的確大家知道 xxx 公司的 AlsoBuy 關聯購買是個成功案例, 而 CIA 的個人關鍵字的搜尋倒只是個搜尋結果的個人化, 而在之後的第二次 "遇見一個人" 已經部份使用關連分析而也不再是條件式判斷, 但說這幾個是成功案例也太無趣了.

因為在我認知的 "必買不可" 以及之後的 "薦購" 才真的是資料探勘, 而 "單品個人預測" 可以說是實作的最高峰, 這都是表面大家知道的, 而最後沒有推出的 "回購" 也是相當有趣的案例, 這都是大家知道的.
而在資料探勘中心的文章說過, "薦購" 最後的開信率達到 6 成, 且總開信量是開信率的 1.5 倍, 也就是說每兩個人至少隔段時間還會再看一次信, 每封信的效益超過 5 元, 這個在 email 行銷是個罕見的成功案例, 且這個寄信量不是幾萬而是幾十萬, 因此每次寄出帶進來的業績都是百萬的.

只是這個成功案例最後還是失敗了, 因為最後在利潤中心制之後, Data Mining 這工具因為是獨立運作不屬於任何人的業績就被擱置了, 所以即使系統成功, 也成功賺錢, 但造成其他部門的困擾是事實.

在最初做銷售預測, 最主要是為了能夠以最會賣的做為搜尋排序的依據, 但後來變成可以提高立即滿足度及降低庫存的工具, 因為若是更能夠準確的大量算出銷售的須求, 就代表可以用這數字來進貨與備貨, 所以降低很大的成本應該也是讓人高興的不是嗎?

但最後還是敵不過人事的變遷, 因為 Data Mining 是個不算好理解與維護的系統, 在經過人員幾次的交替之後, 就沒有人去維護與運作, 畢竟這是個流程複雜的系統, 每當我畫下系統架構圖時, 總是事後發現還有一個環節沒有寫進去, 即使這個圖已經有幾十個元件了, 更何況每個元件裏面還有機制在運作.

就像是部落格觀察也跑過不少次 Data Mining, 但跑完之後, 有很多事情說要變成自動化與有流程, 要花的工可是四倍以上, 更何況即使真的完成了, 還是須要維護才能保持運作, 所以每當過於煩忙之後, 才會猛然發覺已經當掉很久了, 而要重新啟動說是不容易, 還不如說都忘了, 在要重想的情型下還不如準備下次的改版, 而說要下次的改版也更遇到工程師的最嚴重性格問題阿.

但我一直相信資料探勘是對人有很大幫助的, 只是這個成功案例最後是對很多系統整合公司的觀點: 結案拿錢收工, 這還比較實際, 但實用上這才是個開始.