【Gipi 數位思維】為何人人都該培養商業思維?因為可以避免無效溝通!

數據分析力與行動策略力是有效弭平組織位階與專業領域落差的關鍵知識;而開發敏捷力則讓我們從開發團隊敏捷,走入全組織敏捷;定位產品力則讓我們更加具焦於關鍵與正確的任務上。
評論
評論

這些年來,頻繁且大量的與各種不同領域、位階、背景、行業的人溝通,也參與過數百個專案的日常溝通。一件事情能否高效完成,仰賴的就是溝通,由其是跨部門專案,溝通的重要性更是不言而喻,大家都懂得這道理,但真的做得好的人實在太少,我認為關鍵點在於:多數人並不具備與不同背景的人溝通的能力。

溝通時,大家的觀點都不同

做業務的,不會理解研發,做研發的,也不會理解業務,彼此之間總有許多誤解與糾葛;基層員工不理解主管,主管不理解老闆,老闆更不明白為何員工總是跟他站在對立面,彼此間的壁壘愈來愈大,在解決問題與確認需求時,往往需要反反覆覆多次,並一再討價還價,歷經多次修修改改,才心不甘情不願的妥協於一個雙方可接受的版本。

其實雙方的角度(老闆 VS. 員工、業務 VS. 研發)、知識領域(銷售、技術)、承受的壓力(業績、專案)本來就不同,考量點就很難完全趨於一致。我原先認為這是一種很自然的現象,直到近三年我投身互聯網企業,公司的推進速度飛快,為了讓決策更高效,為了讓專案做錯重來的機率降低,也為了讓公司整體的業績能一路倍增,我興起了從根本解決這個問題的念頭。

先將造成差距的根本原因找出來

如果,能讓所有人的溝通都拉到同一個水平線上,那一定會很高效,但問題是那條水平線是什麼?又要怎麼做到呢?在 2016 年,我花了幾天的時間構思了一個基本架構,如下圖:

 

 

我先初步把公司內部人與人溝通過程最常出現落差的原因歸因於兩個層面。一個是組織位階,愈高層的老闆,通常愈是策略思維與經營導向,而愈基層的員工,通常愈偏執行與作業思維;一個則是專業領域的差異,功能部門諸如業務部、行銷部、客服部,他們通常著眼於解決面對業績、客戶時所遭遇到的問題,並依此提出他們的需求,這些需求多半是單一功能,而接收需求的研發部門與功能部門通常形成一種極端,會希望找到問題的共性,並系統化、根本的解決問題。

舉一個實際案例來說,如果工程師 John 跟業務經理 May 兩人之間在溝通一個需求,兩人之間顯然就具有明顯的組織位階與工作職能的差距,遭遇銷售問題時,業務經理考量業務管理制度的改進,而工程師則思考在技術上如何排除這個問題,並避免再次發生,兩者的角度都沒有錯。但思路不同,解法不同,所需的時間不同,結果也因此不同,彼此的溝通常常就是無效率的。

即便是與同為研發部門的工程師與高階主管間,一樣存在組織位階差距,以及相對較小的工作職能差距,畢竟高階主管偏管理,也不見得熟悉目前的技術,因此彼此間仍存在一定的專業領域差距。

這些差距就是造成雙方溝通無法在同一水平線上的關鍵原因。那麼,消除落差的方法是什麼呢?我當時的作法是訓練研發部門的同仁要具備「商業思維」。

消除落差的方法:建立商業思維四力(ASAP)

商業思維的基本構想,是要讓團隊成員更熟悉公司運作、企業經營的本質,以及公司策略,藉此能弭平基層與經營層之間因為組織位階造成的資訊差距,同時也讓同仁跨越研發的邊界,更多的去接觸功能部門,包含流程、制度、日常工作,甚至開始要求他們要學習業務、行銷與服務相關的知識,接此縮短彼此的專業領域差距。

我在公司運作了一年多,成效頗豐,離開公司後,我進一步將過程中傳達的觀念與知識彙整成商業思維四力,分別是數據分析力、行動策略力、開發敏捷力與定位產品力。

數據分析力(Analysis)

我從公司的財務面開始談起,告訴大家收入、成本與現金流,內容涵蓋了固定成本、變動成本、毛利、淨利等基本觀念,並進一步拆解了收入結構,大家就很清楚公司靠什麼賺錢、哪種商業模式的獲利最佳?接下來,繼續拆解成本結構,明白了錢都花在那些地方、哪些地方在浪費錢?最後,拆解客戶結構,大家更清楚哪些族群的客戶最忠誠,貢獻了最多的業績。

接著,我會進一步提到提升業績的方法,先簡單說明客戶分群、分級,精準行銷、交叉銷售、客情維繫、通路管理、轉化率優化等概念,並告訴大家怎麼從數據中去找出經營的問題,例如業績未達成的原因,名單轉化率下降的原因等。

