Google explanation的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

頂尖業務有九成靠劇本：從自掏腰包買業績，變身破億銷售高手

為了解決Google explanation的問題，作者加賀田裕之 這樣論述：

　　客戶包括Google、Yahoo、瑞穗銀行、朝日電視台的王牌業務員告訴你， 　　善用銷售劇本，成交率高達80%！ 　　你還在憑感覺跑業務或自掏腰包買業績嗎？ 　　日本各大媒體爭相報導的「銷售劇本」心法， 　　教人從便宜的飲料到造價數十億的太陽能電廠都能賣， 　　持續打造出「怪物級業務」， 　　連23歲的金髮打工族，都能變身月績效過億的銷售高手！ 　　沒有賣不出去的東西，只有沒被看見的需求。 　　銷售的本事，跟你的資歷、行業、性格無關！ 　　只要學會「銷售劇本」，每個人都能成為頂尖業務。 　　你的業務人生，是否陷入了下述泥沼？ 　　‧拚命拜訪客戶，但沒有人給你好臉色，每天抑鬱寡歡。

　　‧同梯業績都比你好，連新人業績都超越你，心有不甘卻毫無改善。 　　‧每次都在簽約之前功敗垂成，上司把你罵得狗血淋頭，讓你都不太敢回公司。 　　‧對自己的銷售技巧沒信心，甚至懷疑公司商品根本沒賣相。 　　‧去請教業績好的前輩，前輩卻顧左右而言他，上司的指示很籠統，根本沒有參考價值。 　　這樣的苦，作者也吃過。他在進入公司前半年幾乎沒有業績，還辦了貸款，自掏腰包購買公司商品，直到他掌握了「銷售劇本」訣竅…… 　　★豐富的對話範例，容易理解，助你打造自己的「銷售劇本」 　　所謂銷售劇本，就是利用消費心理學，安排一套完善的劇本，讓客戶自然產生購買欲望。 　　汽車公司、服飾業、牙科醫院、保險業

、醫療業、代書、不動產仲介、植髮沙龍、房屋修繕公司、整骨師、酒店公關……各行各業的業務，即使口拙、怕生，都已藉由銷售劇本成功提升業績。 　　在書中，作者完整分享他獨創的這套業務心法，帶你走過提升成交率的五大階段，並以大量對話範例告訴你如何掌握客戶心理、發掘需求，製作出屬於你的有效銷售劇本，改變你的業務人生。 頂尖推薦 　　「有層次的刻意練習，就能從優秀變成卓越!」JW智緯管理顧問公司總經理／張敏敏 　　福特全國銷售冠軍／王堅志 　　行銷表達專家／解世博 銷售劇本成功實例 　　․光國汽車股份有限公司‧早川社長 　　「一個完全沒有賣車經驗的二十五歲女職員，現在每個月竟然賣出二十五輛汽車！她

並沒有特別出眾的才華，就只是實踐加賀田先生的祕訣而已！」 　　․療癒之星股份有限公司‧小樋將太郎社長 　　「採用加賀田先生的理論，業績有了大幅度的成長。我自己推銷高價商品的成交率，也從三○％上升到七○％了！」 　　․日本服裝設計協會理事長‧井上史珠佳女士 　　「不擅長推銷的員工經過加賀田先生的指導後，業績提升了三倍！」 　　․牙科醫院院長‧三浦先生 　　「學會了加賀田先生的方法後，我的業績一直保持頂尖，甚至贏得了分院長的寶座！人生徹底改頭換面啊！」 　　․保險業務員‧佐藤先生（兩年資歷） 　　「加賀田先生真的是超級英雄，他把我從絕望的困境拯救出來，賦予我光明的未來。我本來業績很糟糕，跟

