Posts Tagged ‘big data’

Teddy (Tagtoo)、Steven (Fandora) & David (CHOCOLABS) at Stanford

2010 年 2 月，與共同創辦人 IC 籌備了 4 個月後，我終於在網誌上宣布 AppWorks Accelerator 開始招收團隊。把 Accelerator 帶進台灣畢竟是一個沒有人做過的嘗試，所以我們決定用最小的成本來做這個實驗，先得到潛在客戶，也就是創業者們的反應，後續再看該如何規模化。

幸運的，市場給我們相當正面的回饋，很快的就有超過 30 個團隊來申請，而其中一支勁旅，就是來自交大資科所的 Tagtoo。

三位開發者都是研究所同實驗的同學，在實驗室的歲月裡常挑燈夜戰，為了畢業也算建立起革命情感。後來畢業後也常連絡討論，對於許多領域範疇廣泛性涉獵，後來決定實作 Tagtoo 平台，一路辛苦了兩年半才把 Tagtoo 推上線，期間建勳更移民加拿大，但仍然並沒有中止 Tagtoo 的計畫，大家克服萬難繼續合作開發，我想這個團隊有很強的凝聚力吧！

他們在申請書上這樣自我介紹。

Tagtoo 當初在開發的是「Image AdSense」，也就是分析每個網頁上的照片，並且自動投放相關的廣告。想起來很合理，網路上有數千億的頁面，頁面上幾乎都有圖片，且這些圖片通通都沒有 Monetization。如果有人能找到一個方法在上面置入有效的廣告，那豈不是超級的商業模式。

當然實務上並沒有那麼簡單，自動分析照片內容的技術門檻超級高，說服站長安裝插件的門檻也很高，最後取得足夠且多元的廣告庫存，才能夠有效配對的業務門檻還是很高。面對這麼多門檻，創業者必須要想一個好的 Go-to-market Strategy (進入市場策略)，一步步用階段性目標逐漸克服它們。

圖片標籤

因此當 AW#1 開學時，Tagtoo 先把他們的題目縮小為手動「圖片標籤」工具。當時 Facebook 剛剛興起，消費者漸漸習慣在 FB 上的照片標籤朋友，Tagtoo 想透過提供第三方網站插件，讓站長可以把這個功能帶到自己的網站，並且也可以為圖片加上文字與 URL 等資料。

AW#1 Kick-Off Day 時 Teddy 的實體 Demo

Tagtoo 圖片標籤服務於 2010 年 9 月完成推出，並且開始向站長推廣，最後也成為 Tagtoo 在 AppWorks Demo Day #1 舞台上發表的產品。基於這個產品，Tagtoo 在 AW#1 畢業後也成功的向 AppWorks 與新橋創投募得了種子資金，繼續優化與推廣這個服務。

時至今日，Tagtoo 圖片標籤每天處理 50 萬個網頁，高達 1,000 萬個標籤。在有標籤的網頁上，讀者平均會跟 3 標籤互動，並且產生高達 7% 的連結點擊率。雖然不是一個超級全壘打的產品，但仍舊有一定的 Product-Market Fit。

準買家廣告

就在 Tagtoo 拿著這個點擊率很高的圖片標籤工具向新聞媒體網站們推廣時，他們得到了非常關鍵的回饋。多數在媒體工作的記者朋友，往往沒有時間一個個圖片上標籤。因此他們希望 Tagtoo 開發一個系統，讓高相關度的廣告能夠自動被投放。

但少了標籤，Tagtoo 無法分析圖片的內容，該如何產生相關？還好大多數新聞媒體的圖片與文章，本身就有高度的相關性。靈機一動，Tagtoo 改為分析文章的內容，並且從那邊找到該如何投放相關廣告的線索，因而找到了「準買家廣告」這個商業模式。

有了一個可規模化的商業模式，Tagtoo 在去年中開始接受我們的輔導，募集 A 輪資金，並且順利在去年底完成由 AppWorks 與 CID 聯手投資的 50 萬美元資金。

