔任業務端和數據分析團隊的橋樑，在產品和服務優化中，提供戲劇背景知識和使用者的使用情境。

需要懷抱好奇心，不斷問問題

如果想要成為一個數據分析工作者，需要具備哪些技能？會用統計軟體、具備基礎程式能力雖是基本條件，但每個工作者的養成路徑卻不太一樣。例如侯宗成就說，過去他在工作上接觸的都是Web App和Mobile App，因此一開始Python和SQL的功力不深厚、也不會寫R，但因為大多數時間都跟前端工程師一起合作，所以特別清楚用戶的使用行為和數據之間的落差在哪裡。

其實，回歸根本，最關鍵的條件也許是對事物懷有豐沛的好奇心，願意花時間找出潛藏在表層之下的答案。

「做這個工作，你內心要有很多問題。」林宜蓁一邊思索一邊認真說：「比方說，為什麼用戶數沒有長起來？為什麼人一直走？你會一直想要問問題，這是第一步。所以這個工作有趣的地方就是，用數據分析這個方法試圖去回答問題。當你觀察不同現象之後，試圖找到施力點。假設找到ABC三個點，我就去試，看哪一個點可以讓用戶數起來。真的起來的那一刻，會覺得蠻開心的！」

而侯宗成認為，光看數字本身，其實沒有太多意義，真正重要的是去探究數字背後的行為和現象。一旦發現假設錯誤，還要有勇氣推翻昨天的自己。「數據就跟錢一樣。錢本身是沒有意義的東西，但它是髒錢還是乾淨的錢？是股票、房地產還是現金？需要把更多情境鋪上去，錢的意義才會變得明顯。」他說：「我們做的題目都是跟『人』有關，所以還是要回到人本身。」

採訪結束後，林宜蓁和侯宗成立刻圍住我們，開始問起平常在追哪些劇、為什麼喜歡這部劇，當然也不忘推薦類其他型相近的戲劇。數據始終要回歸到人，這一點，在他們兩人身上具體而微地展現了。