「數據分析」結合「機器學習」，探勘書市商機
誰在買書？買什麼書？這是規劃出版與行銷計畫時，需考量的因素，過去僅能用專業經驗判斷，現在透過資料分析與機器學習，可以用客觀的科學輔佐主觀的決策。中央研究院資訊科學研究所陳昇瑋研究員，帶領資料洞察實驗室，找出書籍銷售數據中潛藏的商機。
資料科學：先搞懂如何發生，再讓它發生
資料分析並非輸入數據、按下 Enter 鍵，就能得到立即性的結果，其工作至少可分為四個層次：
1. 描述：瞭解眼前發生了什麼，例如讀者是什麼樣貌
2. 診斷：用電腦來診斷眼前這件事為何發生，例如某些書籍的銷售為什麼特別好
3. 預測：未來會不會發生某件事，例如預測新書的銷售表現
4. 指示：如何促進某件事在未來發生，例如建置自動薦購系統或上架小工具，幫助提升新書銷售；或是幫書籍做更合適的命名以及封面設計
資料分析跟淘金一樣困難，若沒有以正確的方式使用合適的工具，什麼價值也淘不出來。
分析原始資料就像在砂礫中淘金，雖然不用冒著日曬雨淋的痛苦，但需長時間與電腦折騰，結合數學、統計、機器學習、資料探勘與資料視覺化的專業，整理資料的邏輯，找出隱藏在數據中的含意。若遇到非結構化的資料，在分析前尚需花額外的心力半自動或手動地將之轉換為結構化資料，才能使用分析技術來處理。但正因資料分析可以找出隱藏在數據中的洞察、輔助人類的思維，是一門值得投資心力的科學。
中研院陳昇瑋團隊與博客來合作，將 2014 年 12 月 至 2016 年 3 月間的匿名購書資料，結合政府資料開放平臺的數據，包含各個地區的綜合所得稅申報情況、教育程度、2016 年總統大選得票數等，探討購書行為和讀者生活型態的相關性，將不同購書客群之間的「差異性」數據化，藉以回答誰在買書、買什麼書、什麼書會暢銷……等問題，進而將資料科學的思維引入出版界，讓出版人不用再只是憑著經驗及感覺選書及做書。
什麼人在買什麼書？
從博客來的匿名消費資料，顯示讀者基本樣貌與購書興趣為：男性較多購買自然科普、電腦資訊和商業理財的書籍，女性較多購買親子教養、飲食、童書和青少年文學。長輩較多購買童書、宗教命理和醫療保健的書籍，而年輕人較多購買輕小說、漫畫和語言學習的書籍。
一樣米養百樣人，一種書也能吸引百種讀者
在規劃出版與行銷策略時，有一個盲點常被忽略：
不能將同一個書籍類別的讀者，都視為同樣一個族群。
過往看銷售報表與會員資料時，經常會把讀者視為只有一種樣貌：例如財經讀者就是白領階級。但陳昇瑋與團隊定義「差異式讀者樣貌分析」，一層一層深入子類別探勘資料，證實同一個書籍類別亦存在「多重客群」。
以「小說」這個大類別為例，愛看「小說」的不會只是同一群人，例如都是戴著眼鏡的文青。同性愛小說和愛情小說的讀者主要是年輕人，而歷史武俠和文學研究的小說，讀者群以長輩為主。若進一步深入分析武俠小說中的「金庸」這個子類別，更存在兩種主要客群： 15 歲以下的青少年和 40 ~ 50 歲的中年人。
這反應出一個課題：出版與行銷規劃需更分眾、更精準，無論是溝通的宣傳語言、購買的行銷版位，皆需考慮多重客群的存在。
從購書數據一窺社會現象
世間男女情愛糾葛，李組長眉頭一皺發現事情並不單純，這種社會議題不只在電視劇或新聞中出現，也顯現於購書行為中。
在商業理財的類別，存在許多教導如何成功的書，數據顯示 25 歲以前偏好購買「生涯規劃」類的成功經驗書籍，而 30 歲之後改買如何「致富」的成功指導書籍，顯示 30 歲大關是人生覺悟的交叉點，與其花時間規劃生涯卻前途迷茫，快速致富還比較實際，但也可能因為 30 歲之後除了養自己也要養家人，肩膀壓力更重了。
