迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
消費者洞察例子 在 玩遊戲不難,做營運好難 Facebook 的最讚貼文
🔥商業案例與營銷文章分享 2021-02-26
本次分享以下六則文章:
📺《都已經2021年了!就別糾結什麼自然觸及了吧?》
📺《項目覆盤:如何避開從0~1構建AB Test過程中的坑(下)》
📺《八張圖,看懂數據分析如何驅動決策》
📺《策劃人的這些好習慣,分享給你》
📺《客戶細分方法論全解及行業應用》
📺《Clubhouse下載量破800萬、Twitter立馬推相同功能!「聲音大戰」打到哪了?》
====
📺《都已經2021年了!就別糾結什麼自然觸及了吧?》
https://bit.ly/2ZSBer3
這篇文章我想有在操作粉絲團營運的小編應該會心有戚戚焉,每篇文章都要絞盡腦汁提高按讚數、衝高分享數、增加留言數,為了就是達到公司設定的KPI,彷彿達到了,公司的業績也達標了,但事實上,粉絲團的好壞對於公司的業績,其影響是微乎其微。
以遊戲粉絲團來說,最主要的累積是來自於上市前的事前預約,而這群玩家多是遊戲上市時的早期嚐鮮者,上市後會按讚粉絲團的玩家只會越來越少。也就是說,粉絲團內的粉絲最理想的狀況也只會是一群已經下載遊戲的玩家(更多時候是一群殭屍粉...),因此粉絲團最大的功用在於做好溝通與維繫以提高玩家留存。
而且如文章所說,很多公司的粉絲團是營運人員「兼」著做,而非像全聯、蝦皮有完整的粉絲團團隊,甚至還請外部行銷公司一起討論操作,在質量和數量都無法兼顧下,想以此帶入新玩家或是提高營收,真的非常困難。
📺《項目覆盤:如何避開從0~1構建AB Test過程中的坑(下)》
https://bit.ly/3qThBeo
先前一直有提到ab test,ab test是能夠在同一個時空、條件下,隨機將用戶分成數群進行測試,目的是盡可能排除不必要的變因避免干擾測試結果,而這篇文章提到了另一個測試叫做「aa test」,也就是將受試者分為兩群,但兩群的處置卻都是一樣的,我這邊舉個例子來說明aa test和ab test。
假設某款遊戲想確認商城按鈕擺放的位置是左上角還是右上角比較醒目(左上角是目前的介面):
👉ab test的操作就是將用戶分成兩群,a群會看到左上角,b群會看到右上角,觀察這兩群玩家後續付費轉換率哪個比較好
👉aa test則是將用戶分成兩群,但a群和b群都先看到左上角,目的是先確認這兩群的轉換率是否差不多,藉此可以得到相對準確的baseline,以確保後續做的ab test成效更貼近真實。
📺《八張圖,看懂數據分析如何驅動決策》
https://bit.ly/2MrZ8Xi
這篇文章將營運規劃做很完整的拆解,從單純的做事,拆解成為什麼做(WHY)、怎麼做(WHAT)、如何做(HOW),然後再一步步越拆越細,透過拆解和釐清,能夠幫助你更清楚整件事情的全貌,以及到底想要達到什麼樣的成果。
就像老闆常說的:「不要只做事,要做對的事」,職場上,做苦勞是得不到掌聲的,要設法聰明的做事,而這條路,每個人都有很長的路要走,一起加油!
