在 Migo 工作的 Irene 是一位讀工程系的女孩,從小在美國讀書美國長大;因為大學時接受到全方位的思考訓練,在學校除了讀工程外,還要讀商學與設計,並且受到在大四時參與 Capstone Project 的啟發(到非洲參與解決農村婦女生產糧食問題),大學畢業後一心想找尋社會企業的工作,於是加入了 Migo ,目前在台北研發總部擔任 UX designer。

 

Migo 是誰?

是一間外商新創社會企業(備註1),創辦人Barrett Comiskey 畢業於美國麻省理工學院(MIT),擁有史丹福(Stanford)商學院的企管碩士(MBA),因為想解決開發中國家網路資源缺乏的問題而創辦了 Migo。

「Migo很鼓勵員工在工作上跨領域的學習,期待培養從問題角度出發來解決問題的能力,所以都稱員工為Imagineer」Irene說道。

剛開始 Irene 加入 Migo時的工作角色為 UX Designer,所以工作的內容會接觸到使用者分析,早期多數以質化性質的方式進行研究,例如:訪談使用者,後來才慢慢接觸到量化研究,而透過自學踏入資料科學的領域。

備註1:「社會企業」一詞,指的是運用商業模式來解決社會問題的組織,並以營利公司或是非營利組織的方式經營;簡單來說,一般企業的經營模式是為資方謀取最大的利益,而社會企業的營收是會循環投入企業本身,持續解決社會問題。

(cr. mit.Jobs)

 

Migo 在做什麼?

Migo全球研發暨營運總部位於台北,目前主要的產品是提供消費者可離線觀看的影音內容平台,用以解决開發中國家(例如:菲律賓、印尼、印度…等)網路影音取得不易的窘境;相較於台灣,開發中國家的網路佈署較不完善,在菲律賓因為經濟條件因素,有近七成的居民是無法負擔上網,就算有錢可以上網,各地區網路的品質也參差不齊。 Migo 看到了這痛點,使用了獨創的技術與硬體設備,並部署至當地合作商家提供居民到熱點下載影音觀看的服務。目前在菲律賓已有營運辦公室,未來即將至印度、印尼等國家拓展。另外,Migo 台北研發總部,也正在為業務擴張做準備,歡迎對社會企業有興趣的夥伴加入 Migo 開發團隊一起奮鬥。

 

資料應用從問題出發

Irene和我們分享,Migo主要致力於協助開發中國家較缺乏網路環境的民眾良好的觀影經驗,同時也希望整合平台使用者資料,進行消費者研究,優化線下使用者服務與體驗。未來,希望能夠把個人化的推薦引擎,直接放在用戶手機上,在離線環境也能使用。目前蒐集資料方式是:當消費者至Migo的合作商家,透過熱點(WIFI)進行影片下載,使用者資料便會透過網路傳回Migo資料中心,進行消費者行為分析。然而,要如何透過消費者在平台所有資料,進一步優化使用者體驗呢?。

Irene提及:「我們事先會設定可量化的成功指標,因此每個禮拜根據回傳的數據資料,去評估使用者是否有良好的體驗,並且排出當周工作的優先順序。因此,每周要調整的項目、跟解決的問題都不一樣。」

消費者行為分析涵蓋使用者在App所有行為,誠如影片下載量、消費者搜尋時間、每天觀看影片部數、觀看時間以了解使用者對於影片喜好,透過多種資料面向分析,掌握特徵去預測消費者行為及真實消費者面貌。

Irene:「我們有一個 wish list,使用者在選擇影片的時候,可能有十部電影都想要看,但因手機裝置容量限制,只能下載三部電影,,這時候就可以存到願望清單上面。我們在做這個功能之前,是不知道有多少人會用的,但我們的假設是,願望清單功能可能可以增加顧客回購率於是我們還是著手開發,並實際測試看看效果如何?有幾個人在用? 存多少影片? 顧客回購率如何…等等。」

 

質量化並用,發揮綜合效應

在Migo,不僅強調團隊多元專業與跨領域的交流,更致力於描繪真實的消費輪廓。Irene提及量化與質性的互補,有助於營運策略決策,從數據報表中,我們可找出重度使用者以及輕度使用者的族群,可歸納出熱門下載影片、觀影時辰等等,但若要深入了解數據背後的使用者動機,仍需透過質性訪談,才能抽絲剝繭的拼湊出完整的消費心理狀態。例如Migo的主力族群原是「家中沒有網路、低收入的消費族群」,但透過質性訪談發現某些「有能力在家上網族群」仍會嫌棄家中網路太慢,因而會跑到合作商家使用Migo影片品質好的服務。除此,為能進行有效顧客分群,也會透過訪談方式了解某族群的生活型態,再回到資料中歸納出行為模式。

 

Migo 台北與菲律賓團隊合作,希望網路資源缺乏的地區也能有機會享受優質的影音內容。 (cr. mit.Jobs)

 

未來展望,結合線上與線下資料

為了讓資料更有效率輔助選址(Siting)決策,Migo也會爬取網路上公開資料,了解潛在合作店家之特性,像是店家數與人數等。

Migo目前產品與服務主要部署在菲律賓,然而,待營運模式穩定,Migo的確有擴大營運範圍的決心,延伸至印尼或印度,因此訪談中也提及策略團隊正如火如荼展開相關選址研究,除了人車流量、可視度高以外,店面多大、有無網路與否、店家老闆正直與否,營業時間等皆是考慮因素。

 

重於溝通、選對的方式

Irene提及作為資料科學家,除了具備資料科學領域知識是基礎以外,資料科學是一種工具,有助於我們解決問題,但如何設計「對的方式」解決問題是非常重要的,看事情的角度需要很全面,包括「溝通」的技能,在解決問題過程中的優缺點分析,以及最後對於研究成果的邏輯與詮釋,要怎麼設計出一套Story讓不同的合作夥伴能理解並認同。

最後,我們請開朗的Irene給予目前正朝向資料分析學習道路上的同學,一句鼓勵的話,Irene以她大方爽朗又有點語重心長地口吻說「我們常常會覺得第一個版本就要找出完美答案, 因此遲遲不敢推出. 唯有先踏出第一步, 推出測試, 才能不斷修正、改進,找出最適合的解法」。想必這句簡短的話,正完美應證出資料分析過程,是一段反覆,又需要耐心的過程。

 

[本文由 Women in Data Science Taipei 與 mit.Jobs 合作訪談]

Migo職缺募集中~

  1. Imagineer ,軟體工程師 (Infrastructure project) 年薪 $ 780,000–1,300,000 TWD
  2. Imagineer ,軟體工程師 (Scalable Operations & automation project) 年薪$ 780,000–1,300,000 TWD
  3. Imagineer , SRE 網路系統架構師 (Scalable Operations & Automation Project) 年薪$ 780,000–1,300,000 TWD
  4. Imagineer , SRE 網路系統架構師 (Infrastructure project) 年薪$ 780,000–1,300,000 TWD
  5. Imagineer ,Data Scientist ,數據分析團隊 年薪$ 780,000–1,300,000 TWD