行銷資料科學 Marketing Data Science

科技發展促使大數據浪潮的出現

        從資訊載具演變切入，資訊科技發展至今，大致可以分成四個波段：第一波大型電腦主機（Mainframe Computer）、第二波的個人電腦（Personal Computer）、第三波的網際網路（Internet）、到了第四波，由行動載具（mobile device）才真正是掀起資訊浪潮的關鍵所在。如圖1所示：

圖1科技發展促使大數據浪潮的出現

繪圖者:余得如

人臉辨識系統的應用

人臉辨識系統的應用越來越廣泛，運用領域還真是五花八門，在沒有切入正題之前，來跟大家分享個有趣的真實故事。

廿年多年前，一家在歐洲很有名的賣場進入台灣時。這家大賣場為了促銷，舉辦了自行車特價方案，每天都以低價號召民眾來買限量的腳踏車。沒想到，賣場附近的一家腳踏車店老板知道這件事後，每天一早都到賣場門口排隊，準備買回店裡後，再加價出售。而賣場起先因為沒有把遊戲規則講清楚，而只能忍痛讓他買了幾輛回去，後來知道他別有企圖，就打算讓他鎩羽而歸。為了不得罪消費者，這家賣場的做法是，只要這名老板一出現在賣場門口，保全人員就用無線電通報販賣部人員，趕快把自行車通通收起來。幾次下來，就讓他知難而退。現在，如果賣場大門裝了人臉辨識系統，一旦偵測到老板接近時，系統就會自動辨識出他的身分，並且標識出「黑名單」，這對賣場的管理將會是一大幫助。

依照維基百科定義，廣義的人臉識別，包括構建人臉識別系統的一系列相關技術，如：人臉圖像採集、定位、識別的預處理、身分確認以及身分查找…等；至於狹義的人臉識別則是透過人臉進行身份確認或者身份查找的技術或系統。這類被稱為「刷臉」的技術在日本已經發展的非常成熟。恩益禧（NEC）公司屬箇中翹楚。2018年3月還有外電報導，外國媒體記者實測，中國已建置完成「天網」監視系統，能在7 分鐘內抓到人而聲名大噪。而這套系統目前已佈建於 16 個省市自治區，號稱人臉辨視準確率達 99.8% 以上，把全中國人口的人臉過濾一遍，只要 1 秒鐘。

                 在實際應用上，還牽涉到高速運算、比對和資料庫等電腦技術。你可以想像每次百貨公司週年慶，早上十點鐘百貨公司門口前已排滿三、四千人的長長人龍準備擠進來搶購，此時人臉辨識系統馬上還能分辨出新客、常客和貴客。先前我們也介紹過西班牙一家笑多少、收費多少的戲劇院，也能在昏暗的燈光下偵測出個別觀眾出現過多少次的笑容。

「全球第一家笑多少、收費多少的喜劇院」--行銷資料科學在定價上的應用

        在台北看一場電影目前大概是新台幣三百元左右，但你有沒有想過，這樣的票價是如何訂定出來的？是電影的卡司強弱？是電影院的競爭密度？是電影院的舒適度？還是週遭交通、停車方便呢？如果今天換個方式，依照電影劇情，並根據你笑的次數來收費？又會變得怎樣呢？

        在還沒有進入這次主題之前，讓我們先來聽聽一個故事。某家公司舉辦了一場「商業模式創新工作坊」。其間，來講課的老師開宗明義指出，企業的「價值主張」意指「企業透過產品或服務，對消費者（顧客）所提供的價值」。該講師請大家開始思考，公司各單位真正所提供的「價值主張」是什麼？它是否能真正滿足顧客的需求？

        這名講師接著提到2013年的一個案例，當年西班牙政府將影視娛樂的稅率從原來的8%提升到21%，結果馬上導致觀眾流失30%，三成的民眾認為票價太貴了，因此拒看，連帶使得西班牙劇院相關業者，面臨營運上的巨大衝擊。講師問大家：「因應這樣的困境，大家有何具體建議？」有人說不妨「更換劇碼」，有人建議「加強卡司」，有人則主張「降價」或薄利多銷以招徠更多的觀眾。

以上這些都是一般大家想得到的提案。

行銷資料科學三種應用層次

在熟悉資料的各種型態、分類與運用方式之後，我們已逐漸了解「行銷資料科學」除了可擴大傳統行銷研究的領域，行銷資料科學還可進一步協助企業修正現有營運模式與創新營運模式。

行銷資料科學在應用上可分成三個層次，如圖1所示︰

圖1 行銷資料科學三種應用層次

 行銷的量化研究、質化研究與神經研究

神經行銷學（Neuromarketing）這門學問的出現，主要是有學者認為，傳統量化或質化的研究方法，並無法真正解決消費者行為「不一致」的問題。近年，隨著核磁共振造影（MRI）等技術的出現，讓人們有機會能掃描個人的大腦，採用自然科學的工具與方法，協助研究者找出問題真正的解答。

舉例來說，在《買我！從大腦科學看花錢購物的真相與假象（Buyology：Truth and Lies About Why We Buy）》一書中，提到一個反菸研究的例子。研究發現，菸盒上的反菸標語，反而會讓人更渴望吸煙。研究者先針對受測者進行問卷的填答，例如︰題目問到「菸盒上的警示語，會影響你嗎？」，受試者幾乎都會填「是」。

如果進一步追問，「你會因此減少抽菸嗎？」，受試者大多也都會填「是」。不過，真的是這樣嗎？受試者的大腦，是否也真的是這樣想？那可不一定喔！

透過核磁共振造影，研究者發現，菸盒上的警語，反而會刺激吸菸者大腦中的「依核」 （nucleus accumbens），當身體渴望某種東西時，這個區域的特殊神經元組織，會逐漸興奮，並開始產生需求，直到這個需求被滿足為止。