📺《策劃人的這些好習慣,分享給你》
https://bit.ly/2P2QyPw
文章分享了15點營運人員平常可以培養的習慣,我分享幾個我蠻認同的部分:
✅看完一部電影/一本書後,試著去講給沒有看過的人聽
👉這個蠻好的,可以強迫我們去重新建構內容並表達,有時候我們認為看懂了,其實並不見得,往往講出來才發現自己也沒搞懂,也是培養我們的提案和表達能力
✅隨時記錄那些不經意間腦海里閃現的點子
👉我平常會在洗澡和睡前的時候做發想,如果有新點子是會立刻記錄下來,現在line可以開一個只有自己在的KEEP筆記,我覺得相當方便,可以把一些看到的、想到的往裡面丟。
✅如果時間充足,盡量不要從創意倒推“掰”策略
👉簡單說就是不要先射箭再畫靶,比較嚴謹的做法應該是先從觀察、數據、事實去推導出策略,但這件事其實有時候不太可控,就跟營運目標一樣,高層如果硬要制定一個摸不到又構不著的目標,然後又要團隊想出達成該目標的具體策略時,我們也只能含淚吞掉,給出各種奇思妙想作法和拼湊數據。
✅多去看一些專業範疇以外的書,雜一點比較好
👉閱讀很重要,除了看專業書籍外,多涉獵其他書籍是好的。
✅提案的時候,前幾頁一定要提前演練講一遍
👉演練是一定要的,越熟越好,如此在提案時整個口條才會順暢,每頁簡報要講什麼、下一頁是什麼都了然於胸會提高你整個提案的自信心,提案除了邏輯正確外,氣場要強也是不可或缺的一環。
✅以消費者的視角,真實地去體驗試用客戶的產品
👉連自己產品都沒用過的話,是無法提出好的提案
✅不要滿足於現象,要透過現象挖掘背後原因
👉保持好奇心,多花時間問問為什麼
📺《客戶細分方法論全解及行業應用》
https://bit.ly/3dPiUHo
這篇文章分享了如何由簡單到複雜去拆解用戶:
✅至簡式客戶細分:按客戶凈值、客戶數據來源、消費頻次、年齡、當月累計消費金額等來區分
✅業務分析式客戶細分:按用戶生命周期、用戶運營流程、用戶積分等級(忠誠度)等來區分
✅組合式客戶細分:RFM模型,是用“最近一次消費 (Recency)”、”消費頻率 (Frequency)”、”消費金額 (Monetary)來區分
✅業務洞察式客戶細分:阿里八類人群等
文章中有具體分享每種分法的優缺點,分的方式不同,後續的分析就會不同。
題外話,
重點是拆分後要落實後續的追蹤與各自的營運策略與溝通方式,
細分才有意義,「千人千面」總是營運最理想的境界。
📺《Clubhouse下載量破800萬、Twitter立馬推相同功能!「聲音大戰」打到哪了?》
https://bit.ly/3aR3DEc
其實聲音大戰很早就開始了,從最早的有聲書、到「得到」的知識音頻服務APP、到去年竄紅的Podcast,就能看出端倪。
這裡不是說眼球的關注已經不重要了,而是用戶眼球能關注的事物和時間越來越少,所以大家才開始搶占耳朵的關注。
Clubhouse現在的爆紅主要是因為目前產品處在生命週期起始階段,吸引了一批早期嘗鮮者進駐,包含許多當紅的KOL都湧進去,在KOL自帶流量、推薦碼稀缺及國內外大佬推薦下,吸引了大量新用戶前往朝聖。
但KOL為什麼想在Clubhouse討論?
為什麼願意無償分享知識?
為什麼願意花時間去設計主題、整理資料做互動?
我認為這一切都源自於「嚐鮮」,一但新鮮感不在,產品無法帶來更多價值(例如幫KOL增加更多粉絲或是增加收入等),這群KOL勢必會逐漸離開這個平台,到時候還有多少人願意發起討論?還有多少人願意花時間聽?就不得而知了。
Clubhouse勢必跟Youtube一樣,得從素人化走向精緻化與節目化,而Clubhouse本身的產品定位會更快加速此進程,後進者可能馬上就會面臨到這個問題。
#圖文同步部落格
消費者洞察例子 在 許景泰-Jerry粉絲團 Facebook 的精選貼文
【如何發展難以抗拒,獨一無二的銷售企劃??】
► #早鳥優惠倒數1天,只到12/27!再抽「一對一顧問式企劃諮詢」(價值$15,000)!已超過500位學員加入,不再錯過:https://bit.ly/3lBRS6R
我認為無論是行銷、業務或是專案人員,都要有能力推出難以抗拒,獨一無二的「銷售企劃」,才能讓手上看似平庸的產品大賣!你也許會說,說得容易,但如何做到?我想用以下幾個例子,讓你明白,如何做出好的銷售企劃?
這一篇專文特別寫給:行銷人、銷售業務、企劃人員,還有賣不出去產品的朋友!看完覺得受用,歡迎轉發。
一、#解決問題,才是一切銷售企劃的開端:
厲害的銷售企劃,會引導客戶走上你想要他走的路。但我們往往會太過專注在我們「產品」身上,忽略了「客戶」真正要解決的問題為何?
