北美好書獎商業類冠軍 三位矽谷專家，用零基礎就能懂的語言 將最核心的科技趨勢濃縮一冊，讓你 像賈伯斯一樣思考，秒懂科技及商業動態！ Google搜索是怎麼運作的？ Spotify如何確定推薦給你的歌曲？ 為什麼華盛頓郵報同一篇文章都有兩個版本的標題？ Facebook如何決定哪些內容會出現在你的動態消息？ 臉書為什麼要以十億美元買下IG？ 這些問題，你知道答案嗎？ 科技新知每天洪水般湧來，你是能理解吸收、跟上趨勢，在自身的工作與生活中善用，或是看不懂、想不通，平白讓職涯發展與機會溜走？ 終於等到一本書，即使沒有資通訊基礎、沒有程式背景，卻想讀懂科技知識、跟上商業發展趨勢、理解工作與生活上的科技動態……就是這本。 本書由任職於Google、微軟、臉書的三位產品經理合撰，他們平常的工作就是向沒有背景的投資者、合作者、客戶，以平易近人的語言與譬喻（也就是大白話）來解說「最新的科技該如何應用在商業和生活」，身為行內人，又練就一身把資訊知識講清楚的能力： 先講「是什麼」→用零基礎就可以讀懂的文字，說明科技趨勢（例如大數據和機器學習）的內容和影響。 再講「為什麼」→為什麼科技公司會想到利用這些科技、背後的商業理由，幫你拆解推動科技趨勢的力量，培養你跟科技人一樣的思考的能力。 三位專家累積了最多人想知道的66個問題，寫成本書，讓讀者無痛學習重要的科技趨勢、流行語和相關的商業應用和策略概念。你可以學到： ★每天都在用的Google搜尋功能，是怎麼做到的？ Google不是在你搜尋時，就去網路上的每個頁面，而是將網頁的資訊存在資料庫（資訊的表格，如Excel），然後使用演算法（就是下指令）讀取資料庫，決定要呈現哪些內容。 ★亞馬遜（網飛）為什麼那麼懂你，會推薦最想買的東西（想看的影片）給你？ 答案其中之一就是「協同過濾」，根據你與數以百萬計的其他人的購買記錄中，配對出跟你喜歡一樣東西的人，他們買過的商品你卻還沒下單，自然一推薦就中！ ★為什麼臉書免費就能使用，他們卻能賺億萬美元？ 簡單的答案是「定向廣告」。因為使用者在臉書的應用程式與網站上進行相當多活動，暴露了自身的喜好。然後藉由這些資料定向推送給使用者，從廣告商那裡獲利。所以矽谷有句名言：「如果你不付費給一個產品，你就是產品。」 ★臉書為什麼要以十億美元買下IG？ 因為IG的照片分享體驗是行動裝置使用者的最愛——介面清楚、以照片為整個應用程式的中心（還有好用的濾鏡）。臉書得趕緊買下IG以免被擊敗。 ★微信如何成為中國官方應用程式？ 微信本來是通訊軟體，但是後來添加了許多功能，幾乎是一個作業系統——包括買電影票、醫院掛號、叫車，不需要額外安裝應用程式。微信可以控制整個使用者體驗，影響著九億個中國人。 ★自駕車為是怎麼駕駛的？ 1. 偵測器可以精準的建立一個周遭環境的3D模型，計算最可能的行動路線 2. 「機器學習」：藉由觀察到的汽車可能碰到的獨特情境，模式，預測可能發生的事情（例如自行車騎士伸出左手，自駕車會預測他有90%可能性會左轉，而開始減速避開。 【本書特色】 1. 一本書解答數位公民、商業人士和不肯落伍的人，不能不懂的66個科技趨勢入門問題 每個人、每一天都會遇到的科技問題，一本書就解答；你不需要唸過資訊科學、不必會寫程式，就看得懂。 2. 科技趨勢往哪裡走？三位矽谷內行人告訴你！ 由Google、微軟、臉書三產品經理合撰，由基礎談起，以內行人角度解說你不能不知道的①科技問題和②背後的商業策略概念。不掉書袋，以說明、比喻、圖解方式介紹，平易近人，好讀好吸收。 3. 涵蓋面向多元、內容親切度高，繁忙的現代人都學得快、用得上！ 