數位版文章
用AI做市調？「模擬顧客」先幫你篩出好點子
NT$100
刻意犯錯拚學習
既然我們都知道可從錯誤中學到教訓，並作為接下來修正行動，進而邁向成功的依據， 那麼，何不放手犯錯？為此，本文提供系統性的方法，告訴你何時該犯錯、該犯下什麼樣的錯，協助你精心規畫能帶來回報的「有用」錯誤。
在AT&T 的貝爾電話網路系統（Bell System）拆解之前，美國的電話公司受到強制要求，無論顧客的信用評等如何，都必須對負責區域內的所有家庭提供服務。當時美國每年約有1,200萬名新用戶，年度壞帳金額超過4.5億美元。為了防範這種信用風險，並防止顧客竊取與濫用設備，在法律允許下，電信公司得要求一小部分用戶提供押金。貝爾旗下的每家公司，都各自發展出專屬的複雜統計模型，來找出哪些顧客的風險最高，因此應向他們索取押金。但各家公司從來也不知道自己的模型是否正確。最後，它們決定刻意犯下代價可能達數百萬美元的錯誤，來測試模型的正確性。
那些公司有將近一年的時間，從歸類為高度風險的名單中隨機挑選出近10萬名新顧客，而對這近10萬名的新顧客都不要求付押金。這麼做顯然是錯的，因為其中有部分顧客一定不會支付帳單，或是會帶著設備一起跑掉，造成電信業者數百萬美元的損失。但因為這些公司更想了解自己不知道的事情，因此決定用這個方法來研究這群顧客與其他客群的差異。
結果讓人大吃一驚，很多原先以為的壞顧客都準時地全額繳清帳單，也沒有偷竊或破壞電話。貝爾實驗室（Bell Labs）憑著這些新見解，幫電信公司重新調整它們的信用評分模型，並制定更聰明的篩選策略，這個做法在接下來的10年內，平均每年讓貝爾系統的獲利增加1.37億美元。