一年多來，Tagtoo 準買家廣告的規模化相當順利，現已每天服務高達 1,500 萬頁的瀏覽量，月營業額也很快突破 200 萬台幣的水準。

RTB & Remarketing

也就在 Tagtoo 經營準買家廣告的同時，他們發現了 Real-Time Bidding 與 Remarketing 等更細緻、更精準的自動投放技術，漸漸開始受到台灣網路廣告市場的關注。因此 Tagtoo 成立了 RTB Taiwan & Remarketing 部落格，分享種種關於 RTB 的技術與觀念，同時也努力提昇他們自己的平台，朝著東南亞 RTB 服務的領先提供者前進。

一個多月前，為了讓 AppWorks 創業者們看看世界的寬廣，我們組織了一趟 Silicon Valley Ventures 矽谷學習之旅。途中路過 Stanford 校園時，Teddy 與兩位 AppWorks 學弟們  CHOCOLABS (AW#2) 的創辦人 David、Fandora (AW#3) 的創辦人 Steven 留下了文首的照片。

對照四年前 AW#1 剛開學時，Tagtoo 的名字與 Teddy 的 Baby Face 或許都沒有太大的改變。但 Teddy 在經營的事業，與他看廣告產業的視野，我認為，都有了非常巨大的進步。再給他四年，或許東南亞 RTB 之王，就是這個團隊。

加油，Tagtoo!

___

四年後的你，會在哪裡？能否向 Teddy 與 Tagtoo 團隊一樣，有過這樣精采的旅程？如果創業是你決定要走的路線，歡迎來 AppWorks Accelerator Class #8，讓我們陪你一起闖蕩。

歡迎來到每週一次的「品味」專欄，在這裡，我分享我所看到的種種美好。

2008 年美國大選，Nate Silver 以精準預測 50 州中共 49 州的總統選舉勝負，並且完全命中全 35 席參議員當選人而一戰成名，成為北美政治圈炙手可熱的分析大師。但在那之前，他專精的並不是政治，而是棒球。事實上，Nate 對於統計與預測的研究也不僅止於球與票，舉凡氣象、地震等諸多值得用數據去深究的領域，他都有所涉獵。

2012 年，Nate 出版 The Signal and The Noise 分享他如何處理這些看似非常不同的領域，用清楚的模型與哲學去拆解它們，抓住事件發展的脈絡。 The Signal and The Noise 一出，立刻在北美熱賣，同時登上紐約時報與 Amazon 的年度暢銷榜。而事隔一年，我們終於可以在台灣享受到它的繁體中文版《精準預測》。

在三采的邀請下，我有這個榮幸幫這本相當有時代意義的大作寫了篇中文推薦序，今天的品味專欄，就跟你們分享這本值得大家用心體會的好書。

揭開「預測」的神祕面紗

文 / 林之晨

在紐約大學史騰商學院攻讀 MBA 時，我的統計學教授送了一句我永生難忘的話，他說：「無論統計的結果如何，如果你沒辦法找到它背後的道理，那就代表這次的分析出了問題。」

換句話說，統計是一種用來印證道理──也就是事物間因果關係──的工具。當事物之間有某種因果時，統計可以協助你發現並且驗證這樣的關係，進一步預測這個因果再次發生的機率。相反的，如果事物之間缺乏真實的因果，則無論時統計之後得到任何結論，也只是數學上的巧合罷了。

讀 Nate Silver 的這本《精準預測》，讓我不斷想起了教授的話。

雖然一般公認 Nate 是數據分析與統計模型的專家，但在這書裡他一路從統計原理講到金融海嘯、棒球、氣象、地震、失業率、傳染性疾病、運動賭盤、西洋棋、德州撲克、市場原理乃至於全球暖化，每一個領域除了關鍵的資料與圖表，他幾乎都能夠明白的闡述「為什麼」這些資料有因果意義，甚至常常進一步去分析造成這些因果背後的人性。

