行銷資料科學 Marketing Data Science

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。

淺談資料類型—資料類別排列組合

        企業搜集資料要下許多功夫，而面對這些得來不易的資料，在運用上更是存乎一心。以往的行銷資料大部分都是單一使用，例如：將客戶的購買資料經過分析之後，可以判斷出哪些客戶是貴客、哪些是常客，哪些又是新客，依此得出單一維度的行銷數據。但是在理解「資料」與「行銷資料」的分類後，我們可以進一步透過資料類別的「排列組合」，來協助企業進行資料的收集與分析，進而擬定相關的行銷方案。

        我們以某家百貨公司為例，先將「內部資料、外部資料」，以及「結構化、非結構化資料」進行排列組合，可得到四種資料類別，如下圖1所示：

圖1 內、外部、結構化、非結構化排列矩陣

淺談資料類型—總體（宏觀）資料與個體（微觀）資料

在大數據時代，資料是企業的生財工具，我們先前已談過資料的許多類型，都是從資料的本質出發，但這一次我們從個別資料和累加資料的觀點著眼，又產生出總體（宏觀）資料與個體（微觀）資料。

所謂總體資料（Macro Data）與個體資料（Micro Data）定義如下：

1.總體資料（Macro Data）

即使用者以「宏觀」的角度來看待的「大眾資料」。對總體資料進行分析稱為「總體分析」，是一種對「大眾集體行為」進行分析的方式。舉例來說，我們會統計居住在特定地理區域的「總人數」，再以年齡結構，性別和收入水準，算出各個級距的人數。它是一種由個別資料累加而成的概念。而如果以行銷來說，「區隔」行銷可以算是一種總體分析。

淺談資料類型—研究資料

          當我們要對「資料」進行更進一步的「統計運算」時，就必須對資料「測量」（measurement）的類型先行了解。「測量」意指對所測概念（變數）給定一個數字或符號的過程，例如：溫度為攝氏26度、性別為男…等。

          在研究方法裡，有關「測量」（measurement）的資料類型包括：名目資料（nominal）、順序資料（ordinal）、區間資料（interval），以及比例資料（ratio），如圖1所示。

圖1 名目資料、順序資料、區間資料、與比例資料

淺談資料類型—次級資料

          次級資料常是研究者的基礎依據，舉例來說，內政部的人口統計資料，就是選舉民意調查的基礎。市場調查公司或者行銷研究者可以先透過人口統計資料，進一步設計抽樣計畫，知道應該在哪些地區以及抽多少樣本數。因此，收集次級資料有利於大型研究計畫的施作，也可提昇現有研究的效率。

1.次級資料的優點

          次級資料的優點是大部分的初步檢視工作已經完成，而部分資料也以電子格式加以建立與分類，並完成案例研究發布和審查。次級資料並可透過媒體的使用，通常很快地變成公共知識，例如媒體報導國民所得、家戶可支配收入等，由這些資料逐步構建出當地民眾的消費能力。由於公開曝光和受公共檢驗，次級資料的正當性（legitimacy）通常比初級資料更高，通常被拿來用作初級資料的驗證。以下是次級資料的優點：

(1)節省時間、人力和費用。

淺談資料類型—初級資料與次級資料

          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。

淺談資料類型—企業內部資料和外部資料

          為了做生意，全世家每一家企業都在搜集資料。像是在銷售產品時，收集消費者資料以便做好售後服務；或是在製造產品時，收集品管資料以便做好製程改善；亦或是在人員訓練時，搜集學員的上課、考試資料以便做好人才培育。平心而論，蒐集資料是企業的天職之一。而讓我印象最深刻的是，跨國企業蒐集資料的廣泛與仔細程度。

          還記得，前總統陳水扁第一次參加總統大選時，他的競選總部首次推出「扁帽」商品。當時還沒流行起來，就有一家日本跨國的商社（姑隱其名）打電話來問我，可以在哪裡買到扁帽。我才剛回覆他們說，總部才推出不久，估計全面上市，起碼要一個星期之後。沒想到這家公司當下已經漏夜買了兩頂，隔天馬上連同樣品，材質與供應商名單快遞回日本。日本大商社蒐羅商業情報的速度，讓我瞠目結舌。

          企業所蒐集的資料，種類可以很多元，無論是實體的或是數位的，無論是文件或是電腦檔案，而拿來做行銷之用的，就屬「行銷資料」（顧名思義就是與行銷相關的資料）。

          一般來說，行銷資料的分類方式有以下幾種：1.內部資料與外部資料；2.初級資料與次級資料；3.總體（宏觀）資料與個體（微觀）資料；4.研究資料。

淺談資料格式—結構化與非結構化資料

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？他說他也不知道，反正先收集下來再說，只要收集到一定的規模，就一定會發現「什麼」。

現在，靠著網友的支持，他的網站現在已經是台灣最大的美妝網站之一，幾乎所有的化妝品要上市前，都會先到網站發佈試用資訊、徵求試用者、然後再逐一測試、改善，收集意見後，才敢正式上市。對歐美、日系、韓系，甚至是台灣的本土美容業者來說，他的網站已儼然成為美妝界「資料」的寶庫。

從以上的說明中，無論是銷售、生產、財務等量化資料，或是網友討論的文本資料，都是屬於資料型態的一環。而了解資料型態，正是踏入行銷資料科學領域的第一步。那到底資料是如何分類的？

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。

 行銷資料科學的起步—塔吉特了解你的故事 

          2012年2月，美國一家新聞電視台播放了一則新聞，標題為《Target 知道你何時懷孕》（Target knows when you're pregnant） ，內容在說明全美第二大連鎖量販店塔吉特公司透過數據分析，能預測消費者何時會懷孕。電視台之所以會有這則新聞的原因，主要來自於紐約時報New York Times 2012 2.16的一篇報導《企業如何得知你的秘密》（How Companies Learn Your Secrets）。該篇報導的撰文者查爾斯．杜希格（Charles Duhigg），在文中描述一個匿名的故事。

          故事大概是這樣，一位生氣的父親，跑去跟塔吉特找主管理論。那位爸爸說︰「我女兒收到這封信」「她還在念高中，你們竟然寄有關嬰兒用品的折價券給她，你們是要鼓勵她懷孕嗎？」當時不明就裡的經理，先看了一下折價券的內容，隨即跟父親道歉，並於幾天後，再一次打電話跟對方致歉。

          結果，在電話裡，這位爸爸告訴經理，他回家後與女兒詳談，才發現女兒真的懷孕了，他為此向店經理道歉。這則新聞後來引起軒然大波，甚至引發了資料科學與道德倫理之間的論戰。但塔吉特公司究竟是如何獲知少女懷孕的？

          杜希格在報導中提到，塔吉特公司的資料分析專家安德魯．波爾（Andrew Pole）指出，他透過數據分析，發展出一個大約由25項孕婦會採買的相關產品所組成的「懷孕預測分數」。