本書重要的科技趨勢皆有介紹，又不落入太多技術讓人無法理解的窠臼。理解科技產業動態以精進自我的職場人；想增進與科技人合作效率的設計、行銷、業務；要訂定未來策略的高階管理者；甚至是科技人，想提升溝通力及商業力，本書的大白話解說及豐富案例，人人都能得切身、實用的指引與啟發。 【專業推薦】 摩根．布朗（Morgan Brown，《成長駭客攻略》〔Hacking Growth〕共同作者） 簡妙如（中正大學傳播學系教授、新媒體傳播及流行音樂研究者） 林冠明（日商優必達機器學習研發總監、前學思科技知識總監） 鄭國威（泛科知識公司知識長） Lynn（《寫點科普》部落格主） 齊立文（《經理人月刊》總編輯） 「對於想學習驅動科技產業的重要趨勢、關鍵概念和商業策略的人而言，本書是入門指南！」 ——摩根．布朗（Morgan Brown，《成長駭客攻略》〔Hacking Growth〕共同作者）

　　【摘錄1】主題01：谷歌的搜尋功能是如何運作的？ 　　 　　無論何時在谷歌上進行搜尋，搜尋引擎都會爬梳超過三十兆個網際網路上的頁面，然後找到前十筆符合您搜尋的結果。有92%的時間你會點選在第一頁當中的某個結果（也就是前十筆結果當中）。從三十兆的網頁中找到前十筆相當困難——就如同在紐約市尋找掉在地上的一分錢。然而谷歌用專家的方式在平均半秒的時間內找到結果。但是，它是如何做到的？ 　　 　　實際上谷歌並不是你每次搜尋的時候，就前往網際網路上的每個頁面。谷歌實際上是將網頁的資訊存在資料庫（資訊的表格，如Excel），然後使用演算法讀取資料庫，決定要呈現哪些內容。演算法只是一連串的指令——人類也許有個「演算法」用於製作一個花生醬與果醬的雙醬三明治，如同谷歌有演算法用於尋找你在搜尋列中輸入的內容。 　　 　　※爬取 　　 　　谷歌的演算，是從建立資料庫用於儲存網際網路上每個頁面的資料開始的。谷歌使用稱為蜘蛛的程式，用於「爬取」（crawl）網頁，直到找到所有頁面（或者至少是谷歌覺得是所有的頁面）。蜘蛛先從少數的頁面著手，再將這些頁面新增到谷歌的網頁列表，稱為「索引」（index）。然後蜘蛛從這些頁面的向外的連結開始，找到新的一組頁面，也加到索引中。下一步，他們跟著這些頁面上的連結繼續同個步驟，直到谷歌無法找到其他頁面。 　　 　　爬取的動作不斷在進行，谷歌一直在新增頁面到他們的索引，或者是當頁面有變更時，谷歌也會更新索引。索引的檔案規模非常巨大，超過一億GB。假如你想把它裝進容量為1TB的外接硬碟，會需要十萬個外接硬碟——如果將它堆疊起來，大概會有一英里高。 　　 　　※文字搜尋 　　 　　當你在谷歌進行搜尋，谷歌會抓取查詢內容（你輸入在搜尋框的文字），然後比對它的索引，尋找最相關的頁面。 　　 　　谷歌如何做到這件事？最簡單的方法是尋找特定關鍵字出現的地方，有點類似按下Ctrl+F或者Cmd+F搜尋一個巨大的Word文件。確實，這是90年代搜尋引擎運作的方式：就是在其索引當中尋找符合你搜尋的文字，並且顯示最相關的頁面，這個「相關」的屬性稱為關鍵字密度。 　　 　　這個方法很容易被操弄。假如你輸入士力架糖果棒（Snickers），想像你會看到snickers.com排在第一位。但是如果搜尋引擎只是計算士力架這個單字在頁面上出現的次數，任何一個人可以製作隨機的網頁，頁面上只出現「士力架士力架士力架士力架」（如此一直下去），然後就會被排到搜尋結果的首位。很明顯，這並不是非常有用的方式。 　　 　　※佩吉排序 　　 　　捨棄關鍵字密度，谷歌核心的創新技術是一個稱為佩吉排序（PageRank）的演算法，這是由谷歌的創辦人賴瑞・佩吉（Larry Page）與 謝爾蓋・布林（Sergey Brin）在1998年為了博士論文所撰寫的。