他學了三個月就成為東京最棒的業務員，業績高居千人之首！做這一行的都應該跟加賀田先生求教！」 　　․外商保險公司業務‧木原先生 　　「加賀田先生的理論考慮到客戶的心態，這一點非常重要。多虧學了這套方法，我的成交率提升了兩倍以上，也不用再強迫推銷了。」 　　․外商醫療大廠業務員（醫藥代表）‧T先生 　　「我根據加賀田先生的方法擬定戰略，列出不同階段該做的任務，積極找客戶推銷自家商品。後來，我的業績高居全國第三名，更是全東京最棒的業務員！」 　　․不動產仲介‧五十嵐先生 　　「我以前沒有接觸不動產的經驗（入行才一年），公司要我挨家挨戶去開拓客源。我上網調查各種資料，向加賀田先生請教推銷的方法。

結果，馬上有兩個客戶委託我賣房（售價分別是兩千三百萬和三千兩百萬）！加賀田先生的理論實在了不起！」  

Google explanation進入發燒排行的影片

YouTuber如何影響觀看者資訊採用意願？－多元理論觀點之模型

為了解決Google explanation的問題，作者林佩儀 這樣論述：

本研究整合多元理論探討YouTuber與觀看者之間的互動關係，具體而言，以「推敲可能性模型（Elaboration Likelihood Model, ELM）」、「社會影響理論（Social Influence Model）」與「社會認同理論（Social Identity Theory, SIT）」，建構YouTuber如何影響觀看者的資訊採用決策模型。本研究採用非隨機準實驗設計法（Quasi-Experiment Method）進行多元實證資料蒐集，以偏最小平方結構方程模型進行分析與假說驗證。透過620位曾使用社群媒體或YouTube的樣本分析結果顯示：YouTuber的「可信賴性（T

rustworthiness）」、「專業性（Expertise）」與「相似性（Similarity）」，內容的「創新性（Innovativeness）」、「豐富性（Richness）」與「關鍵多數（Critical Mass）」會透過「來源吸引力（Source Attractiveness）」與「資訊可信度（Information Credibility）」中介機制進一步影響觀看者的資訊採用意願（Adoption Intention），涉及了「順從（Compliance）－關鍵多數」、「認同（Identification）－來源吸引力」與「內化（Internalization）－資訊可信度」三

個社會影響過程。此外，本研究深化過去學理，發現YouTuber與觀看者間的「相似性」及內容的「創新性」，對於「來源吸引力」與「資訊可信度」的影響關係呈現非線性的現象。最後，本研究也延伸過去資訊採用決策的學理，發現YouTuber的「性別」與「年齡」會促進「YouTuber屬性特徵」對「來源吸引力」與「資訊可信度」之影響，觀看者的「性別」會促進「來源吸引力」與對「資訊採用意願」之影響；除了深化過去行銷傳播與社群媒體的文獻之外，也提供行銷經理人擬定行銷推廣方案之具體建議。

視覺設計大師的數據溝通聖經：在數位敘事世代，展現如實不偏的洞見

為了解決Google explanation的問題，作者AlbertoCairo 這樣論述：

　　你辛辛苦苦做的分析，是否敗在最後一哩的數據溝通？ 　　儘管你覺得所有的分析都萬無一失，你覺得這次一定會成功。但是，這並不代表你的成果能夠如實地展現在你的觀眾面前。最後，你可能又再一次地挫折、失敗。 　　這本書談的是數據溝通的基本原理，也就是告訴你怎麼如實展現你的成果，獲得大家認可。 　　好的數據溝通，可以仰賴優異的圖表。而圖表的設計，牽涉到基本的設計與統計概念。本書一開始，先歸納出優秀圖表的 5 大特質。隨後便開始介紹基本設計概念，提供讀者的基本元素，如形狀、顏色、大小等，來創作出好的圖表，吸引大眾的目光。接著，書中也引入統計基礎概念，如平均數、標準誤等，讓你的圖

