大數據行銷
內容描述
在資訊爆炸、瞬息萬變的時代，消費者的一舉一動都能被記錄下來，如何從浩瀚似海的大數據中找到貼近消費者
偏好的行銷手法，將個人的潛在偏好轉換為實質的購買行為，成為現代行銷人的重要課題。本書遵循理論、模型、預
測、決策等四大步驟，以深入淺出的方式探討重要的個人化行銷議題，包括：
本書協助行銷學者從行銷的「原點」出發，進而展望行銷未來趨勢的變化。對於初次接觸行銷的學生，本書將是
一個重要的行銷起步指南，避免你迷失在五花八門的行銷光炫世界中。而對於實務界人士而言，若能從書中的案例體
會出行銷的精要，將足以發揮他山之石之效，達到「任」意行銷的境界。
．顧客價值管理
本書提出活躍性指標與顧客價值遷徙路徑等分析工具，預測每位顧客的顧客價值變化將愈趨活躍或沉寂，協助企業
提早預防顧客流失的不利情況。
．產品推薦系統
面對已有大量交易紀錄的舊產品，本書建議先進行市場區隔，再進行產品關聯分析，強化購物籃分析的行銷意義。
對於缺乏交易紀錄的新產品，則建議先解構成不同屬性水準的組合，再根據顧客個人的偏好結構，預測其購買新產
品的可能性。
．顧客偏好預測
面對累積一定交易紀錄的舊顧客，本書建議採用區隔層次或個人層次的統計模型，融入貝氏統計的觀念，預測個別
顧客對於產品屬性水準的偏好。再使用顧客分群與複製的觀念，根據舊顧客的偏好結構進行新顧客偏好預測，以利
導入產品推薦系統。
天下沒有白吃的午餐，複雜的現象需要藉助深層的模式才得以彰顯，簡單的模型假設可能會造成錯誤的推導結果。
目前業界對於大數據分析的認識仍止於初階的次數分析與關聯分析，但根據群眾資料的分析結果進行顧客個人的行為
預測，準確度令人存疑。本書從顧客個人的角度出發，針對行銷問題的本質建立個人行為預測模型，以進行一對一行
銷或網對網行銷，此為大數據行銷的真諦。
目錄大綱
第 1 章 概論
1.1 建立行銷資料庫
1.2 根據行銷理論定義變數
1.3 用行銷語言解讀統計模式
1.4 符合行為模式的統計模式
1.5 大數據的稀少性：一對一行銷
1.6 章節安排
第 2 章 大數據時代之行銷策略
2.1 四大行銷學派
2.2 資料架構
2.3 異質性
2.4 動態性
2.5 從行銷1.0 到行銷2.0
2.6 行銷3.0：互動式行銷
2.7 行銷4.0：連鎖式行銷
2.8 消費者隱私權
第 3 章 萬丈高樓平地起：建置顧客關係行銷資料庫
3.1 建置行銷資料庫的必要性
3.2 建構行銷資料庫的流程
3.3 客戶基本靜態資料檔
3.4 動態的交易資料檔
第 4 章 顧客價值的解析與策略運用：ARFM 模型
4.1 衡量顧客價值
4.2 五等均分法
4.3 範例：郵件直銷測試
4.4 Bob Stone 的給分機制
4.5 顧客價值與購買期間
4.6 活躍性與RFM 分析
第 5 章 海誓山盟：顧客終身價值與遷徙路徑之預測
5.1 顧客交易穩定度分析
5.2 購買期間模型之反思
5.3 顧客靜止之預測
5.4 顧客價值遷徙型態與預測
第 6 章 啤酒與尿布、廚具與內褲：購物籃分析
6.1 經典案例的反思
6.2 產品的關聯性：相關係數
6.3 資料縮減之檢測：信度分析
6.4 單一抽象構念的總指標
6.5 主成份分析的統計理論
6.6 購物籃分析與因素分析
6.7 購物籃策略的哲學與衍伸
第 7 章 透視需求、百步穿楊：新產品推薦系統
7.1 兩種產品推薦系統
7.2 聯合分析之概念
7.3 聯合分析之行銷應用
7.4 迴歸分析
7.5 資料庫行銷之新產品推薦系統
7.6 總體層次模型
7.7 區隔層次模型
7.8 個人層次模型與產品推薦系統
第 8 章 物以類聚，人以群分：顧客的分群與複製
8.1 物以類聚vs.人以群分
8.2 決定市場區隔數目
8.3 市場區隔
8.4 集群分析
8.5 市場區隔之複製
8.6 市場區隔之描述與鎖定
8.7 多個區隔變數的交集
第 9 章 消費行為大透視：理論、模型、預測、決策
9.1 概念
9.2 如何打敗20 年行銷經驗老師傅
9.3 模式用錯真的差很大
9.4 何時買？買多少？環環相扣的關係
9.5 「異常」與「規律」的組合
9.6 統計眼翳症
相關書籍
Full Stack Serverless: Modern Application Development with React, Aws, and Graphql
2019-05-01
