人工智慧改變80/20法則

AI is Going to Change the 80/20 Rule
麥克.許瑞吉 Michael Schrage
瀏覽人數:22564
本文認為,下一代的演算法會增強帕雷托的80/20法則在實證上深具啟發性的模式。人工智慧和機器學習,會用以三個重要的方式,重新定義組織如何運用帕雷托法則,以數位方式推動能獲利的創新,超越傳統分析能達到的創新水準。

有許多高績效組織,仍熱中運用見解精闢的義大利工程師和經濟學家維弗雷多.帕雷托(Vilfredo Pareto)提出的見解。他們持續遵循他提出的80/20法則,也就是80%的成果(銷售額、營收等),來自20%的成因(產品、員工等)。隨著機器學習和人工智慧演算法創新共同改造了分析法,我敢說,下一代的演算法會大大增強帕雷托在實證上深具啟發性的模式。人工智慧和機器學習,會用以下三個重要的方式,重新定義組織如何運用帕雷托法則,以數位方式推動能獲利的創新,超越傳統分析能達到的創新水準。

聰明帕雷托

第一,更大量、更多樣的數據資料,保證讓演算法得到足夠的訓練,變得更聰明。數位網路因此成為帕雷托平台,把極為重要的變數向量,轉化為新價值。

舉例來說,嶄新的工作場所分析,可讓更多組織更容易看出,是哪些20%的員工貢獻了某個產品、流程或使用者體驗的80%價值。商業流程、平台和顧客體驗持續進行數位化,同樣引發深具創意的帕雷托觀點:平台升級的哪些20%,產生80%的影響?顧客體驗有哪些20 %,引發他們80%的喜惡?認真的企業「長」字輩高階主管,希望這些由資料驅動的問題,可用演算法來解決。

超級帕雷托

第二,傳統的分布形態已遭到破壞而改變。大數據尷尬的生產力小祕密,是帕雷托的80/20見解已退化成實證上的時代錯誤。積極執行分析的公司,愈來愈發現帕雷托法則的比例較接近10/90、5/50、2/30、1/25。取決於資料用數位方式切割、細分和定義的嚴謹程度,出現了1/50、5/75,甚至10/150的帕雷托法則。帕雷托的「關鍵少數」成了「關鍵更少數」。

極端的分布狀況超越產業界線,並主宰產業情況。例如,喝酒的人當中,不到10%的人占了烈酒銷售額的一半以上。更極端的是,不到0.25%的行動遊戲玩家,占全部遊戲內購買行為營收的一半。

但是,找出並重用「超級帕雷托」,在分析方面的運用還不夠多。市場和市場的成長,要求那些描述性(descriptive)的統計應該要帶來預測性和規範性(prescriptive)的統計。換句話說,把那些資料集轉化為聰明演算法的「訓練集」。

組織也需要找出各種帕雷托傾向:它們必須運用演算法來破解疑難問題,確認做哪些微調就可帶來巨大的業務效果。經理人和他們的資料科學團隊,必須根據帕雷托的最大潛力與可能性,而不只是根據更多和更好的資料,來進行自我重組。

例如,一家營業額達數十億歐元的工業設備公司,有超過兩千個庫存單位(SKU),它確定不到4%的產品,貢獻了三分之一的銷售額,以及約一半的獲利。但把服務和維修也納入分析之後,發現約一百種產品貢獻了超過三分之二的獲利。這些發現,促使該公司徹底重新思考訂價和搭售策略。

根據產品屬性和特色,而不只是產品本身,來進行更細膩的帕雷托分析,提供更具啟發性的見解。這家公司的工程和客戶團隊,針對想要的特色和功能集,而不是針對產品本身,探討如何根據數據資料來重新設計。處理不同的分析單位,帶來更有價值的帕雷托見解。舉例來說,目標明確地刪除某些產品特性,不只可降低成本,也直接帶來可衡量的、更好的使用者體驗,進而提高公司在某個成長中顧客區隔的占有率。

特級帕雷托

第三,隨著資料變得更細膩,以及演算法以更聰明的方式處理複雜的形態,帕雷托組合管理(Pareto portfolio management)也已改變。嫻熟分析和營運的人,已經在管理帕雷托組合,這是指整個企業裡的許多不同的帕雷托見解。原本KPI是指關鍵績效指標(key performance indicator),但在他們看來,KPI是「關鍵帕雷托資訊」(key Pareto information)。如果KPI儀表板沒有用資料驅動的方式呈現關鍵帕雷托資訊,人們就看不到未來優化和價值創造的機會。

