2011年7月29日 星期五

悠遊卡踩 6000 次了....


昨天終於悠遊卡踩到 6000 次了..

6000 次 2011/07/28 (1 年 1 個月又 10 天)
5000 次 2010/06/18 (1 年 6 個月又 27 天)
4000 次 2008/11/20 (1 年 8 個月又 13 天)
3000 次 2007/03/07

為了記錄通勤的活動, 刻意把消費的悠遊卡分開, 所以現在身上都會帶兩張悠遊卡, 只是也發生幾次通勤忘了帶卡改用這另一張國泰世華的卡, 不然應該會早個幾天, ...

只是前 500 次幾乎是花不到 4 個月就達成, 因為那一陣子到處跑, 以為這次一該不到一年就會超過一千次了, 但結果還是超過 1 年, 但也是較快的一次.

像這張卡, 就純脆只在店家消費, 本來以為應該會有很多次, 但我剛看了才 128 次, 當然是因為沒計算 7-11 的 icash, 我還用壞一張 icash 說, 在想有沒有可能將那張卡的資料給倒出來, 不然很可惜說.

2011年7月19日 星期二

家中第二螢幕該如何買的選購指南 (上? 應該不會有下)

大家已經看煩我寫一堆三螢幕, 四螢幕, 五螢幕, 甚至六螢幕的文章, 因為大部份的人都都一句話給我: 我書桌座位沒這麼大啦, ..... 當然我就會說: 換個房子吧.... 接著我就被打了....

當然說要因為要多螢幕要換桌子, 換房間, 換房子, 換工作, 換生活, 這樣的思維有點本末倒置, 所以我也只能苦笑, 但說起來有時因為我提出更高的要求, 就是你到伯朗咖啡工作, 還是可以用雙螢幕與三螢幕的須求, 這議題我好像也寫過了, (但可能是寫在 Plurk) 或是放在 Flickr 的照片, 而我也花了不少錢與時間在找這答案上面, 雖然現在也不算找到, 但也是有某種 Solution 了.

而上圖是某日本推友的照片, 通常這個理論上只會在劍魚這種電影才看得到, 不然就是做 NOC (Network Operation Center 或看盤才會用得到, 而我看過最合理的使用方式就是 "草泥馬" 的工作平台是最合理的吧.
而下圖右邊是我在舊家的工作環境, 而我一到公司上班, 就只能用下面左邊這種方式了.

但因為最近 "家庭的關係", 我現在住的地方是一個共用的小桌子, 但對於用慣多螢幕的我, 如何去平衡多螢幕的須求, 但也能夠平衡家庭的須求, 也變成我要思索的問題, 而有那些問題呢?

1. 不能太大: 雖然螢幕是越大越好, 但就大螢幕對視線影響很大, 所以一定是 20 吋上下是極限吧.

2. 最好可以收合: 畢竟這是公用的空間, 那個螢幕一直放在那邊也是很占空間, 若是能夠方便的移動與收合是不錯吧.

3. 多功能: 若是這個不只是螢幕, 也是電視, 又能 skype 或 MSN, 這樣就不會覺得過於大而無當吧?

4. 攜帶: 若能夠也當其他用途的螢幕也是更棒了.
5. 顏色: 因為我家目前是白色系為主, 若是放個黑色的螢幕會很怪很怪.

有上述這幾點目標後, 接下來就是到處去找了, 而我第一個去想的就是收合問題, 而能夠收合的話, 我直接想到的就機架用的螢幕了(下圖), 這是不錯的選擇, 平常不用的話可以收起來當桌面, 只是顏色不太對, 甚至我在想要不要做一個像 Apple 螢幕的那樣 90度的角架, 但可以旋轉的話就太棒了.


但說要去開模做這樣的螢幕腳架是可以想想, 但真的要去做依我的個性不太可能, 我又不是鍵神, 所以想到的還是走 Portable LCD 的方向吧, 而之前的 Samsuang 與 Plus One 的經驗都不是很好, 而現在 Toshiba 出了個 14 吋的, 此時我眼睛就開了, ....
這個是一個只吃 USB 電源的雙螢幕, 但我知道 DisplayLink 對 Mac 的支援目前還是半調子, 且這款還沒進到台灣, 所以也只能想想就好.

