在行銷資料科學裡,有項工具可協助公司找出 R「新客」(近期有消費的人)、 F 「常客」(常常來消費的人)、與 M「貴客」(消費金額大的人),這項工具稱為「RFM模型」。
搜集行銷資料是一件很耗時費工的事,更重要的是,它還可能很「花錢」。在進行行銷資料科學之前,先來看一下資料的另一種分類方式「初級資料」與「次級資料」。
1.初級資料
初級資料(primary data)是由研究者主動自己收集的資料(第一手),例如:自己所進行的市調。舉例來說,行銷研究中常會調查消費者的態度、認知、意圖、動機與行為。在傳統的行銷研究裡,常見的初級資料蒐集方法包括:面談法、問卷法、觀察法、實驗法…等,如圖1所示。
企業搜集大量有關消費者的資料,無非是想找到隱藏在資料背後消費資料的模型,再藉由這些模型去預測消費者可能出現的行為。事實上,經過多年的演變,資料科學分析已經逐漸進化成五種方…
隨著資訊技術的進步,企業所面對的環境已經迅速改變。各個競爭對手都不斷的出招搶攻媒體版面,因而可掌控市場的動態就變成重要的關鍵。我們輔導的企業中,多數都還是以人工的方式進行搜索,且許多企業每天必須花費至少1/3的上班時間蒐集外部環境的相關資訊。
進入大數據時代,資料成為挖掘商機的礦脈,對資料的管理不夠,想要利用大數據來開創新生意等於緣木求魚。請思考一下,自己公司有刻意收集甚麼樣的資料嗎?有善待貯存下來的各式資料嗎?有專人管理嗎?還是坐看它們放在倉庫中,隨著歲月崩解殆盡?
在過去,許多企業認為資料庫裡的銷售資料、生產資料、財務資料…等量化資料,特別具有價值。事實上,真的是如此嗎?我有個朋友,十多年前就開始在網路上,架設網站收集網友關於美妝的討論資料,而網友的留言都是一些文本(Text)資料,沒有固定格式,也不容易發掘出什麼內容來。當年他的員工就曾經問他,收攬這些資料到底要幹麻…
「零售採購(Retail…
動態定價顧名思義是一種採取變動價格的定價方式。在電子商務的世界裡,透過資料科學的分析與應用,產品價格變化的時間間距,可以小到以分秒來計。根據報導,亞馬遜於2013年,平均每天有超過250萬次的動態價格調整。
市場區隔一向是企業找到目標市場的重要工具。透過數據分析,企業可對消費者進行市場區隔。我們先前已經說明過市場區隔與行銷資料科學之間的關係。在這裡,要進一步對有效市場區隔的條件進行說明。
These were the top 10 stories published by Marketingdatascience in 2018. You can also dive into monthly archives for 2018 by using the calendar at the top of this page.