例如:賣水可以賣到掛牌上市的「農夫山泉」。它若是賣瓶裝水事業、賣市面上都買得到的礦泉水,那麼他絕對不會脫穎而出。
首先,農夫山泉在推出前,先是洞察到中國有多數人不相信自來水的品質,寧願多付一點錢買到天然的水。但市場上,雖有人這樣做,但做得不夠徹底。更白話說,有做但沒太多人知;有做,還沒成為消費者第一心智,第一會浮現、聯想到的水。因此,農夫山泉刻意的抓住這點,在這點上集中使力,做出品牌區隔,目的就是在中國瓶裝水市場激烈競爭中,讓消費者能夠一眼「辨識」出什麼是「天然水」?什麼是「一般礦泉水」?事實上,你明白的兩者之間,多數人很難喝不出來差異在哪,但好的銷售企劃,就是能在「同中求異」裡,做出明顯的辨識度,引出一條明確的解決之道。
接著,當它將「農夫山泉」的定位訴求在天然泉水後,就要找到一個能夠朗朗上口、深入人心,足以洗腦、佔領消費者第一心智的口號,廣告公司想了一個詞叫「農夫山泉有點甜」,意味著來自天然潔淨高山上的泉水是帶有一種天然甜味的,讓人難忘又好記。
相應於定價策略,你說,來自從山上來的水怎能賣的便宜?一瓶水賣2元人民幣,就是要比市面上一般礦泉水貴那麼一點,才足以和產品定位相匹配。你要記得,農夫山泉賣得不僅僅是解決消費者口渴問題,而是能喝到安心的水,買到無價的健康。
從以上這個例子,你就會明白,無論你在哪個工作崗位,都要懂得做一名出色的銷售企劃。好的企劃,銷售的不單是產品,而是提供目標客戶「解決之道」,然後用一套引導消費者的思路,去用「事實證明」,來搶佔消費者第一心智,才能讓客戶難以抗拒。
二、#不斷琢磨客戶心底的話,是企劃好壞的決勝關鍵:
每一次在跟目標客戶討論對產品的想法時,不要陷入忙於說服客戶或回答客戶的質疑。讓你的目標客戶、競爭對手客戶,說出「#心底的話」,那絕對是你是否能提出一個好的銷售企劃致勝關鍵。
我會要求,客服每月要固定訪查購買過的客戶,對於為何買?買後的反饋做一個詳實的訪問,做錄音訪談紀錄。從訪談中,常常會找到「問題決勝點」,你要改進、修正、挖掘的,都從不斷琢磨客戶心底的話而來。
業務銷售也一樣。產品簡介是制式的工具,但不是客戶買單成交的原因。懂得傾聽客戶問題的根本,才能找到解決客戶問題的最好因應方案。
例:客戶說沒錢?業務可能就認為等客戶有錢在來談。殊不知客戶心底話是,打從一開始就不清楚為何要花這筆錢?投資在你提供的產品服務上!客戶不掏錢,往往沒法深切了解,買了為何?解決什麼?沒有感到「擁有」和「沒有」之間的巨大差異。
最好的方法是,我建議你,可以將每一次客戶拒絕的理由,列出一份問題清單。然後試著釐清,你是怎麼回應客戶的?你是怎麼提出你銷售企劃的?試著找出客戶不滿、不買單、婉拒的原因。這些問題可能是:沒時間、沒預算、老闆不買單、難衡量買到的果效。
三、#就是不跟你買,釐清顧客不跟你買東西的5個解套:
你也許會問,該如何釐清客戶不跟我買東西的原因呢?以下是這5的原因,肯定是你在做銷售企劃、銷售過程一定要掌握的關鍵點。
1.#顧客沒有多餘的錢,你該怎麼辦?
記住!顧客拒絕跟你買單,十有八九都不是真沒有錢,而是看不懂你的東西「價值」在哪?換句話說,顧客根本看不懂為何你的東西「#值得」他花這麼多錢?
這時候的你,無論你是賣什麼產品,要做的絕不是死命地推銷。而是要掌握你和顧客心中衡量"價值和價格"的那一把尺,#雙方的落差在哪?