只是在這次尋找的經驗中, 我就開始在想所謂的 Internet TV / Smart TV 的可能性, 此時就找到 Sony 這款 KDL-22EX420, 這款不只是背面是白色的, 又可以當電視使用, 不只做為第二外接螢幕, 也可以當第二電視, 且又能夠獨立使用當 Internet TV, 說真的我還真的差點下單了, 只因為他的解析度只有 1366*768, 所以最後還是沒有買.

我會寫這篇, 應該是上集, 因為還沒有真的去實現, 所以現在還在徵求意見與尋找中, 也把我目前的訊息給大家分享.

說真的, 在尋找的過程中, 還有一個讓我心動的 "Protable LCD"... 就是像下面的圖說:阿, 不要打我... 這才是極致阿...

Weather Mining, 到底有沒有下雨呢? 神貘天氣呀~~

(這篇是寫給在氣象局任職的某噗友看的, 若對這議題沒興趣的人可以跳過)

目前神貘天氣取樣了六個單位的預測, 希望以後還會更多, 但事實上要去 "Normalization/統整" 這些預報是相當不容易的, 所以一開始就是抓 Raw Data/原始資料.

一開始就做的溫度 KPI 是較簡單的, 就是預測當天最高溫與最低溫, 但這麼簡單的預測就有幾種變化:

1. 最高溫最低溫若是在預測多次不一樣的話, 就取最高值與最低值來計算.

2. 中國氣象台是把最高溫設為白天的溫度, 最低溫設晚上的溫度, 而晚上白天並沒有各自的最高溫與最低溫.

3. 比較好的預測是以小時為單位, 而不是以每天為單位, 所以本來有比較完整的預測為了比較就簡化成一天, 真對不起這些人.

4. 除了真實的溫度外, 還有 "Feel Like/感覺" 的溫度, 因為溫度也包含濕度, 風速等等的綜合評斷, 只是很可惜無法做為 KPI, 不然是個好東西.

5. Weather Bug 還有 "Dew Point/露點" 的預測, 風量與風向的預測也不少, 這個都是種參考.

6. 台灣中央氣象局等也直接寫出 "感覺", 像舒適, 等, 這個很難去量化當 KPI.

以上來看就知道單純就最高溫與最低溫就有很多種觀點, 而有沒有下雨就更麻煩了.

1. 最常見的就是下雨機率, 這個理論上是 0% 或 100% 機會最高的, 但實務上 0% 是偶而會見到, 100% 是不太可能出現, 因為這個還有時間與地區的因素考量.

2. 若比較模糊的預測就是寫 "晴時多雲偶陣雨" 這樣的描述時, 就只好去抓 "雨" 這個字, 或者是國外會寫 Shower, Rain 等等, 若甚麼都沒寫就只能當 0%, 若有寫到的話就當 100%.

3. 如同溫度一樣, 若一天有不同的預測, 就將這降雨機率平均, 這也是最痛苦的決定, 因為理論上也應該是最新的一次是最好的.

4. 更精確一點的預測, 應該就是預測當天的降雨時數 (Rain Hour), 這是較好的, 但這只有一家這樣寫, 所以最後只能是若降雨時數不為 0 時就是 100%, 不然就是 0%.

5. 比較準確的預測方式應該是預測雨量, 但這個雨量是跟下雨的時間有關, 因此像 Accurate Weather 就直接寫小雨雨量, 下雨雨量, 陣雨雨量, 雷雨雨量去區分, 就可以知道下雨的真實狀況.

降雨的機率跟溫度不一樣, 溫度大家都有, 降雨機率並不是每一家都有, 都是有各自的方式, 但若真的要設定 KPI 來作比較, 必須還是要有共同性, 這共同性就是一般化/Normalization, 但在一般化的過程必然會損失很多資料, 理論上是能避免就避免, 不能避免的話也只能趨近, 所以這兩個指標居然差了三個月才寫出來, 並不是程式很難, 而是要找到較好的方法真不容易阿.

而最近中央氣象局的網站有改版, 而改版後又多了不少資訊, 尤其是降雨的狀況的觀測真的是以區為單位了, 只是目前只是做記錄, 並沒有做預測, 因為現在中央氣象局是跑模式後再經過人的判斷修改做最後結果, 這個要到區鄉里鎮是不太可能有這人力的, 但此時若是靠 Data Mining 又可以有不同的觀點了, 改天來做 "你那邊再過 38 分鐘會下雨喔~~~" 這樣的系統.