佩吉與布林注意到，一個網頁的重要性可以從哪些重要的網頁連結到該網頁來進行評估。這就如同在一個派對當中，你知道某個人受歡迎，是因為他被其他受歡迎的人包圍。佩吉排序給每個網頁一個分數，這個分數是由其他連至該頁面的其他網頁的佩吉分數所計算出來的。（那些其他網頁的分數，是由其他連結至他們的網頁分數所計算出來的，持續這樣計算其他網頁的分數；這是由線性代數所計算。） 　　 　　例如，假如我們製作一個關於亞伯拉罕・林肯的新網頁，一開始會有很低的佩吉排序分數。如果有一個沒沒無聞的部落格連結到我們的網頁，網頁的分數會稍微上升。佩吉排序關心的是連至我們網頁的連結的品質，而不是數量。即使好幾十個沒沒無聞部落格連至我們的頁面，我們網頁的分數也不會提升太高。但是假如《紐約時報》的一篇文章（或許擁有很高的分數）連結到我們的頁面，我們頁面的分數就會大爆發。 　　 　　一旦谷歌在其索引當中找到符合你搜尋的文字內容，谷歌就會用多個準則進行排序，包含了佩吉排序。谷歌也有許多其他準則：例如頁面更新的時間，以及忽略看起來像是垃圾的頁面（如之前我們所提到的寫滿「士力架士力架士力架士力架士力架士力架」的網站）。同時谷歌也會考慮到你所在的位置（如果您在美國搜尋「足球」，它會回傳國家美式足球聯盟，如果你在英格蘭，它則會回傳英格蘭足球超级聯賽），以及其他種種準則。 　　 　　※操弄谷歌 　　 　　然而，佩吉排序存在許多漏洞。很多像是濫用關鍵字密度的垃圾頁面（就如同「士力架士力架士力架士力架士力架士力架」），現在也開始有 「連結農場」（link farm），或者是頁面上有許多不相關的連結。網站擁有者可以付錢給連結農場，將連結加到連結農場的網站，藉此人為操作來使佩吉排序暴增。然後，谷歌已經很熟練地抓到與忽略這些連結農場。 　　 　　但是，仍然有幾個主流的方式可以玩弄谷歌。一個稱為搜尋引擎最佳化（search engine optimization， 縮寫為SEO）的產業興起，幫助網站擁有者破解谷歌的搜尋演算法，確保他們的網頁能出現在谷歌搜尋的前幾筆結果中。搜尋引擎最佳化的最基本方式是讓更多的網頁連結到你的頁面。搜尋引擎最佳化包含了相當多的技巧，例如在你頁面名稱與標題選對正確的關鍵字，或者是讓你網站的頁面彼此相連。 　　 　　然而，谷歌的搜尋演算法一直在變；谷歌在一年內有超過五百次的小升級。偶爾會有一些大升級，在每次升級之後，搜尋引擎最佳化的專家會試著找到改善方法來領先他人。例如，谷歌在2018年更改演算法，偏好那些在行動裝置上顯示內容較快的網站，這使得專家們建議網站的擁有者利用谷歌稱為加速行動頁面（Accelerated Mobile Paghes，縮寫為AMP）的工具製作過的頁面用以取得較好的搜尋排名。 　　 　　【摘錄2】主題02：Spotify如何推薦歌曲給你 　　 　　每個週一早晨，Spotify會送給聽眾三十首歌的播放清單，這些歌曲很神奇地符合聽眾們的喜好。這個播放清單稱為「每週探索」（Discover Weekly），也成為熱門話題。在2015年6月發行的六個月內，「每週探索」被發送超過十億七千萬次。Spotify為什麼能這麼了解兩億個使用者的喜好呢？ 　　 　　Spotify的確有雇用音樂專家，手動製作播放清單，但是他們沒有辦法為兩億個使用者製作這個清單。Spotify是採用演算法，每週執行以製作歌單。 　　 　　「每週探索」的演算法是先查看兩項基本資訊。第一，它會先看使用者喜愛到會加入到音樂庫或者是播放清單的所有歌曲。