用 Nate 自己的方式形容，他在這本跨越多個時空，厚重且實在的分析報告大彙整裡面，充分展現了他的「狼性」，也就是跨學科、大膽找尋新方法、自我批判，並且以實徵為主的思考與工作方式 (請參照第二章)。

至於為什麼我們該花時間學習 Nate 的工作方式，其中一個很重要的因素是網路與各式連網裝置──包括你手中的智慧手機與平板電腦──的普及，正在帶來前所未有的數據供給成長──僅僅在過去兩年內，我們所產生的資料量就佔據了人類史上所有資料量的 90%。

因此，就像 Nate 說的一樣，當你需要預測某個事件在未來再次發生的機率，尤其當這件事將會攸關國家安全、民眾健康、經濟發展、或是企業存亡等關鍵狀況時，從茫茫資料海中抽絲剝繭，找到那些關鍵指標的能力，將顯得越來越為重要。

在這樣的一個時代，Nate Silver 的這本《精準預測》更顯得重要，這裡面充滿著現代知識工作者必須了解的種種數據分析觀念與實務技巧，非常值得每個人用心的體會、學習，並且實踐。

延伸觀賞：Nate Silver at Google

___

生活中遇見的美好，我常分享在 Instagram，歡迎追蹤

(Image via 博客來)

這是 NASA 於 2011 年公布，6,070 光年外，Cygnus X-1 星系黑洞運作的示意圖。黑洞先從鄰近的巨大藍色星球吸入物質，跟著黑洞以最高每秒 800 轉的時速迴旋，最後有些東西被黑洞吃掉，而有些則被它以超高速垂直噴出。

如果傳統公司的運作像是我們的太陽系，現代網路公司的運作就有點像是 Cygnus X-1。

舉例來說，當傳統銀行要進行「放款」業務，他們只有非常有限的資料去預測借款人的信用指數，也就是他們的還款機率。過去最重要的條件是抵押品的品質，因此房貸與定存擔保這類的放款利率是最低的，而沒有任何抵押品的信用貸款、信用卡循環利息則是最高的。頂多再用借款人的年齡、收入、居住地區、職業等條件去微調，但基本上只能產生些微的差異。

但這樣的模型事實上有許多缺陷。首先，即使種種生活條件類似的兩個人，他們的實際風險係數可能都有數十到數百倍的差異──一個父親的財務風險，實際受到他的老婆、小孩、雙方父母的生活型態與健康影響非常大。此外，一個人的生活條件隨時都在變動，只拿貸款的那一刻來判斷，之後沒有任何追蹤更新，事實上也相當不理想。最後，用平均值去取利率，會有劣幣驅逐良幣的結果，讓銀行反而沒辦法做到那些信用其實很好，只是因為生活條件被歸類在較差等級，因此還款能力被低估的貸款者的生意。

這樣的系統就像是封閉、每個行星沿著分明的路徑運行太陽系一般。相反的，從網路生出來的新系統，就像是 Cygnus X-1 一般。

理想上，當要評估一個人的還款風險，應該是要把所有關於他的數據 ── 喜歡做什麼運動、吃什麼東西、交哪些朋友、家人的財務與健康情況，全部都拿來綜合分析，因而去動態反映出他此時此刻的風險係數。而因為網路與行動上網的普及，我們離那個地方越來越近。美國 Lenddo 已經開始會去分析貸款者的 Facebook 朋友圈，用得來的結果去調整貸款者的風險指標。德國的 Kreditech 甚至會綜合考量高達 8,000 種數據來源，再決定要用什麼利率放款給你。

而貸款其實只是這中間的一個小小例子，全觀的看，網路就像是 Cygnus X-1 旁的藍色巨星一樣，提供了前所未有的資料種類與數量，懂得如何運用的企業，將能夠把它轉化為商業上的價值，完全顛覆既有產業的運作模式。

Data Disruption，是我們這個時代，正在進行的巨大革命。

___

歡迎在 Google+ 上追蹤我

(Inspired by CNN Money; Image via NASA, CC License)