事實上我們台灣的中央氣象局不是沒有在努力, 最近也做了一個可以更精確預測的劇烈天氣監測系統, 真的可以給予掌聲, 只是這個外包商不知道是民國前那一年成立的, 這系統不只是 Microsoft Windows IE Only, 並且是以 1024*768 的解析度為主, 還必須安裝程式才能跑, 只能說台灣政府離 Open Data 有點距離, 只是這題目一講就會講不完了. (此段為錯誤訊息)

2011年7月15日 星期五

神貘天氣: 下雨的預測準確率

上一篇講到我們國家的中央氣象局的預測準確率, 本來以為不會多好, 後來發現事實上還不會太糟, 甚至可以說是在 A 段班的, 而我一直沒寫下雨的準確率時, 認為這個應該大家都有 8 成到 9 成的準確率, 結果我錯了, 事實上有 6 成到 7 成的準確率而已.

這次的計算因為有點小麻煩, 因為有若是要計算溫度的話, 最簡單的就是用每日的最高跟最低溫做比較, 但每天降雨機率的預測本身就是一個在變動的數字, 每次預測都不太一樣, 但這個並沒有最高最低, 只有全有與全無 (有下雨與沒有下雨), 所以到底要如何去做 KPI 的準確率就讓我想了許久.

最後還是把每次的機率給平均起來, 做為當日的預測, 唯一的問題就是每一個單位預測的方式都不太一樣, 所以要先 Normalization, 而接下的計算就跟溫度的預測差不多了.

說起來溫度的預測是有很多解空間 (可能是 40*40) 的狀況, 但下雨與否的解空間好像只有 2, 也就是有跟沒有下雨, 因此預測起來應該很簡單才對, 且大家都說有下雨預測本來就應該有 8 成以上的準確率來看, 說起來感覺也沒那麼困難, 我本來也不太想把這個差別不大的預測當 KPI, 但現在算一遍後, 發現我錯了, 因為大家多數是在公布下雨機率的情形下, 解空間暴增為 100, 這預測變得沒那麼簡單了.

天氣穩定的話, 說要達到預測率 100% 是不難的 (畢竟解空間只有 2), 且控制在 8 成也是沒問題的, 但天氣一不穩定, 只要超過 3 天以前要預測有沒有下雨似乎比想像中的還要難, 事實上八成準確率指的是昨天預測明天, 但這個 KPI 若是延長到五到十天, 當然困難到就更高了, 下表就是現在檢驗的結果 Snapshot 快照:


而這張圖是取自今天 (7/15) 的 http://weather.datamining.tw/kpirain.php , 並不意外第一名可以是在 8 成以上, 但有時第一名卻不到 6 成, 當然平均起來至少有 5 成以上, 但也常常超過 5 成的誤差, 這代表這預測比猴子還糟糕.

只是目前來看, 我們國家的中央氣象局表現的比溫度的預測還要糟糕, 雖然有 6 成 5 的準確率, 但是排名第三名, 比 Weatherbug 以及對岸來得差, 這可能就有點須要檢討了.

而在完成下雨預測的 KPI 後, 加上溫度的 KPI 就完成檢核點的計算, 而進一步是能不能就這些預測做不同的 View, 也就是說我們可以不做天氣的預測, 畢竟這是專業的, 但我們可以利用資料探勘來計算誰的預測比較準, 這代表的是有沒有可能有更高的準確率呢? 請大家拭目以待吧.

2011年7月14日 星期四

我的 Mac 與 G700 的邂逅? 不, 死纏爛打.....

是我的朋友就知道, 某隻動物很常說: "滑鼠是除了你另一半外, 最常摸的東西, 不, 可能還要常...", 所以說, 找一隻好用與合用的滑鼠, 其重要性不輸給找對的另一半 (誤).......

雖然 "效率" 是句充滿 "罪惡" 的名詞, 但若因為有好的工具, 因此可以好好的工作 (或玩), 是件合理也不過的事, 在之前我已經有太多文章去 "推廣" 三螢幕, 或是 "六螢幕", 也講過幾篇 "左手鍵盤/雙滑鼠", 或是幫助你輸入的 "Gadget", 等等的東西, 但好像還沒寫過滑鼠的事, 但這不代表滑鼠不重要, 是太重要了.

