張承管理學

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

過年期間看了一本書

Thomas W. Miller的

《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)與「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)

或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)…等

「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)

與「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

從Social media、Blog、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...等)

(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)...等)

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