概念地圖・資料網路效應
作者 山姆（謝冠生）・喵喵書評創辦人
發布
分類：策略
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
資料網路效應：那條環會在哪一段傳不下去
資料網路效應說的是一個環：用戶越多，累積的資料越多；資料越多，模型越準；模型越準，體驗越好；體驗越好，用戶又更多。這張圖把那個環畫出來，再在旁邊疊一條曲線——橫軸是資料量，縱軸是模型改善的幅度，先陡，然後趨平。環是拿來講故事的，曲線是拿來對帳的。多數人只講前面那個環。
那個環，跟那條會趨平的曲線
先把兩件事分開放：環在講方向，曲線在講幅度。方向人人都會講，幅度要拿數字對。
| 環上這一段 | 說法上它該怎麼運轉 | 它實際會斷在哪裡 |
|---|---|---|
| ① 從用戶多到資料多 | 用戶越多，累積下來的資料越多 | 累積的多半只是操作紀錄，缺少可訓練的標註；時效性資料還會過期 |
| ② 從資料多到模型準 | 資料越多，模型的判斷越準 | 報酬遞減，過了拐點十倍的資料只換到零點幾個百分點 |
| ③ 從模型準到體驗好 | 模型越準，使用者的體驗越好 | 改善幅度低於使用者的有感門檻，體驗那一格根本沒有動 |
| ④ 從體驗好到用戶更多 | 體驗越好，來的用戶越多 | 同樣的資料市面上買得到，法規上的可攜權還讓它搬得走 |
| 內環：直接網路效應 | 用戶越多，對其他用戶越有價值 | 一跳就回到用戶，中間沒有轉手，也就沒有這四段各自的斷法 |
把最後一列讀一次，會發現一件事：這條環之所以常被拿來當護城河講，是因為它有四段可以各講一段好聽的；而它之所以常常淺，也是因為它有四段可以各斷一次。四段全部成立，環才轉得起來——只要任何一段的傳導係數掉到接近零，前面幾段做得再漂亮，也停在那裡。搜尋與推薦這類產品常被拿來當範例，但那是四段同時成立的少數狀況；多數公司引用它的時候，自己手上那四段還沒對過帳。
你這條護城河有多深，四段各算一次
一、資料是被記下來的，還是被標註過的。系統每天長出來的多半是操作紀錄：誰在幾點按了什麼、單子從哪一格移到哪一格。紀錄要變成能訓練的資料，中間得有人告訴機器「這一筆的結果是好還是壞」。沒有那一層標註，資料量的成長只是硬碟成長。另外還要問時效：三年前那批，今天還代表現在的世界嗎。自問：我手上這批資料，有多少比例附得上結果標籤？
二、多的那一批資料，還能買到多少改善。這一段要看的是邊際：每多一批資料，換到多少改善。把過去幾次資料量翻倍的節點抓出來，看每一次模型指標動了多少——通常你會看到一條往下掉的階梯。掉到零點幾個百分點的那一階，就是拐點。拐點右邊的資料還是有用，只是它買到的多半是維持，很難再拉開距離。自問：上一次資料翻倍，模型指標動了幾個百分點？
三、模型準了幾個百分點，使用者看得出來嗎。這一段是整條環最少人量的。使用者身上有一道門檻：改善幅度低於那道門檻，他的體感就是「跟上禮拜一樣」。門檻高低跟產品形態有關——等待時間要縮到分鐘級才有感，推薦準確度要跨過「這次終於猜對」那一次才有感。模型指標跟體感之間，往往不是同一條線。自問：最近一次模型上線，有沒有使用者主動提過差別？
四、同樣的資料，別人要花多久拿到。護城河的寬度，看的是對手補上要付多少代價；你手上有多少，只是其中一個變數。若同一批資料在市面上買得到、公開資料集裡下載得到，或監管把可攜權給了使用者，那條河的水就一直在漏。真正難補的資料通常長這樣：只在你的流程裡才會產生、而且要靠你的人當場判斷才標得出來。自問：對手若肯花錢，多久能買到跟我等級相近的資料？
一家拖吊車隊的四年出車紀錄，走一遍那條環
- 第一段：用戶多到資料多：接單量上來以後，每一趟都留下報案時間、地點、車型、抵達時間。四年下來是一整座倉庫。但「這一次派錯車了嗎」「那台其實可以更早出」沒有人回頭標，倉庫裡多的是流水帳。紀錄多，標註少
- 第二段：資料多到模型準：第一年最有感。派車順序與預估到達重排之後，抵達時間中位數從二十二分鐘掉到十五分鐘，掉了七分鐘。這一段就是曲線最陡的地方。拐點前的甜頭
- 第三段：模型準到體驗好：之後三年，模型的預估誤差還在慢慢縮小，抵達時間卻停在十四分鐘上下。三年只再往下一分鐘。剩下的時間卡在拖車還在路上、卡在車主停在地下停車場、卡在交流道回堵——那幾段不歸模型管。指標在動，體感沒動
- 第四段：體驗好到用戶更多：業務去談保險公司的合作案時，對方問的是尖峰時段的到場承諾。同業拿市售導航的路況資料也做得出差不多的預估，四年出車紀錄在談判桌上換不到溢價。買得到的那一半
