書籍介紹

大數據行銷
BIG DATA MARKETING
邁向智能行銷之路
The Road To AI Marketing
分類書目:行銷類
作者: 任立中陳靜怡
出版日期:108年5月 / 初版
書號:MK571
規格 :單色 / 軟精裝 / 18K / 402頁
ISBN:9789869688147
定價:570元
優惠價:510元

書籍內容

目錄

大數據行銷 ★ 購書link https://www.fcmc.com.tw/edm/2019/MK571/edm4.html 


★本書為專業用書,無法提供教師贈書,敬請見諒★

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

本書特色

  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。

同類相關書籍

作者相關書籍

GO TOP