在我開始用 Macbook Por 成為我工作的唯一的平台時, 一開始用的是 Logitech MX1000 與 M950 之類的大型桌上滑鼠, 但這真的很不方便攜帶, 因此不到一年就換了 Logitech VX Nano, 而這一用, 就用了兩三年, VX Nano 當然是當時為了 Notebook 做的滑鼠, 而 Logitech 對 Mac OS 都有比別人好的支援, 因此說要換成其他滑鼠的機會不高.

VX Nano 除了小外, 還有兩個多出來的功能鍵, 這個在 Mac 的使用上, 我都設成 Desktop (桌面) 及 All Application (顯示所有應用程式), 這樣的切換, 比 Task Bar 之類的快太多了, 且不用去移動滑鼠, 只是人是貪心的, 兩個不夠用往往想要的是更多的, 而當 G700 出來的時候, 說這個 13 鍵都可以定義時, 我就躍躍欲試, 但結果是 "Only Support God Damn Windows" 時, 就只好冷下來了, 期待那天 Logitech 羅技大發慈悲的出 Mac OSX Driver 再說.

當然一個滑鼠的好用, 須要用很多方面來討論:

0. 人體工學: 好握是很重要, 每一個人都不一樣, 要看手的大小及習慣來選擇.

1. 解析度: 解析度越高當然代表你能夠在最短的距離去你要的地方, 這對手的疲勞幫助相當大, 當我忘記帶滑鼠一換到別人的滑鼠時, 用一整天手都會很酸, 這個尤其在用多螢幕時會更明顯.

2. 按鍵: 有的滑鼠按鍵抄難按, 按到手酸都還沒按下去, 當然除了標準的兩三鍵外還有其他的鍵可以自設的話, 那就太棒了, 當然人一隻手指頭只有 5 隻, 太多還是會搞混的.

3. 反射能力: 從光學到雷射, 滑鼠的定位靠的是跟桌面的關係, 早期滑鼠是用滾輪, 但我想現在應該沒甚麼人在用了吧, 而雷射的波長比紅光更短, 雖然須要更高的運算速度才能解析, 但有能力解析的話不只解析度能增加, 也可以在更多桌面上使用, 現在還有可以在玻璃桌面上用的滑鼠.

4. 滾輪: 現在沒有人不用滾輪的滑鼠吧, 所以這邊要說的是滾輪的好壞, 尤其是好的滑鼠往往有無段跟有段的切換, 甚至驅動程式有加速能力, 都會讓滾輪變好用.

5. 定位能力(滑鼠墊): 這定位能力指的是準確度, 當然這個不只跟滑鼠有關, 滑鼠墊的因素也是相當重要, 有些人喜歡用照片或有圖案的滑鼠墊, 事實上透過不同的顏色與材質都會有些微不一樣的反射狀況, 一個好的滑鼠當然沒問題, 但不夠好的滑鼠就會有問題.

6. 滑鼠墊片: 滑鼠好滑很重要, 好滑就是在於與滑鼠墊與桌面接觸的那個地方, 通常會有個易滑動的墊片, 但這個用久了會磨損, 因此過一陣子就要換掉, 你可以去光華商場買, 這是很多人很常乎略的一環.

7. 無線: 這個最後講, 因為這個各有利弊, 像這隻 G700 就有雙模, 想要無限制時就拔掉線, 追求精確度時就插上線, 當然並不是每一隻都能這樣, 所以要好好想清楚你要的方向, 但通常除了打電動外 95% 都是選無線準沒錯.

N. 價位: 都已經說這個比選另一半還重要了, 你還在用不須要請小朋友出面的滑鼠嗎?

而在有一次, 以為我的 VX Nano 丟掉時, 我就再次尋找, 雖然官方還是不支援 Mac, 但已經有人說是可以用的, 利用其記憶設定的方式, 先去 Windows 設定再來 Mac 用時, 我這時候也終於有 Windows 的電腦了, 因此是有機會是可以一試的, 只是有兩個大問題, 一個是雖然說可以去 Windows 設定, 但 Windows 的功能鍵跟 Mac 是不一樣, 而對我最基本的 Desktop 與 All Application 不是普通的按鍵, Windows 不見得會有, 即使其他鍵可以設, 對我而言還是有跟沒有一樣, 但最後沒買的原因是一個更重要的原因: 只是這隻死老鼠躲進我包包的夾縫, 只是一時沒找到.

