什麼書會暢銷？「數據分析」結合「機器學習」探勘書市商機！
首圖來源：陳昇瑋提供
資料科學：先搞懂如何發生，再讓它發生
資料分析的四個階段：描述、診斷、預測、指示
(image source:Gartner 圖說改編:張語辰）
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：
- 描述：瞭解眼前發生了什麼，例如讀者是什麼樣貌
- 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
- 預測：未來會不會發生某件事，例如預測新書的銷售表現
- 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？
博客來各類購書讀者：性別 x 年齡（資料區間為 2014 年 12 月 至 2016 年 3 月間）
(image source:陳昇瑋提供）
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，一種書也養百種人
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。
博客來讀者樣貌差異：文學小說類別（資料區間為 2014 年 12 月 至 2016 年 3 月間）
(image source:陳昇瑋提供）