我告訴大家,這些都是從數據中能反應出來的,也是研發部門能產生巨大價值的地方,我也會順口舉幾個案例來說明數據化管理有價值的地方。

說完這些,大家就會很快的清楚公司的運作機制,也了解為什麼老闆常常掛在嘴上的都是那些事。我後來發現,其實不僅研發與後勤人員對上述觀念陌生,連業務、行銷人員也是一知半解,我想我有必要去普及這些知識,讓所有的同事都有數據的分析能力。

行動策略力(Strategy)

我最常問研發人員:「你知道這專案怎麼來的嗎?為什麼而做嗎?」

其實我問的就是策略。在做策略規劃時,往往都是一群高管聚在一起,討論出策略,接著就定行動方案,而這些行動方案就化為一個個的專案分派到各個部門去。但如我前面所說,高管們熟悉策略與經營,但已經脫離一線工作太久了,他們訂出來的行動方案真的能解決問題嗎?

坦白說,錯誤的機率非常高。

他們當然不是故意的,而是因為專業領域與組織位階差距造成的誤判。如果,承接需求的人沒搞清楚要解決什麼問題,就貿然投入去做,最後的結果往往可想而知。

我之所以在談行動策略力前先講數據分析力,是因為兩者本來就有先後關聯。在此我一樣拿了三國志當案例,如果你手邊有這樣一張儀表板,你除了對公司的狀況一清二楚外,你也很清楚每個數字代表的意義,此時的你,還會容易做錯決策嗎?不會的,就我的經驗裡,我認為多數的錯誤決策往往是發生在對現況與目標的認知不足,而造成認知不足的關鍵原因之一就是沒有充分的數據。

因此,在行動策略力中,我先透過三國志讓大家回想數據分析力,公司經營會看哪些指標?這些指標的相關數據是否具備?拆解到每個部門時又看哪些指標?數據呢?先讓大家把儀表板給描繪出來。

接著我以平衡計分卡去引導大家思考策略產生的過程,從公司年度目標到財務、客戶、內部流程、學習成長等四個構面的策略生成,並逐一將行動方案給設定出來。

目標策略行動方案的過程,就是我要大家思考的,所有的行動方案或專案,一定都有對應策略與目標,搞懂了策略,就不會輕易做白工。

延伸閱讀:【Gipi 數位思維】談商業數據管理的重要性-以三國志為例

開發敏捷力(Agile)

企業環境多變,有愈來愈多的企業都開始強調敏捷,公司成長速度快,面對的挑戰與需求的多變性也大,敏捷本就是必須,當時我僅僅強調幾個觀念,快速交付、試錯、迭代,我們首先將這些觀念運用在專案工作上。

第一個動作,先花很少的時間提供臨時解,供緊急應變使用,解法可能是提供小工具或者透過其他 workaround 的方式處理,並在相對短的時間內(可能是 3-5 天)先提供局部解,減緩大家面對問題的壓力。

緊接著,將專案從大拆小,一個原先半年的專案可能會被拆成 4-6 個階段,而每個階段都可以獨立成一個專案,都可以獨立交付。當專案顆粒度變小時,交付的頻率提高了,調整順序的彈性變大了,也大大減輕了等待的痛苦。

後來我們更將這樣的觀念推廣到其他部門,當需求部門提出一個功能需求時,我們先跟他們一塊梳理流程,並用人工或其他方式先打造第一個 MVP(Minimal Viable Product),藉此加快驗證。當時的思路是,人工雖然無法處理大批量的事情,但優點是變動速度快,早上談好,下午就能改了。而這些經過人工驗證的 MVP,進入系統開發後就十拿九穩了。

業務部門之所以願意配合我們這樣做,是因為我們已經有了分析力跟策略力的支撐,明白他們要解決的根本問題是什麼,彼此已經能站在同一條陣線上。

定位產品力(Product)

相較於一次性的專案,我更希望所有成員都能具有產品思維,做一件事,應該要思考這件事能否同時運用在其他系統、流程上;今天做了這個功能,對整體系統的幫助是長期還是短期的,會不會解決了局部客戶的問題,卻造成多數客戶的麻煩。

我希望大家思考的點有三個。首先是定位,那些東西應該做在系統裡,應該形成規範,但那些東西應該以專案或人工的方式做單點處理,這之間評估的準則很簡單,就是定位。什麼做,什麼不做,這是做產品的基本。

接著是優先級,根據優先緊急程度將所有的需求做好排序,以高價值者優先處理。

最後則是複用性,這功能做了,有多少客戶會用到?用在線下的功能,能否也給線上使用?銷售流程的設計,能否讓招募流程也借鑑呢?

定位、優先級、複用性,當搞清楚這些,你會知道產品該往什麼方向走,也會知道如何與需求單位溝通。

結論

數據分析力與行動策略力是有效弭平組織位階與專業領域落差的關鍵知識;而開發敏捷力則讓我們從開發團隊敏捷,走入全組織敏捷;定位產品力則讓我們更加具焦於關鍵與正確的任務上。

商業思維四力,分享給大家。更多相關內容,也歡迎參考我的知識訂閱 《職涯躍升的關鍵 24 堂課》


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。