讓顧客清楚的認知到他花這個錢、用這個價格所買到的東西,絕對是超值的!你不會懷疑每一位顧客(包含你)購買東西時,都想用更便宜、更低廉的價格,買到物超所值的東西。
2.#購買的慾望,你該怎麼辦?
我遇到很多學員問我,他的顧客沒有慾望,現在就是沒有想購買,該怎麼辦?這是另一個常見的問題,就像這波新冠狀病毒的疫情肆虐一樣,顧客消費慾大減,他也許是有需求的,但就是遲遲不願意跟你訂購下單。
這時你必須懂得創造"#購買氛圍",推進顧客購買的最後一哩。你一定有看過傳統老店生意絡繹不絕,大排長龍、熱烈的氛圍吧!是的,你要先造勢才會有人流,你要先讓場子熱絡才會有人想上門,你要先做的不是跟顧客說你的產品為何好?
你要做的是,某某某也買了?你再不買可能會錯過?無論線上或線下,你要讓顧客慾望提升,炒熱氣氛、創造對的購買氛圍,你才能讓顧客甘心樂意的跟你買東西。
3.#顧客的急迫性不足,你該怎麼辦?
假使你的產品、服務都很好,但 #顧客當下就是不急著買,你卻急著的希望顧客買,雙方僵持拉扯很久,該怎麼辦呢?解決急迫性不足,你必須將心思放在假設顧客「立即就下單」會比「延遲」購買,帶來什麼具體而立即的好處上。
例如:現在顧客就下單就能得到什麼?之後下單不會有?這個得與失,會讓顧客覺得有感、有擊中痛點。當顧客認為「損失」帶來切身的影響時,或他若可以當下立即購買,即可產生對他實質的益處時,顧客的急迫性就會大幅提升。
4.#顧客沒有信任感,你該怎麼辦?
真正的社群銷售高手,不是一昧的推銷產品或服務,而是懂得建立強而有力的「信任感」。當顧客還不認為值得相信你、對你的產品或公司有足夠的信任感。你可以用強而有力的數據、顧客親身見證,以及不同能建立顧客信任的方式,讓他願意相信你。你要做的是,不只要讓他相信你、相信你公司的產品,#更重要是要顧客自己相信他自己的判斷。因為,每一個信任只有顧客打從心底,認為是出於自身的決定,才是真正的信任,也才能做到後面的成交與生意。
5.#顧客沒有需求或低度需求,你該怎麼辦?
另一種更常遇見的是,顧客根本沒有需求,或是需求度極低,你會如何面對這樣的問題呢?你必須清楚認知,你的產品不一定能滿足所有顧客,因此你也不用刻意的討好所有顧客。這只會讓你想銷售的產品定位不清?服務的顧客對象模糊不明!這時候,我建議你要常問自己,你要銷售的產品是給誰的?這個產品對哪一種顧客有的需求?#哪些顧客絕對不會是你要銷售的對象。
當你顧客輪廓、面貌、行為,愈是能清楚的具體陳述,就表示你懂得捨棄哪些不對的顧客,專心的服務某一群真正的顧客。而唯有專一、用心在對的顧客身上,你獲得的回報、投入的報酬與反饋才會是最大的!
(((這篇受用,可以分享給你同事、朋友。下面留了一個學更多銷售企劃力的課程訊息,限時優惠中,邀請您一起加入!))
★如果你想學到一套完整的【企劃力】實用的技巧,我推薦你可以加入【爆款企劃力】這16堂線上課。一次教你好懂、好用,可以把產品賣出去的銷售企劃實戰作法。
⏰#早鳥優惠最後倒數,只到本週日(12/27),訂購再抽顧問級「一對一企劃諮詢」(價值$15,000)!立即取得資格>> https://bit.ly/3lBRS6R
📢【貼心提醒】立即查看是否還有沒使用的「大大課程優惠券」,年底即將過期囉!點擊查看>> http://bit.ly/3piUys5
消費者洞察例子 在 後疫情時代,善用社群平台創造全通路策略的世代已加速來臨 的推薦與評價
舉例來說,當實體購物受疫情影響而降低消費者造訪的意願時,零售業者可同時開發替代的線上購物管道,透過無縫的體驗,包含完整的低接觸退換貨政策及多元配送管道,提供消費 ... ... <看更多>