現在我們都知道了，每一天都有關於你的一大堆寶貴的資料，都會被挖出來，然後被永久地收集且儲存起來。不過，光是收集資料，本質上不是很有意義。真正有意 義的是，人們怎麼應用這份資料。即使在你醒著的每一個細節都被記錄的世界裡（也許有一個不斷發出嗡嗡聲的小型飛行器，裝著一台高解析度的照相機，跟著你到
處走），如果這些資料被鎖在布滿灰塵的倉庫裡，而且被層層的公文形式淹沒，總之就是一個找不到東西的狀態，那麼，這些資料也不會造成更多傷害。在這樣的世 界裡，個人資料的風險與價值都很有限，只有在你被逮捕或查帳時，才會被翻出來；否則就會靜靜地放在那裡，不會受人注意，而且也沒有人知道。
好消息是，現在收集資料的方法沒有小型嗡嗡機那麼明顯，不過已經很接近了。但壞消息是，有關你的資料並不是收藏在隱密且安全的地方。相反的，每天都有人在使 用這份資料。不只是因為資料儲存變得很便宜、永久且無所不在，就像我們前一章讀到的，新技術也比以前更簡單、更容易、更便宜，就能讓人從資料中分析、量化 並得出結論。
口碑分數2.0，隨個人偏好一起評分
想要了解電腦分數現在變得有多複 雜，一個簡單的方法就是，拿早期的搜尋引擎和Google、Bing與其他搜尋引擎現在正在用的運算法比較。我們都知道，當我們在Google搜尋框裡打 字時，比如說「口碑經濟」這幾個字好了，Google就會把網路上所有包含「口碑經濟」這幾個字的網頁，計算出一個分數。分數較高的網頁會出現在搜尋結果 的上方，分數較低的網頁就會在下方。
這個分數不只根據客觀事實，也根據電腦如何計算並衡量這些事實的分量；每一個事實的分量和事實本身一 樣重要。舉例來說，回到一九九○年代中期，早期的搜尋引擎例如AltaVista，只是簡單加總網頁上某一個字出現的次數，然後就給這個網頁一個品質分 數。比如說，口碑經濟頻繁出現的網頁，就會得到高分，然後就會出現在找尋這本書名搜尋結果的上方。這明顯會引起垃圾網頁的問題，有心人只要在螢幕下方一次
又一次重複同一個字，就能欺騙搜尋引擎（這個方法從來都不是很有效果，現在更是完全沒有用處，但還是無法阻止一大堆人繼續這樣嘗試）。這種衡量事實的方 法，造成不良行為的強大誘因，而且沒有鼓勵到優質的內容。
但在一九九六年，兩個史丹佛博士生布林與佩吉創造了衡量網頁的新方法，網頁分數就永遠改變了。與其只是計算某個字出現的次數，他們的演算法（最後變成第一 個Google搜尋引擎）會計算網頁的連結數，並把它當成網頁重要性的「得票數」。舉例來說，如果有一百個網頁（在那時候，算是很多了）都連結到
IBM.com的首頁，這個首頁就能得到100分，換算成網頁排名（PageRank）就是10。然後，當某個人在網路上搜尋「IBM」的時候，演算法就 會同時考量某個網頁在IBM.com上的受歡迎程度，以及這個網頁多常使用IBM這個字。布林與佩吉在史丹佛學生宿舍裡做了測試系統，一開始的網域名稱叫
做「google.stanford.edu」，之後就是大家熟知的Google.com了。不到幾個月，他們看到這個系統的威力，就成立了Google 公司。
Google利用大量搜尋的資料，找出一個為網頁評分的方法，企業也用了同樣的方法，利用大量的個人資料為個人、企業、人際關係， 甚至更多項目做出評分。企業評價網站Yelp.com，是口碑分數的「分數1.0」版本很好的例子。Yelp會請餐廳、商店、飯店，以及事實上任何其他類
型的生意的顧客，提出評估意見，並給出1到5顆星的評等。這個網站的演算法會收集這些分數，並根據一些因素來衡量某些意見的分量，例如電腦可能認為某個意 見可能是假的或有收錢的，最後再呈現出彙整的分數。但Yelp以及它的競爭者，很快就會進入「分數2.0」時代，也就是完全個人化的分數，這個分數不只是
針對被衡量的項目而已（例如到底是幾星級），還包括做出評估的這個人。換句話說，你看到的分數，會搭配你的個人偏好。比如說，如果你是愛嘗鮮的美食家，而 且你經常評估貨真價實的在地小館，那麼，你看到連鎖餐廳（比如Olive Garden）的分數，就會比那些在蘋果蜂Awesome Blossom美食評分上得高分的店家更低。