這個演算法甚至聰明到可以知道，使用者是否在播放的前三十秒就已經跳過該首歌曲，這代表使用者可能不喜歡這首歌曲。第二，演算法會看其他人所製作的所有播放清單，同時假設每個播放清單都有主題關聯，比如使用者可能會有「跑步」或者是「披頭四即興演奏」播放清單。 　　 　　當Spotify有了這些資料，就利用這兩個方式找到使用者可能喜歡的歌曲。第一個方法是比較上述的兩個資料集（dataset），找到符合使用者喜好的新歌。例如，有個使用者的播放清單有八首歌曲，而當中的七首有在你的音樂庫，他們判斷你可能喜歡這類型的歌曲，所以「每週探索」就推薦那首不在你音樂庫的歌曲。 　　 　　這種方式稱為「協同過濾」，這也被亞馬遜所採用，其根據你與數以百萬計的使用者的購買紀錄，推薦建議商品給你。網飛的電影建議、Youtube的影片建議，和臉書的朋友建議都是採用協同過濾。 　　 　　隨著服務獲得更多使用者，協同過濾變得越來越有用——在這種情況下，當Spotify使用者越多，就越容易找到與特定品味相符的人，因此也更容易提出建議。 但是，隨著使用者數量的增長，這些演算法也會變慢且計算量龐大。 　　 　　第二個方法是將使用者的播放清單視為個人的「品味檔案」（taste profile），根據個人所聽且喜歡的歌曲，Spotify會以不同類別（如獨立搖滾或者是R&B）以及更細微的類別（如室內流行樂與新美國音樂）推薦使用者相同類別的音樂。這仍然是根據過往聽過的音樂模式，只是不同形式的推薦。 　　 　　※為什麼要投資在音樂推薦上？ 　　 　　然而，雇用工程師建置這樣的推薦引擎是很昂貴的，Spotify的工程師一年薪水要幾十萬美金，所以，為什麼Spotify要這麼做？ 　　 　　第一點，一個強力的推薦系統是一個賣點，讓Spotify顯得比其他競爭對手突出，如蘋果音樂（Apple Music）。那是因為有龐大的音樂庫是不夠的，以商業語彙來說，音樂是一個商品——任何歌曲在Spotify或者是蘋果音樂，或者是其他類似的地方聽起來都一樣——並且只要有錢的人就可以去購買音樂的授權，建立一個巨大的音樂庫。 　　 　　所以，如果所有的音樂串流服務都能夠有效率地擁有相同的音樂，Spotify需要有與其他競爭對手不同的地方。而Spotify的推薦系統也確實達到這個目標——被認為比蘋果音樂更好。 　　 　　而且，當有更多的使用者，協同過濾的表現會更好，Spotify（已經有了很多使用者）持續維持領先。 　　 　　第二個理由是個人化的推薦使得使用者的服務黏著度更高。越常使用Spotify，演算法越了解你的品味，也因此更能推薦適合的音樂。所以假如你常常使用Spotify，你的推薦結果將會相當好，也因此你不會想改用蘋果音樂，因為蘋果音樂一點也不了解你的偏好。所以這個高「轉換成本」（switching cost），減少你想改用其他類似應用程式的可能性。（更一般地來說，任何存放在應用嘗試的個人資料，例如製作Spotify的播放清單，將會提高轉換成本，因為必須在新的應用程式中重新建立資料。） 　　 　　簡而言之，個人化的播放清單對聽音樂的人來說相當重要，這也是Spotify厲害的商業策略，難怪越來越多的應用程式提供個人化的推薦內容。

作者：尼爾．梅達(Neel Mehta)、帕爾．德托賈(Parth Detroja)、阿迪亞．加傑(Aditya Agashe) 譯者：劉榮樺 出版社：商業周刊 書系：藍學堂 出版日期：2020-02-13 ISBN：9789867778956 城邦書號：WBBB0109A1 規格：平裝 / 單色 / 256頁 / 17cm×22cm