關於把存活分析運用於內容導購

透過連結兩個看似無關的領域，產生意想不到的變現火花

在後流量紅利時代，內容導購是重要的變現手段。而探勘哪些主題適合做變現，就會是重要的數據問題。

現在無論是傳統媒體或自媒體，獲得流量的成本高昂。因此在後流量紅利時代，既有流量數據能否變現，是當今最大的挑戰。

像是使用者在看完內容後，能否引發購買商品的意圖? 類似這樣的「內容導購」就是試圖將流量數據變現的手法之一，最典型的例子就是開箱體驗文。

然而，並不是所有的文章都適合做導購。經驗上，有一些文章存粹是用來衝人氣的，內容的主題與消費意圖無關，像是時事新聞、政治類的文章。

若一昧地在不適切的文章裡置入商品訊息，對體驗造成的干擾恐怕更大，最常見的例子就是與文章內容無關的廣告。因此一個重要的命題便是：

如何得知哪些主題適合做導購？哪些適合衝流量?

若用一個 2x2 的矩陣圖來表示，概念上可以這樣表示 :

縱軸的流量高低可以用簡單的計算方式來定義，像是 :

不過橫軸的消費傾向就不容易定義了，這邊提供一個有用的作法，那就是善用存活分析(Survival Analysis)

存活分析探索的是事件何時發生? 快不快發生? 很適合拿來分析不同群人的消費意願高低

為何是存活分析? 這要從本質說起 : 存活分析，其實用來探索事件何時最可能發生? 因為是存活相關，故在這是指「死亡事件」而得到的結果就會是「事件發生的速度」(講得更仔細一點，是指Survival curve跑Cox regression得到的Hazard ratio)

白話來說，越容易發生的事件，發生的「速度」就會越快。反之，幾乎不可能發生的事情「事件發生的速度」近乎於0

所以我們只需要轉個彎：把首次消費當作我們要分析的事件，Bingo! 存活分析就會變成消費意願分析了，解讀上 :

只需要轉個彎，把「首次消費」當做要對準的分析事件，存活分析就能搖身一變成為消費意願分析了

最後我們會得到類似這樣的結果 (圖中的數字僅為示意) :

圖中的每一個藍點都是不同的文章主題，圖表橫軸是消費事件發生的速度，縱軸則是每月平均的流量。可以看到流量大致上跟消費促購呈現相反關係，但也是有強棒的核心主題，像是圖表右上角的主題，即流量好且消費意願高的。