換句話說，你在你在乎的人之中的受歡迎程度與影響力，將會被評分。過去是統一尺寸（one- size-fits-all）模式，未來會評估你在同儕裡的分量：你在ABC公司裡是最有影響力或最受歡迎的行銷總監嗎？你是鄰近的經銷商倉庫經理群中的 領導人物嗎？對主要競爭對手來說，你是個值得用優渥紅利與薪資條件爭取的人嗎？這些都不是愚蠢的全國性聲望的比賽，這些問題都將成為口碑分數的未來。
所以，要在個人口碑的趨勢中得到好處，你該怎麼做？首先，知道自己的市場。先思考一下，你想認識的那些有影響力的人，然後不厭其煩地，在你的公開形象中以 他們為目標。丟掉所有不必要的個人宣言吧，只要專注於提出很有價值的觀點就好，最好要和你希望被認定的形象一致，接下來的事，電腦就會幫你做了。
謹慎交友！因為他們會影響你的口碑分數
沒 有人是一座孤島。這句話的原意是人都需要有人陪伴，但這句話也很貼切地描述了下一代口碑分數的世界。在忽隱忽現的口碑經濟中，不只是你會因為自己的行為被 評分，當你要找貸款、健康保險或找工作時，你的朋友、同伴和同事也都會評估。如果和「對」的族群廝混，你的分數會更高，但如果演算法認為你的朋友有不良影 響，那麼某些好的薪資條件和機會，都將與你絕緣。
從事口碑分數評比的公司把同儕影響力列入考慮，並不算是瘋狂的事。事實上，研究顯示，朋 友會對你造成重大的影響，從消費行為、政治傾向，甚至健康，都有影響。福雷明漢心臟研究（Framingham Heart Study），針對麻州福雷明漢市超過五千名居民，分析了三十年的健康紀錄，發現一件驚人的事，如果一個人變胖了，他的朋友也變胖的機率，超過一般人的兩
倍。這份研究不只成為社區健康管理的重要文獻，也是保險業者的重要參考。如果某個人最好的朋友剛剛增加了二十二多公斤，就不會有保險公司願意賣給他頂級的 保單。
決策「幾乎」都是機器做的
由於電腦功能越來越強大，個人口碑的數位資訊也越來 越豐富，過去由人類決定的重大人事案，從雇用到開除、升遷到懲罰等等，現在越來越多都交給電腦來做了。我們把這個趨勢稱為「決策幾乎都是機器做的」 （decisions almost made by machine），這個過程可以簡稱「DAMMed」（按：集合每一個英文字的第一個字母縮寫而成）。這個專有名詞至少捕捉到核心概念：在最少的人員照管
之下，電腦正在參與決策。隨著口碑經濟的成熟，越來越重要的決策，將會大部分交給電腦來做，而人際往來的活動也會有越來越大部分由電腦引導，過程只需要一 點點或根本不需要人類的基本常識。
DAMM的成長並不會完全把人排除在決策之外，畢竟，它只是「幾乎」由機器做決定，不是全部。有時候，人還是會參與，但只是決策過程的最後一個步驟，就是 決定要錄用哪一個求職者，或是哪一個員工該走路。在這階段，電腦已經預選了值得考慮的候選人，所以也大致決定了結果。換句話說，在候選人的職涯發展上，電 腦已經把他們溫和地往前推或往後推了。
在這一章將會看到，為什麼有時候如果你有好口碑，DAMM可以幫你在職涯上製造大躍進的機會，然後 有時候它就像一陣穩定的微風，把你推向你想要去的方向。但是，如果你有壞口碑，DAMM會像一股強大的逆風，把你從目標推開。無論如何，當口碑經濟繼續發 展下去，DAMM與數位口碑對你的職涯，將有越來越大的影響力。一旦了解它的運作方式，你就能學到如何運用它來推進職涯的發展。
---本文摘自《數位口碑經濟時代》一書，三采文化
  
|
【推薦序】 【精采摘文】 |
作者簡介
麥可‧弗提克（Michael Fertik）
Reputation.com公司創辦人，是數位口碑管理與隱私管理的世界級先驅。是全球公認首屈一指的資料隱私與口碑專家。他是世界經濟論壇議會 （World Economic Forum Agenda Council）網際網路未來議題小組成員；也在哈佛法學院講學，並擁有多項網路科技的發明專利。他是哈佛大學畢業生，並在哈佛法學院取得學位，現居加州 帕羅奧多（Palo Alto）。
大衛‧湯普森（David C. Thompson）
曾是Reputation.com公司第一位諮詢顧問與首席隱私專員。之前在美國最高法院法官（Justice Antonin Scalia）辦公室服務。耶魯大學畢業生，並在史丹佛法學院取得學位。現在是律師與企業主管。現居加州洛杉磯。
【未經授權，請勿轉載！】