表不僅美觀，也能如實地展現出你的資料，讓你的論述更有說服力。最後，本書展示不同領域的資料視覺化成果，讓你不僅學會觀念，也有範例可以參考。 　　設計的篇章，讓你的敘事成為觀眾的焦點；統計的篇章，建立你對於圖表的批判性思考，展現你的洞見。 　　這本書嘗試做的是跨領域的整合：視覺設計、統計分析、資料探索。只要這一本，你就可以一次掌握數據溝通的關鍵技術。 　　● 歸納出好的圖表設計具備的五大特質 　　● 白話講解優質的圖表背後的統計概念 　　● 不僅教你看圖表，也教你批判性思考 　　● 大量真實範例，不僅是工具書，也是範例作品集 全球專家一致好評 　　傑夫．賈維斯（Jeff Jarvis），

紐約市立大學新聞學院教授 　　麥可．曼恩（Michael E. Mann），賓州州立大學特聘教授 　　伊莎貝爾．梅瑞爾斯（Isabel Meirelles），安大略藝術設計大學教授 　　奈傑爾．霍姆斯，Explanation Graphics 創辦人 　　費爾南達．維加斯（Fernanda Viégas），Google 研究員 　　馬丁．華騰伯格（Martin Wattenberg），Google 研究員 　　約翰．格里姆瓦德（John Grimwade），俄亥俄大學視覺傳達學院 　　理查．伍爾曼（Richard Saul Wurman），TED 會議創辦人 專業推薦 　　「眼見為憑？別讓

眼睛欺騙大腦！學會精準客觀的分析方法，做出正確的商業決策。」——施光訓 中信金融管理學院校長/科技金融研究所教授 　　「真實世界數據存在跨年代、數量大、少數「異常值」的特性，如何忠實呈現統計圖表呢？本書顛覆大眾理解的統計與視覺化圖表實例，佐以解說圖表的統計學基本概念，值得閱讀，推薦給統計專家與每一位涉足大數據分析的工作者。」——孫在陽 國立陽明交通大學臨床資訊管理團隊/專案經理 　　「資訊爆量的現在，資料視覺化是帶領我們前進的解方；然而製作優秀圖表並不容易，推薦透過本書學習更多技巧！」——彭其捷 資料視覺化專書作者 　　「本書逐步的帶領讀者正確的解讀資訊圖表，學習說故事，以達到溝通目的；

藉由圖表的刺激，探索、提問更深刻的問題；是讀者一窺資訊視覺化領域的重要著作。」——葉乃靜 世新大學資訊傳播學系教授 　　「在這圖文傳播的時代中，資訊圖表是每個人職場必備的圖文溝通力，如何有效運用資訊、表達觀點、有感溝通，你可以在這本書中獲得解答。」——邱奕霖 圖解力教練 　　「掌握資料視覺化的關鍵思維，升級數據時代下必須具備的『數據溝通能力』」——維元 資料科學家的工作日常

使用機器學習技巧在組合語言裡辨識出函式位置

為了解決Google explanation的問題，作者余佳倫 這樣論述：

Rabbit是由我們的實驗室開發的一種基於LLVM的二元碼轉譯器，在使用Rabbit的過程中發現，當Rabbit轉換不具符號表的二元碼時，得到的轉換後的二元碼在效能上會下降，原因是Rabbit在轉換及優化的過程中需要事先知道二元碼中的函式位置，但不具符號表的二元碼無法提供這項資訊，因為這項資訊儲存在符號表中，為了重新取得二元碼中的函式位置，我們嘗試使用機器學習技巧從組合碼(對二元碼反組譯得到)中恢復二元碼的函式位置，再將這些函式位置用在Rabbit中，進而產生有更好效能的二元碼，根據我們的實驗，我們的方法可以恢復90\%的函式位置，並且這些函式位置幾乎都是正確的函式位置，在使用了恢復的函式位

置後，Rabbit對不具符號表的二元碼做轉譯時，得到的轉換後的二元碼有1.05x的加速，轉換過程所需的時間會減少或維持相同時間，而轉換後的二元碼會有更小的檔案大小。