下午三點鐘，會議上好多議題吵得不可開交，你正忙著用手機查找資料，打字打到一半，「活動開跑！快登入遊戲免費領取 1,000 金幣！」—你週末下載的手機遊戲跳出了推播訊息，而你，在會議中忙得要命，哪有空管手遊！理所當然，這個推播被你不假思索地關掉了。即使到了下班後、癱坐在沙發上滑手機，你也根本不會再想起來遊戲中的新活動。
推播、特價活動、或者內容更新通知，這些都是 APP 與網站經營者希望客戶能注意到的事件。為了讓這些事件的點擊率提高，通常我們會認為首先要調整內容，可能會調整文字編排、圖片配色、優惠方案，甚至不斷進行 A/B Testing 最佳化，然而，容易忽略了一個重要的問題：
別在錯的時間點，把你的內容寄給對的人
而相反地，如果在使用者本來就習慣用你的產品的時間點，主動與他們互動，更可能獲得正向回應。
這篇文章的想法來自 Alexandre Macmillan，將用數據分析與開放資料告訴你如何編排與客戶互動的時機。
如果你喜歡寫 Code 實作，本篇的 Python 分析與視覺化放在 好豪的 Google Colab Notebook。
目錄
常見的互動方式
以 Firebase 的 APP 管理後台為例，基本的推播方式是設定預先設定一個時間點，向所有人發送推播。
這會有兩個基本的問題：
- 如果你的 APP 客戶遍及全球，固定時間點會有時區問題
- 台北的早上十一點，是倫敦的凌晨三點
- 就算可以配合時區（如圖示的收件者時區勾選項目），每個使用者的作息不一樣、不會都想在同個時間點看到 APP 的通知
想像一下，你開發了待辦清單 APP（To-Do List），你的客戶可能很廣泛，學生、上班族、或家庭主婦都需要待辦清單。當你想推播一項進階版功能特價訊息的時候，你該選擇幾點推播？
- 選早上八點？這是很多上班族在公車上滑手機的時間
- 這時候大學生都還在睡覺吧！他們可能只會睡眼惺忪地忽略推播
- 選下午兩點？家庭主婦這時候要準備出門買菜，會用到待辦清單
- 你的推播可能會被下午忙碌的上班族憤怒地滑掉
- 選晚上九點？總該是大家都在休息、悠哉滑手機的時間了吧！
- 這是大學生唸書、玩社團、或者打電動的尖峰時間喔，他們這時就算看到推播、也沒空專心關注特價訊息
選擇單一時間點推播的作法簡單，問題是，你不知道、也難以找到所有客戶都樂於跟你的 APP 互動的時間點，這樣你究竟該選什麼時候主動接觸客戶？數據分析會給你提示，有個簡單的指標能反映出使用者最常用你的 APP 的時間點。
關鍵指標：客戶與產品的首次互動時機
此分析以 MovieLens 電影評分網站的資料集為範例，我將評分行為定義為與產品互動，圖表橫軸是「使用者再次互動、與第一次互動的間隔時間」、縱軸則是互動次數。此圖表告訴你，值得你嘗試聯絡客戶的時機指標，就是使用者與你的產品第一次互動的時間點。
從圖表看出，距離使用者首次互動後的每 24 小時倍數週期，使用者互動的頻率明顯更高。換句話說，不管首次上線的時間點為何，使用者未來傾向在同樣該時間點上線使用產品。
此項指標不只反映出使用者偏好的小時時間點，還有日時間點。圖表中，每 7 天倍數週期的再次互動頻率，都比前後兩天互動頻率略高。例如，第 14 天（第 336 小時）的互動次數分別比第 13 天、第 15 天都還高。
客戶的生活節奏
從數據分析中我們得知，使用者與你的產品第一次互動的時間點最接近他頻繁使用產品的時間點。那我們作為 APP 開發、或商業決策者，可以針對客戶的生活節奏採取什麼行動呢？
每日作息
使用者會在他習慣的小時時間點上線，我們如果有日單位為週期的活動，最好到這個時間點再積極提醒客戶。當指標反映某位使用者將在每晚十一點使用 APP（或許睡前躺著滑手機？），就算你手上的其他數據反映晚上八點才是 APP 最多人同時上線的時間，你還是該忍著、等到晚上十一點再推播給他，成功點擊的機率才會更高。
例如，如果你想每天推播、又不想讓客戶嫌吵，那在使用者首次登入的小時時間點推播就會是個不錯的方法，而不是所有人都在同一個時間點推播。這種對每個人客製化時間點推播，也不會受時區影響，你的產品在全球上市也適用。
每週作息
筆者好豪在大學一年級的時候，有週二早上八點連續三小時的微積分課程，這就是我會到處探索手機遊戲的黃金時光。如果隔一週、同樣在週二早上，我下載的手遊用推播找我回去打新的怪獸，我八成會點開來玩。
或許你會懷疑，比起週五晚上八點這種週末狂歡夜，週二早上八點看起來不是個好的推播時間。然而，很多時候，產品設計者會有太多主觀的「我覺得」，數據分析的威力，就是客觀地告訴你客戶實際上怎麼做，讓你知道你的產品還存在能更親近客戶的改進契機。
在上圖的 MovieLens 電影評論網數據裡，第一、二、三週時間點的再次互動頻率僅是相對前後幾天略高。假設在你的產品反映出週單位週期的互動頻率是明顯高於前後幾天，那呈現出的故事又有什麼變化？當使用者的互動數據告訴你，他們傾向第 7、14、21 天這類週單位互動週期，若你的產品在脫離他們習慣的第 8 ~ 13 天推播，大概就不會達到最佳的點擊率。
當然，不論是日或週的週期性，你都需要拿起自家產品的數據，動手分析驗證一遍，看看使用者與自家產品的互動週期性為何。或許你還會看到隨著首次與產品互動的日時間點不同、以週為單位的再互動頻率也不同。例如，比起星期二首次玩手遊的人，星期六首次玩手遊的客戶更強烈呈現出在下個星期六再次上線互動的傾向，若是如此，你可以想想該怎麼活用這項數據洞見。
結語
比起要求使用者習慣你的產品，你可以選擇主動迎合客戶的生活節奏。從數據中我們學到，客戶第一次使用你的產品就已經透露了他的習慣讓你知道，我們最好善用這項訊息，掌握住讓使用者覺得最舒適的互動節奏。
參考資料：
如果你喜歡這篇文章，推薦你閱讀好豪學習《Google 必修的圖表簡報術》的心得筆記、學習更多資料視覺化技巧，也推薦你追蹤 好豪的粉絲專頁，我會持續撰寫資料科學相關文章與你分享！
