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。
KKTV Growth Designer侯宗成的一天
早上:
·跟PM和UX/Planner討論用戶體驗流程的優化提案
·撰寫用戶流程AB Testing的技術實作規格
·嘗試一個新的SQL query,為了撈出付費用戶的行為紀錄
下午:
·設計新的用戶行為追蹤規格,驗證已實作的行為追蹤規格
·和資料科學家及資料工程師討論,釐清如何自動偵測用戶數據,用以協助 marketing快速回應用戶偏好的變化
·為了協助優化行銷成效,撈用戶數據,產生新的用戶分群
本文授權自《數位時代》,作者:顏理謙
原文標題:你的追劇喜好,是他們最想探索的秘密──KKTV數據分析團隊