當STP「行銷策略」遇到資料科學 — 系列2 — 案例分析與Python套件規劃

Published in

Marketingdatascience

Aug 27, 2020

在系列1–案例介紹中，我們介紹了林曉美的案例背景，本篇文章將依行銷策略循環規劃結合資料科學之方法，詳述STP行銷策略流程如何結合外部資料，解析分析觀點並教導大家如何進行分析前的Python套件規劃。

市場區隔（Segmenting）

A品牌運動內衣公司與其競爭品牌目前都在蝦皮購物網站上銷售。由於蝦皮商城上都會顯示每個商品的「銷售數量」與「商品單價」（如圖2所示），因此可以藉此推估運動內衣整體市場的總值，進而讓運動內衣廠商在有限的行銷預算下，初步篩選出有意進入的市場區隔。利用bs4套件爬下蝦皮資料後，再使用pandas與matplotlib進行簡單的市場分析，而我們則可藉此大致描繪出運動內衣市場的樣貌，並計算出每個商品庫存單位（Stock Keeping Unit, 簡稱SKU）的銷售量。

現在幾乎賣家都會在自己的銷售的商品中加入許多標籤（Tag），Tag也代表了商品的特色，如圖1中提到的「無鋼圈」、「小可愛」、「健身慢跑瑜伽」等Tags。

而當消費者購買了該項商品，也就等同該商品「自動」幫消費者貼上了商品Tags。當蒐集完相關資料後，我們即可使用分群演算法將消費者擁有相同特色的產品加以歸類，做為市場區隔的依據，進而為選擇目標市場打下良好的基礎。

最後，綜整進行市場區隔時，會使用到的Python套件功能與效益，如表1.所示。

目標市場（Targeting）

我們將蝦皮進行市場區隔分析後，為了確保資訊正確性，我們還多從使用者的年齡層大約在25～45歲的PTT論壇中抓取相關的輿情文章。PTT是臺灣最熱門的討論平台之一，許多消費者會在PTT上展開各方面的評論，而討論的聲量也間接代表未來潛在的獲利，因此成為這次專案驗證Tags的首選。

使用bs4爬下PTT討論內容後，利用Jieba切詞，並進行詞頻分析，找出市場中討論度最高的關鍵字。再與蝦皮市場區隔中的Tag比對，查看兩個市場的需求是否具有相符之趨勢。若具有相關趨勢，即能證明蝦皮Tag統計出來的市場金額與PTT的輿論相同，進一步選擇相關目標市場。

以下是進行目標市場選擇時，會使用到的套件的功能與效益，如表2.所示。

市場定位（Positioning）

決定目標市場後，我們將建議林曉美並不能貿然的跳進市場開發，我們會協以關鍵字分析圖、關鍵字五線譜、品牌GPS定位圖與藍海關鍵字策略圖區分「競爭態勢」，進而找出可以進攻的藍海市場，真正找出商品的A品牌的市場定位。這個階段主要利用Pandas套件進行資料整理與Plotly動態圖呈現視覺化結果。

在競爭分析的定位運算上，有別於單純的關鍵字對不同品牌的聲量統計，我們將使用Sklearn套件的TfidfTransformer功能（TF-IDF）計算關鍵字的深度與廣度數值，再結合cosine_similarity功能（cosine similarity），計算關鍵字與不同品牌的的「關聯性」，關聯性愈高，則代表關鍵字與該品牌在消費者心目中愈相近，最後再將各品牌關鍵字共同進行視覺化，期望以較準確的方法找出不同品牌與關鍵特徵字詞的競爭態勢，為林曉美的A品牌打造新藍海策略！

綜整進行定位時，會使用到的套件的功能與效益，如表3.所示。