個別流程負責人、產品經理和銷售團隊,過去只強調優化本身的核心帕雷托,現在,他們檢視、探索和運用其他人的帕雷托。認真的經理人和高階主管打破並突破各自為政的分析。他們體認到,他們的帕雷托可以在分析上與全公司各單位的帕雷托交叉、重疊,並重新組合以發揮生產力。

重新思考和重振一個帕雷托的最可靠方式,是把它和另一個帕雷托連結起來。數據資料豐富和重視演算法的公司,逐漸從個別管理十幾個關鍵帕雷托指標,轉向監控數百、甚至數千個企業KPI,全新的帕雷托組合(Pareto ensemble)即將出現。哪些組合會提供最佳的見解和機會,來進行新的創造和掌握?

網路化帕雷托(networking Pareto)於是成為我見過最令人振奮、最有生產力的分析行動方案之一。KPI群組的哪些10%,可以解釋90%的新顧客、成長或獲利率?「特級帕雷托」創意面對的挑戰,需要資料驅動的跨職能協作來因應。全公司的精明經理人和內部創業家,希望以創新的方式來結合他們的關鍵少數。

一家全球性電信公司發展出各種帕雷托,包括描述性、預測性、說明性的帕雷托,以研判、防止和盡量降低顧客流失。顧客流失管理團隊在確認和留住數百萬可能流失的顧客方面,表現優異。但後來報酬開始遞減,績效持平不再成長。

這個團隊決定擴大資料範圍,結果一切都變了。他們不再只是強調以顧客滿意度、抱怨或服務為中心的帕雷托見解,也採用幾個銷售和行銷帕雷托資料集,這些資料集強調追加銷售(upselling),也就是20%的顧客占新服務購買的80%、25%的顧客占通話或數據新方案的75%。

顧客流失團隊分析之後取得了這些帕雷托,於是自問是否真的能向顧客追加銷售,而不只是留住他們。直截了當的迴歸分析,加上運用以代理人為基礎來建立模型的簡單技術,他們發現,帕雷托流失者和帕雷托「追加購買者」的特性有顯著的相關性(profile correlation)。

編寫腳本,以及用實驗來測試產品或服務,執行起來都很快速、簡單且便宜。雖然最後的結果不是那麼驚人,但也絕非緩步漸進的改善。留住顧客的數字不只改善了,顧客流失團隊也花較少錢留住他們,而且成功地追加銷售1%或2%。

但這個帕雷托組合也產生一個偶然的、甚至是明顯的額外好處。顧客流失團隊的新帕雷托,證明對追加銷售和行銷職能有幫助。他們創新的帕雷托組合,在降低本身顧客流失率的同時,也推升了顧客滿意度和淨推薦者分數(NPS)。每個人都是贏家。

帕雷托組合的初步成功,讓我們想起從網飛大獎(Netflix Prize)競賽得來的極重要見解:最佳結果不是來自改善個別模式的績效,而是來自創造出各種組合,可集體強化那些最好的特性。帕雷托分析可決定最有價值的帕雷托組合,這說來矛盾,但相當恰當。

這裡的啟示是:擁有許多模式,對贏得競爭所需要的漸進成果有幫助,但實務上,只要少數幾個精挑細選的模式,就能建立優異的系統。

把帕雷托分析嚴謹運用在帕雷托分析上,看來似乎是明顯該做的事,但極少組織每天都切實這麼做。這情況必須改變。策略計畫和技術路線圖,應該參考「帕雷托通道」(Pareto pathway)的資訊。更準確預測未來「關鍵少數」的能力,也就是用不同方式組合全公司KPI的機會,不只能帶來更高的效率,也會是破壞性價值創造的決定因素。

你的演算法愈聰明,它們及你的組織愈需要向帕雷托學習,並運用帕雷托去學習。(羅耀宗譯)



麥克.許瑞吉 Michael Schrage

麻省理工史隆管理學院數位商業中心研究員,著有《認真玩創新》(Serious Play)和新書《你想要顧客成為什麼樣的人?》(Who Do You Want Your Customers to Become?)


本篇文章主題創新