行銷資料科學(Marketing Data Science)行銷研究(Marketing Research)

 

過年期間看了一本書

Thomas W. Miller

Marketing Data Science: Modeling Techniques in Predictive Analytics with R and Python

開啟了我對「行銷資料科學」(Marketing Data Science)的研究

在接連閱讀了幾本相關書籍之後

慢慢有了一些心得

以下簡單先就

「行銷資料科學」(Marketing Data Science)「行銷研究」(Marketing Research)的差異

與大家進行分享

 

簡單來說

「行銷研究」意指:

「針對某一行銷議題,有系統地收集、分析與呈現相關資料,並闡明研究發現」

 

此行銷議題可以是

SWOT(機會、威脅、優勢、劣勢)

STP(市場區隔、目標市場選擇、定位)

也可以是4P(產品、價格、通路、推廣)…

 

「行銷研究」將資料分成「初級資料」(一手)與「次集資料」(二手)

初級資料的收集方式

又可分成

「調查法」(survey research)

「實驗法」(experimentation)

「觀察法」(observation)

「深度訪談法」(depth interview)

 

在收集資料的過程裡

「問卷」扮演非常重要的角色

透過問卷收集資料

再透過統計分析資料

最後透過圖表呈現資料

這就是行銷研究的基本概念

 

而「行銷資料科學」與「行銷研究」之間的差異

主要在於收集、分析與呈現相關資料的方法上的不同

 

「行銷資料科學」在方法上

寬度更寬

廣度更廣

而且所收集的資料也更加「客觀」

(畢竟問卷是由受試者主觀填答,容易產生偏誤,

例如:當一個人心情好與心情不好時,填答同一份問卷的差異可能會很大)

 

從資料收集的角度來看

「行銷資料科學」透過「網路爬蟲」技術

Social mediaBlog、論壇、API...等地方

擷取消費者的上網行為

(主要是「數據」與「文字」)

 

也可以透過網站監控軟體

記錄消費者瀏覽網站的路徑

 

「行銷資料科學」還可以透過影像辨識技術

來收集消費者在賣場中的真實消費過程

(例如:在哪個時間,哪個位置,看了哪件衣服,而且看了多久...)

(此部分還可延伸至「物聯網」的各種應用)

 

或是透過「政府資料開放平台」等次級資料來源

收集巨量的外部資料

 

而在分析資料的過程中

過去「行銷研究」透過「多變量分析」等統計工具

協助找到問題的解答

「行銷資料科學」則還可透過

「機器學習」(Machine Laerning)、「文字探勘」(Text Mining)等工具

給與資料更多的解釋與價值

(例如:發展出準確度高的預測模型)

 

最後

在資料呈現的部分

以往「行銷研究」透過簡單的圖表

來呈現資料分析過後的統計結果

而「行銷資料科學」則可透過「資料視覺化」(Data Visualization)工具

來呈現資料分析的成效

(例如:文字雲(Wordcloud)、網路圖(Network Graph)...)

 

當我對「行銷資料科學」的瞭解越深入

越發現她的迷人之處

剛好在我身邊

又有資訊工程專家、統計專家、與行銷專家可供諮詢

接下來

就是思考如何有計劃地

將此概念應用到公司裡

進而為公司創造價值

 

期待接下來專案的執行

 

加油!

 

Peter

文章標籤
創作者介紹

張承管理學

Peter 發表在 痞客邦 PIXNET 留言(0) 人氣()