雖然後者的因素沒有了, 但前者的因素我還是要去了解, 因為真的有人說可以, 所以在發生 628 癮事件後, 我剛好有兩個理由真的去找那位朋友測試滑鼠兼問八卦了.

一開始時, 發現 Logitech Control Center 真的抓不到 G700, 所以我只好仔細研讀那篇文章, 他說有兩個方法:

1. 利用記憶設定先去 Windows 設定 (這個大家都知道)
2. 改用 SteerMouse Driver

事實上我在三四年前為了解決 M950 時, 也是使用 SteerMouse 的 Driver 來去辨試, 就立刻下載來用, 發現所有的鍵真的可以抓得到且能夠去自己設定, 更重要的是 Desktop 與 All Application 的 ShortCut 方式甚至比羅技官方寫的 Driver 更好設定, 因為以前為了要做到這件事, 是必須要把這功能 Bind (綁) 在功能鍵上, 然後去 Emulation, 而現在是完全不用, SteerMouse 一開始就可以直接選這樣的功能.

所以過了幾天, 我就下單了...

這篇就這樣完了嗎? 那樣這篇就是閃光文意味居多了, 我寫這篇除了要勸敗外, 是要跟大家討論你會如何設這些鍵?

我一開始是這樣設的:

1. 左上角有三個鍵: 依序是 Expose 的 Show Desktop 與 All Windows, 第三鍵是 Switch Application.
2. 姆指四鍵是: 空白, Enter, Firefox 與終端機, 因為空白可以翻頁, Enter 可以直接輸入, 而 Firefox 與終端機是我最常用的兩個應用程式.
3. 中鍵按下去是另開視窗, 也就是 Command Primary Click.
4. 中間在滾輪模式切換下面的那個鍵是 Move to Close Button.

我原本是這樣設的, 但後來才發現一個 SteerMouse 也可以支援不同應用程式有不同的設定, 此時我就設:

1. iTunes, 把 Firefox 與終端機那兩鍵變成下一首與上一首.
2. Firefox 模式時: Firefox 那鍵變成上一頁.
3. Terminal 模式時: Terminal 變成 Copy.

我一直很納悶工作的須求市場應該比遊戲市場大很多, 且一個好的輸出入設備對工作效率影響很大, 但為甚麼沒有多少上班族知道這重要性, 更廠商也沒有去針對這方向去開發中高階市場, 最後變成電玩或電競的設備變成是較好的選擇, 我相信若能夠針對這樣市場去開發應該很有潛力阿....

2011年7月11日 星期一

Google+ 的圈圈及以外的六項武器

"若有一個像噗浪一樣好用的系統, 但有小圈圈的功能, 我二話不說一定會跳過去..."---- GH404X, 2009 (噗浪第一年)

在 Google+ 襲捲台灣不到兩個星期, 噗浪在 Alexa 跌了一名, Twitter 留言銳減, Facebook 有沒有受影響? 沒有人說得出定論, 但已經出現不知道多少有趣的圖來說 Google+ 如何掌 FB 一巴掌了, 所以要我來做個有趣的預測的話, 我會說:

1. 噗浪既有的人口有一半會被 G+ 帶走, 因為噗浪的好操作以及實用性在某方面是無法取代, 對於不依賴資訊的人是足夠使用的, 加上還是有新人進來, 只是未來的高峰應該只有現在的 70% 而已.

2. 由於 Google 使用者將會有 9 成轉成用 G+, 其中台灣與 Twitter 的使用者族群重疊, 因此 Twitter 在台灣未來可能連現在的 3 成都不會到, 畢竟 G+ 是給資訊缺乏症者很好的藥, 給傳教士有很好的管道, 給公關與媒體業的人制定圈圈極好的工具, 可能在台灣受影響最大的是 Twitter 了.

3. Facebook 會不會影響這麼大是很有趣的問題, 雖然說 9 成使用 Google 的用互會放棄 FB 轉到 G+, 但 Google 的用戶並從廣義到狹義是 2 成到 4 成之間, 尤其是那些 Yahoo 的使用者不太可能因此轉移, 因此接下來的問題不是 Google Plus 的挑戰而已, 而是 Google 在台灣的挑戰, 因此 FB 在台灣的成長空間不只是是要面對全球 FB 滑落的問題了.