這家車隊的環，其實在第三段就停住了。第一年那七分鐘是真的，也真的來自資料；問題是第二年之後，資料還在長，改善的幅度已經掉到車主感覺不到的地方——而護城河是築在車主感覺得到的那一段上。他們手上真正稀有的東西，其實是「哪一種現場最容易拖延」這類要靠司機當下判斷才標得出來的東西，而那四年裡沒有人去標。倉庫越蓋越大，可訓練的那一格反而空著。以上為說明結構用的示意情境，僅供理解框架之用。
這條環哪幾段會斷
- 把紀錄當成資料資產。多數 B2B 系統累積的是流程紀錄，不具備訓練所需的標籤。誰按了什麼、單子幾點結案，這些欄位能做報表，離「告訴機器哪一種做法比較好」還隔著一層人工判讀。談資料網路效應之前，先算得出可訓練樣本有幾筆——通常那個數字比總筆數小一到兩個量級，而且成長速度取決於有沒有人在標，不取決於有多少人在用。
- 借直接網路效應的故事，替資料網路效應背書。兩者的環長度差很多。直接網路效應一跳就回到用戶，中間沒有中介；資料要當中介，中間就多了三個轉手，每一個轉手都是一次衰減。用「用的人越多它就越好用」那套講法去描述一個四跳的環，聽起來一樣順，但漏掉的正是三個最容易斷的接縫。簡報上一句話帶過的地方，通常就是實際上停住的地方。
- 把存量當護城河。資料是會過期的資產，尤其是路況、價格、庫存、偏好這類時效性高的欄位——衰減的速度可能比累積的速度還快，帳面上的總量一直漲，能用的那一份卻幾乎持平。加上公開資料集、資料供應商與監管給的可攜權，很多人以為要花三年追上的差距，對手一張採購單就補掉大半。存量要變護城河，得先證明它同時稀有、不過期、而且搬不走。
這條護城河真正在保護的那個痛
這條環上其實有兩條線在走。
第一條是資料變多、模型變準，量得到，儀表板上就有。第二條是那點改善有沒有辦法被使用者感覺到，多數公司連量都沒量——然後把第一條線的斜率，當成第二條線的斜率在講。護城河長在第二條上。P.A.I.N. 的第一個問題問的是誰在痛、痛到什麼程度，不問你的模型準到第幾位小數；模型多對兩個百分點，如果車主在路邊等的那十四分鐘沒有變短，痛就沒有變輕，這一圈等於白轉。真正把對手擋在外面的，是「同一個痛，你解得比別人明顯地輕」這件事被使用者親身確認過。這張圖畫得出資料量與模型改善之間的關係，畫不出使用者在哪一刻開始說得出差別——那道門檻長在人身上，不在資料裡。
打開你最近三個月的模型指標，在每一次改善旁邊補一欄，寫下那次上線之後使用者實際說過的話。這一欄會告訴你，環到底轉到了第幾段。
關於資料網路效應，常見問題
資料網路效應跟網路效應是同一件事嗎？
環的長度不一樣。直接網路效應是一跳：用戶越多，對其他用戶越有價值，價值直接回到用戶身上，中間沒有中介。資料網路效應要繞四跳：用戶產生資料、資料訓練模型、模型改善體驗、體驗再帶來用戶。每多一次轉手就多一次衰減，也多一個可能斷掉的接縫。兩者常被混在一起講，但要驗證的東西完全不同——一個看用戶之間有沒有互相需要，一個看四段傳導係數各是多少。
我的系統每天都在收資料，這樣算有資料網路效應嗎？
先看那批資料能不能訓練。多數系統長出來的是操作紀錄：時間、欄位、狀態變更，能做報表，做不了訓練樣本，因為缺一個告訴機器「這次結果好不好」的標籤。第二個要問的是回饋有沒有真的接回產品：資料進了倉庫、模型也重訓了，使用者那一端維持原樣，那條環就只走了半圈。收資料是必要條件，離護城河還有三段路。
資料越多，模型就一定越準嗎？
在拐點左邊大致成立，右邊就不成立了。曲線起步最陡：從幾千筆到幾萬筆那一段，模型指標常常跳得很誇張。過了某個量以後改善幅度迅速趨平，資料量再翻十倍，指標可能只動零點幾個百分點。這時候拉開差距的通常換成另外三件事：資料的品質、標註的細緻度，以及有沒有拿到別人拿不到的那一類資料。把拐點左邊的斜率外推到右邊，是這個框架最常見的誤用。
怎麼判斷自己已經走過拐點了？
翻歷史紀錄，找出資料量每次翻倍的時間點，把當時的模型指標對上去，畫成一條階梯。階梯一路往下掉、最近一階只剩零點幾個百分點，那就是已經在拐點右邊了。再補一個更硬的檢查：那幾次改善之後，客訴、留存、完成時間這些使用者端的數字有沒有跟著動。模型指標動了、使用者端沒動，代表卡的位置在第三段，再多資料也推不過去。
環上其他幾種鎖，另外兩張圖各拆了一種：轉換成本與鎖定 拆的是使用者想走的時候要付出什麼；飛輪效應 拆的是自我強化的循環要怎麼判斷它有沒有真的自轉。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。