行銷資料科學 Marketing Data Science

行銷新顯學︰行銷資料科學（Marketing Data Science）

          美國零售業先驅約翰‧汪納麥克（John Wanamaker）曾經說過：「我花在廣告上一半的經費都浪費掉了，麻煩的是我完全不知道是哪一半。」後來，這句話又被人引申成「我有一半的廣告經費都沒有效，我卻不知道是哪一半。」多年來，行銷界人士之所以有廣告經費不知道花到哪兒去，以及明知無效卻還得投入這樣的喟歎，其實都是因為過去的廣告行銷，都很難做到「明確區隔、準確行銷」所致，然而現在隨著社群網路（Social Network）、物聯網（Internet of Things）、開放資料（Open Data）、大數據（Big Data）等概念的出現，加上行銷管理學的領域不斷地發展出新的研究方法與工具，已經為行銷領域帶來「精準行銷」的全新的機會。

          過去企業界想要知道市場概況，最普遍的方式就是展開一系列的市場調查，從產品開發、設計、消費者口味調查，都得歷經不斷的研究與測試，上市前還得經過更全面的人口變數的查訪、市場開闢、銷售點研究、鋪貨等連串的活動，可能在初期就得投下大筆經費，然後靜待消費者的感受與接納，想想看裡面有多少「嘗試錯誤（trial and error）」的成份，說難聽一點，有點像是在「賭博」。

          再看看最近十幾廿年，社群網路（Social Network）上鉅細靡遺地記錄著虛擬世界的消費者口碑；物聯網（Internet of Things）設備協助偵測實體世界的消費者行為；開放資料（Open Data）則提供行銷人員更多的次級資料（二手資料）來源，而這些都隨著網際網路的推演不斷進步，不斷累積出大量的數據（Big Data），同時也不斷產生新的行銷概念，讓企業更能洞悉消費者的心。

在此背景之下，傳統行銷研究（Marketing Research）的方法與工具，已不足以因應現在行銷管理者所需。現在的行銷管理者要有能力，也需要新的分析工具來做決策支援。

          透過網路爬蟲（Web Crawler）技術與物聯網技術，收集消費者的初級資料（一手資料）。再配合所收集到的開放資料，行銷人員要有能力運用資料探勘（Data Mining）、文字探勘（Text Mining）、巨量資料分析（Big Data Analysis）等技術，對資料進行分析。之後，再藉由資料視覺化（Data Visualization）技術，將行銷研究結果做最佳的呈現，並讓決策者做出快速且正確的判斷。以上所提到的方法與工具，就是「行銷資料科學」（Marketing Data Science）的範疇。如圖1所示。

圖1 行銷資料科學發展概念圖

繪圖者：張庭瑄

          目前，「行銷資料科學」（Marketing Data Science）的概念才剛剛起步，但已經在行銷界掀起濤天巨浪。估計未來的行銷學領域和行銷研究將更加精進，除了需結合大量的基礎與進階統計，以及資訊管理，甚至是資工的軟、硬體操作，對有意投入行銷領域的年輕朋友們，除了帶來更多的挑戰，也帶來更龐大的就業機會。

蘇宇暉（台科大管研所博士生）、羅凱揚（台科大兼任助理教授）