行銷研究、資料庫行銷與行銷資料科學之比較-2

        企業在做行銷研究時經常碰到一種狀況，好不容易向高層爭取到一筆經費來進行市場調查，然而開始實施後，卻總得擔心所抽到的樣本代表性不足。因為統計學一再告訴我們，抽樣時務必要讓樣本長得很像母體，也就是樣本這個小孩最好長得跟母體媽媽一模一樣，才能讓調查做的準確。現在拜資料處理技術進步之賜，從「行銷研究」到「資料庫行銷」，再進展到「行銷資料科學」，我們的確可以透過多種方式，來讓所處理的樣本，越來越接近母體，甚至是直接對母體進行普查。而這三者的差異，則如圖1所示：

圖1 行銷研究、資料庫行銷與行銷資料科學

—母體與樣本的角度

行銷研究、資料庫行銷與行銷資料科學之比較-1

消費者的心是善變的，自從行銷獨立成一門學科後，行銷人和行銷學者無時無刻不在想方設法使用各種工具，苦思理解消費者的心。

從一般的「行銷研究」（Marketing Research）出發，一直以來，行銷工作依賴大量的「量化研究」與「質化研究」，來協助解決行銷問題。而這些研究工具，構成行銷學界和實務界初步理解消費者的「傳統工具」。後來，善加對消費者資料進行分析的「資料庫行銷」（Data Base Marketing）出現，再發展到最新的「行銷資料科學」（Marketing Data Science），預料這三者的結合將構成新一代精準剖析消費者心理的尖端武器。

以下，即就資料的蒐集與分析，對行銷研究、資料庫行銷和行銷資料科學三者之間的差異，簡單說明，如圖1所示：

行銷研究與行銷資料科學

以往要執行一項行銷研究，受限於技術，時間和成本都很高。更重要的是，在執行行銷研究前，還有統計抽樣的問題要克服。如何有效地接觸到能充分代表母體的樣本，是行銷研究的難題之一。而隨著行銷資料科學的出現，解決行銷問題的時間與成本有望降低。同時，蒐集資料的來源，雖然未必等於母體，但已經比行銷研究的範圍廣大許多。

「行銷研究」主要將資料分成「初級資料」與「次集資料」。初級資料的蒐集方式，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）」…等。在蒐集資料的過程裡，「問卷」扮演非常重要的角色。透過問卷蒐集資料，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。

深入來看，「行銷研究（Marketing Research）」可以針對某一行銷議題，有系統地蒐集、分析與呈現相關資料，並闡明研究發現。而這些題議可以像台東引進熱汽球觀光的SWOT分析（機會、威脅、優勢、劣勢），或是Airbnb 在台灣發展STP程序（市場區隔、目標市場選擇、定位），也可以是宏達電穿戴式虛擬實境設備的4P（產品、價格、通路、推廣）行銷組合問題。

至於「行銷資料科學」（Marketing Data Science）與「行銷研究」之間的差異，主要在於資料的蒐集、分析與呈現的方法上有所不同（如圖1所示）。「行銷資料科學」在方法上，寬度更寬、廣度更廣，而且所蒐集的資料也更加「客觀」。因為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有如天壤之別。

行銷研究與行銷資料科學的歷史發展

行銷是一門頗有魅力的科學，因為它是企業產、銷、人、發、財五管當中，最直接與消費者接觸，同時也是最富有人性的領域，而在走過行銷研究一百多年後，現在讓我們再回頭過來看看行銷研究與行銷資料科學的歷史和重要里程碑。

行銷研究與行銷資料科學的發展歷史，距今大約108年。本書簡述此過程中的重要事件，如圖1所示。

圖1 行銷研究與行銷資料科學的歷史發展

何謂「行銷資料科學」

               在工業革命之後，行銷是產業對外拓展市場中最重要的武器。行銷學在美國的發展已超過一百年，而到了本世紀初，行銷與資料科學開始交會，擦撞出美麗的火花，挾數學、統計和資訊科技的「資料科學」加入行銷領域後，預料會讓企業行銷威力未來更銳不可擋。

             一九七四年，在丹麥哥本哈根大學任教的彼得•諾爾（Peter Naur），在他的《Concise Survey of Computer Methods》一書中，首次提出資料科學（data science）的概念。從天文學領域轉戰電腦科學的他，一開始就認定資料科學乃是處理資料的科學，一旦有效建立，資料與其所代表的資料間的關係，就能應用到其他領域和學科。二００一年，威廉•克利夫蘭（William S. Cleveland）在他發表〈Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics〉一文，正式將資料科學認定成一門學科。

        簡單來說，資料科學就是「透過科學化的方式，對資料進行分析的一門學問，而資料科學存在的目的，在於解決問題」。這裡的「科學化方式」特別強調「資訊科技」與「數學/統計」跨學科領域的應用。舉例來說，像是Google透過大數據分析，就能藉由使用者查詢感冒症狀的資料，比美國疾病管理局更早掌握流行性感冒疫情發生的情報。

        現在，換個場景，將資料科學運用到行銷領域的一門學問就稱為「行銷資料科學」。所以，行銷資料科學就是「透過科學化的方式，對行銷資料進行分析的一門學問，而行銷資料科學存在的目的，在於解決行銷管理上的問題」。舉例來說，在亞馬遜網站購書後，網站透過演算法也將其他人購買的同類的哪幾本，做出推薦清單後一併推薦給你，就是行銷資料科學的應用。