行銷資料科學｜大數據x市場分析x人工智慧

5.0

2020/06/28

自擔任大數據工程師以來，除了負責大數據平台的建置與維護外，也身兼推薦系統的設計、開發。有別於其它類型的資訊系統，商品推薦系統的目標是打造出有著高轉換率的(虛擬)商品推銷員，讓我跨出資訊工程，點燃對消費者行為的興趣。在大數據分析實務上，也和行銷團隊一同商討、合作。讓我對資訊工程在行銷領域能多做些什麼感到好奇，這本「行銷資料科學」正是具體而微地回答了我心中的種種疑問。

書中將原本在數據工程中的「資料探勘」、「大數據」、「人工智慧」等資訊技術和行銷學碰撞後產生的新學門，稱之「行銷資料科學」。因此在全書論及的實務操作/案例分享，幾乎是包山包海。近幾年在報章、網路媒體上曾被提及的數據分析和行銷資訊技術都被含蓋在內。分為「概論篇」、「大數據篇」、「行銷篇」、「策略篇」四大章。全書編排、印刷精美，文字流暢，四大章節中的各節短文，言簡意賅，卻又能做為讀者進一步鑽研的啟蒙原料。特別是「大數據」篇中所提及的數據分析與工具，提供各種實踐應用的粗淺介紹，讓有心投入行銷資料科學的組織/團隊能從中挑選要達成的功能/項目(要做什麼)。

文中也提及一些少為人知的行銷故事和研究發現。例如企業在規劃全通路策略時，應該鼓勵網路消費者到實體店面購買，研究顯示在實體通路消費者的平均客單價高於網路通路，將顧客拉到實體店面購買將有助營業額成長。而眾所皆知的「大數據神話」，沃爾瑪的啤酒和尿布，塔吉特的預測高中少女懷孕，前者是數據分析團隊編造的假故事，後者則是為了打書設計的「故事行銷」。「行銷資料科學」更像是本數據行銷新知大全，它集結了數十篇能速快閱覽的短文，讓讀者充實知識的同時也能接收到核心的行銷學觀念。

部份章節中以大專院校的召生業務為案例，說明行銷資料科學能應用、發揮的方向。然而就我來看，再優秀的戰術都無法淹蓋戰略上的錯誤，大專院校的經營困境，源起於少子化和廣設大學。利用再多的大數據分析/行銷資料科學，都難去挽救一所中後段班的私立大專院校。如果電商亞馬遜販售的商品不是市場最低價，即使有再多先進的資訊技術，都無法讓消費者心甘情願的買單。同理網飛如果沒有廣泛充實的片單和自製影集，擁有再複雜、優異的推薦演算法也是巧婦難為無米之炊。零售業的核心競爭力在於商流、物流、金流的管理，資訊流(數據分析)的良莠可說是錦上添花。

但行銷和數據分析團隊也不用妄自菲薄，再好的商品如果沒有配合適當地宣傳，一樣無法做到「貨暢其流」。書中所提及的「行銷資料科學」相關應用和工具，都是經過市場實證有效的做法，足以投入資源去研究、評估和導入。不抱著投機取巧的心態，打好企業自身在商流、物流、金流的功夫，額外再對行銷、數據整合與分析投入資源，逐漸接納以數據分析結果做決策的思維，才是真正能讓「行銷資料科學」發光發熱的實踐之道。

展開

選擇語言

:::網站搜尋

行銷資料科學｜大數據x市場分析x人工智慧

9折$ 468

全部書評 | 共1則書評

評鑑星等(可複選)

評鑑日期

得獎認證