4. 部落格的影響可能在 Plurk 或 Facebook 的成長時已經打擊過了或使用者轉移過一次了, 而現在的問題不是 G+ 的功能, 而是未來的功能, 若增加與其他社群的結合時, 反而對 Blogger (現在已經叫 Google Blog) 不是壞事, 相較前面幾種微網誌, 部落格可能是影響較小的.

但這篇文章不是想寫台灣在 Google+ 出現之後對 SNS 的影響, 而是未來的幾個關注重點:

1. Toolbar: 10 個人有 9 個人說 G+ 最大的 Killer Function 不是在於他的自己的功能, 而是 Google 這隻大雞可以帶小雞的能力, 其中若是所有的 Google 的服務都有 G+ 的 Toolbar Button, 以後幾乎沒有人不會在用 Google 時順便使用 G+了, 尤其是 "分享" 是種會擴散的東西, 這在未來是相當重要的一個因素.

2. Search Engine (+1): 由於 Google 有搜尋引擎的優勢, 因此這個 +1 很快的就放在搜尋結果頁了, 再加上相關服務, 在未來可能 +1 會無所不在, 在上跟上面 Toolbar 的相輔相乘, SNS 須要的就是足夠的內容與服務, 這個對 Google 而言跟本不算甚麼.

3. Android: Facebook 與 Twitter 最大的問題是沒有 Device, 但 Google 有 Android, 我們都知道原生機器的優勢, 未來 Android 與 Google+ 的結合, 無論是訊息, 視訊, 相片, 定位 (LBS), SNS, 若是在每個 Android 都是內建 G+, 那誰要用 FB 阿? 話說我還沒有 Android 手機, 有錢一定要買一隻.

4. OpenSocial/FriendsConnect: 若是 Google 可以有 FaceBook Markup Language 那樣的 Container (容器), 此時 Google+ 是很好的 Platform 了, 加上跟既有的 OpenSocial/FriendsConnect 結合, G+ 可以在 Blogger/Google Blog 遍地開花, FB 也不得不更開放 FBML 了.

5. API: Google 的透通性 Transparent 是眾所知道是最強的武器, 雖然到現在沒有真的公開其 API, 但可以相信會相當有趣的, 很多 Developer 開發者已經躍躍欲試了, 當然 G+ 的樣式在未來應該會比 Facebook 更開放, API 應該也無庸至疑的.

6. Gtalk: 在之前, gtalk 並沒有較好的圈圈與分類的功能, 但在有 G+ 的視訊聚會功能, 基本上就像是一個很自然的聊天室, 尤其這個跟 Andriod 與 Gmail 的結合, 我已經準備買一台 Android 手機了.

上面說的六項重點, 說是 Google+ 的六項武器也不為過, 但真正紮實的攻擊力就是圈圈, 目前就 Google+ 來看有下面幾種圈圈的可能性:

1. 社交圈以及分類: 任何訊息可以設定圈圈閱讀, 這個分類可以做任何組合, 目前圈圈的發布是很彈性, 但閱讀還無法做組合, 例如只讀幾個圈圈的訊息是沒有的功能.

2. 延伸圈圈: 目前延伸圈圈設定為有加你為圈圈但你沒去圈他的人, 所以這訊息算是半公開的, 但在實務上還是有特定對像, 這對於某些隱私有很不錯的幫助.

3. 被管理的圈圈: 粉絲團或社團在 Google+ 可以很輕易的用外部控制的圈圈來做到, 包含開放加入或管理者申請加入的, 這個在於用在共同協作平台或工作及 "組織" 有很不錯的幫助, 就像是加好友或圈圈, 若是社團屬性的話, 只要一加入這個圈圈, 就不用當新人一加入後每一個人都要加入了.

4. 組織化的圈圈: 目前這些圈圈並沒有子集合或母集合的觀點, 若是有這樣的組合的話, 圈圈的管理會更方便, 你只要做其繼承, 很多連結(圈入)只要設定一次就可以出現在其母圈圈, 就像是公司與部門, 甚至是管理者的小集團.

當然目前 Google+ 的圈圈還沒有組合, 管理, 外部, 但若能做到這樣, 圈圈的管理會更人性, 但相對的會更複雜, 但這些都是 Option, 不是必要, 但之中取捨的拿捏蠻不簡單的.