另一方面，低收入族群偏向購買「投資理財」、「網路創業開店」的書籍，高收入族群則偏向購買「傳記」、「快樂學」的書籍，顯現 M 型社會下兩種不同人生方向與思維，有錢人需要學習如何快樂，而中產階級正朝著累積財富努力。
「外遇離婚」相關的書籍，會購買的族群大多年收入超過 70 萬，年收入越高，購買者越多，箇中含意不便多加著墨。
若將男性與女性消費者購買的書籍類別和數量，以書籍關鍵字作成文字雲，明顯看出男女想法大不同。在「心理勵志」這個書籍類別中，男性多關注「把妹、正妹、搭訕」，書中自有顏如玉是從古至今不變的智慧。而女性多關注「幸福、療癒、女人」，顯示現今女人越來越懂得要愛自己，是個樂見其成的社會風氣。
無論是賣書或餐飲業，都值得注意年輕人與長輩的喜好差異。「甜點、雞尾酒、廚藝、咖啡」相關書籍熱銷，與近來市場上年輕族群的甜點學校、咖啡開店熱潮相輔相成。而長輩較喜歡「健康、養生、好吃」相關書籍，對於市場而言，開發同時符合健康及好吃需求的餐飲，是顯著的商機。
「養生」這個書名關鍵字，在「飲食類」受到長輩歡迎，但在「醫療保健類」在銷量上並沒有同樣得到大眾的青睞。
陳昇瑋與團隊以「書名關鍵字」，找出關鍵字與暢銷書之間的相關性。在醫療保健類發現，「養生」這個關鍵字不受到讀者歡迎，反而是「名醫、改善、療法、奇蹟」這類關鍵字能抓住讀者的眼球與荷包。也許這反應出一個醫療保健現況：在一秒鐘幾十萬上下的今日，人們不注重花費時間經營的健康之本──日常養生，而是在症狀出現時追求速效的醫療結果。
「文字」在不同環境中，會發揮不同力量。同一個書籍關鍵字，在不同書籍類別中，會產生不同的銷售表現。例如，「輕鬆」這個字是行銷時常使用的關鍵字，彷彿在告訴消費者一旦買了這個產品，就能豪不費力地享受好處。對於「輕鬆投資、輕鬆存錢、輕鬆提升業績」這類輕鬆致富的願景，讀者們的想法是「反正我是信了」。但如果在不努力就沒有收穫的語言學習類別，就算告訴讀者「輕鬆說英語、輕鬆搞定文法、輕鬆學日文」，銷量顯示讀者們不會買單。
哪些書會暢銷？除了財神，也能問問電腦
以上內容尚處於資料分析的「描述」和「診斷」階段，真正有意義是分析的第三階段「預測分析」，藉由機器學習技術自動歸納出書籍銷量與各式書籍屬性的相關性，進而建立銷售表現的預測模型。
「機器學習」的作法為，讓程式自動學習哪些因子是重要的，預測某本書成為暢銷書的機率。
在「預測分析」這個工作階段中，陳昇瑋團隊運用「書籍屬性」、「書名關鍵字」及「上市前的市場狀況」來發展暢銷書預測的模型，以文學小說類別測試，其暢銷書的預測準確度可以接近八成。預測分析的最終目的為「指示型分析」，也就是資料分析的第四個工作階段，透過程式的指示提供最佳化建議，例如書名及副標怎麽下、書介如何編排、預覽圖片要放哪幾張、如何訂價及折扣……等等，協助拉近書籍與目標消費者的距離。
有時資料分析的結果很殘酷，會顯示過去在編輯與行銷上的直覺是不符合現實的，有時則能佐證某些觀察的可信度。資料科學及人工智慧技術，並非為了取代人類而生，最重要的觀念是：從經驗導向的世界換位思考，以客觀的資料事實及科學方法，輔助決策的進行，提高決策的正確機率。
現在，無論在出版業、零售業或電子商務領域的你，準備好用「資料科學」突破過往的認知了嗎？
延伸閱讀：
- 執行編輯｜林婷嫻 美術編輯｜張語辰
本著作由研之有物製作，以創用CC 姓名標示–非商業性–禁止改作 4.0 國際 授權條款釋出。
本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位