但說到這樣, 似乎代表 Google 的戰略面真的很厲害嗎? 但事實上再好的戰略也要有足夠的資源去支持, 沒有以前的努力, 怎會有現在的資源呢? 這也是大G 帶小g+ 的真締阿?

註:圖是紅色死神幫我畫的, 特此致銘感謝.. 跪泣...

User Behavior Feedback to Content 使用者行為回饋內容系統 (I) 前置與前言

網站的經營最有趣的地方不是在於網站的內容而已, 而是如何跟使用者互動, 這跟其他非互動媒體 (雜誌, 報紙, 等等) 不一樣的地方, 至少在時效性是完全不一樣的...

大家都知道, 這個互動包含 UGC (User Generated Contents) 以及最單純的網站觀察所帶來的經營參考, 當然這個對每一種網站都有不同的方向與重要性, 無論是電子商務網站, 討論區網站, 活動展示網站都會有不同的考量.

只是大家都知道使用者導引是很重要 UI (User Interface) 的一環, 當然這個利用在圖書館定位是種參考服務, 早期這種東西都是用人來操作, 這是最人性的方式, 但事實上在成千上萬的使用者網站來看, 這種 "Guide" 導引服務是不可行的, 一定要用機制來完成, 這種機制有三種方向:

1. 使用者自己的行為
2. 其他使用者的行為
3. 使用者自己對應在其他使用者的行為

說到第一項大家都知道就是在你去看拍賣網站或電子商務網站中的 "你瀏灠過", 或者是在討論區網站的 "你回應/發表過", .... 等等的項目, 因為人的行為若在網站上有互動, 其行為是某種收歛的, 因此從過去的行為就可以做為未來行為的導引是無庸至疑的.

第二項是其他使用者的行為, 最常見的是排行榜之類的資訊, 因為即使每一個人的行為再怎麼不一樣, 都有其共通性, 所以大家的共同行為是很好的導引. 但除了無聊的排行榜外, Data Mining 提供了對單品/單文章做進一步的共同購買, 關聯閱讀是最常見也最直覺的方式, 當然這個的計算是比排行榜須要更多的資訊與資源才行.

最後一項是若我們也搜集足夠的資訊, 無論是對整體, 族群或個人, 就應該可以進一步對一個人做建議與導引, 這個在 Facebook 的好友建議已經有不錯的展現, 只是這個若能更加入一些回饋就好了.

但我寫這篇不是要講上面這三點, 因為這三點這樣的邏輯是誰都可以推論出來, 只是要如何做呢?

我們都知道, 經營一個網站要從使用者給導引, 但這個導引必須要從這些 Raw Data 找出共通性, 若沒有了共通性, 任何一個點擊, 任何一個網頁瀏灠都是獨立的, 若沒有共通性來指引, 就無法歸納出經驗以及可行性來做協助.

當然資料本身很難有共通性/共同性, 往往須要人的協助以及人的定義, 例如一個點擊沒有意義, 但我們可以把一個網頁切割成很多區塊, 從區塊的 click through 來跨時間以及跨類別之類的定義後, 就可以讓使用者使用資訊變得更精確.

因此若我們經營網站有個 KPI 的目標, 無論是消費, 貼文章, 等等的最終端行為一定會有很多的過程, 記錄這些過程不只用來我們做為結果因子分析很有幫助, 更者這些過程若能做為其他的使用者做導引, 更容易導到我們最想要的 "終端行為", 所以這些行為不能只是做為分析用, 更可以內容使用, 而有那些行為應該記錄呢?

1. 使用者是因為那個網站來的?
2. 使用者是因為那個關鍵字來的?
3. 使用者在網站內部最近是搜尋那個關鍵字?
4. 使用者是因為那個活動進來的? 或者是終端行為最後一個活動是那個?
5. 使用者最近點過那個首頁區塊? 或者是第一個首頁區塊?

當然還是有很多行為是該記錄的, 無論這個終端行為是 "下標", "下單", "發文" 等等, 因為網站的屬性多少都有不一樣的狀況要記錄, 而把這些資訊足夠被記錄到 Cookie 的時候, 當終端行為發生時, 就可以對這些行為做回饋, 那怎麼回饋呢? 就下回分解...

備註: 原圖取自 http://www.erinlynnyoung.com/244/user-testing-fallacies/ , 不知有多少網站真的做過 User Testing?

LinkWithin

Related Posts Plugin for WordPress, Blogger...

熱門文章