數位行銷與電子商務資料案例
課程安排
現代行銷的兩個中心思想分別是:「以顧客價值為中心的數位行銷」和「以數據分析為基礎的策略規劃」,所以本課程除了使用資料案例讓同學練習顧客價值管理和數位行銷工具之外,我們也計畫與國內的電商公司合作,請公司提供前台(從網站、流量分析工具和各數位媒體收集下來的顧客行為資料)和後台(顧客基本資料和交易紀錄)資料,配合我們透過線上工具和網路爬蟲從互聯網蒐集下來的外部資料(社群媒體或評論網站的文字內容,或網站流量、關鍵字研究、競爭分析資料等等),整合成一個結合前台、後台與外部數據、同時帶有結構與非結構化資料的巨型關聯式資料集,用來做整個數位行銷與電子商務微學程的Capstone Project;模仿一般公司的企劃人員最常遭遇的情境,Capstone Project將只會提供資料,而不會指定分析的標的,同學們需要綜合使用在學程之中學過的分析工具和方法:
(1)使用大數據分析平台整理結構與非結構化資料
(2)使用探索性分析方法和資料視覺化工具看出出隱藏在資料之中的結構和趨勢
(3)從結構和和趨勢之中自行提出關鍵的問題,然後再
(4)使用預測性和診斷性方法以及模擬與優化工具,對關鍵問題提出可行的對策。
課程大綱
PART-I 數位媒體與線上工具操做實務
- 數位行銷概論 Digital Marketing
- 大數據的商業意涵 The Business Implication of Big Data
- 數位行銷的核心:公司網站 Company Web Site
- 網站流量分析 Web Analytics by Google Analytics
- 關鍵字研究與搜索引擎優化 Keyword Research & Search Engine Optimization
- 關鍵字與網頁廣告 Keyword and Display Advertisment
- 內容行銷與病毒式行銷 Content and Virus Marketing
- 聯合行銷與網紅行銷 Affiliate Marketing and Celebraties
- 社群媒體與社群網絡行銷 Social Media & Social Marketing
- 行動媒體行銷 Mobile Marketing
- 整合式行銷溝通 Integrated Marketing and Communications
PART-II 數位行銷資料案例
- 新產品銷售預估案例
- 廣告效益評估案例
- 零售業顧客價值管理案例
- Acquire Valued Shoppers Challenge (Kaggle)
- 349,655,789筆交易項目,26,500,000筆交易,311,500位顧客
- 電商網站推薦系統案例
- Instacart Market Basket Analysis (Kaggle)
- 22,026,608筆交易項,2,178,586筆交易,131,209位顧客,49,688項產品
- 零售業折價券效率預測案例
- Coupon Purchase Prediction (Kaggle)
- 2,833,178次產品網頁點擊,1,046,668網站造訪人次
- 168,996筆交易,22,873位顧客
- 電商網站瀏覽記錄案例
- Yoochoose RecSys 2015 Competition Dataset
- 33,003,944 clicks,9,297,691 sessions
- YELP評論網站文集
- Yelp Academy Challenge Round 12
- 5,996,996篇評論文章(2005~2018),280,992張照片,
- 1,518,169評論人,188,583商店
PART-III 數位行銷Capstone Project
- 資料內容
- 前台資料:從網站、流量分析工具和各數位媒體收集下來的顧客行為資料
- 後台資料:顧客基本資料和交易紀錄
- 外部資料:透過線上工具和網路爬蟲從互聯網蒐集下來的外部資料,像是社群媒體或評論網站的文字內容,或網站流量比較、關鍵字研究、競爭分析資料等等
- 分析步驟:
- 使用大數據分析平台整理結構與非結構化資料,
- 使用探索性分析方法和資料視覺化工具看出出隱藏在資料之中的結構和趨勢,
- 從結構和和趨勢之中自行提出關鍵的問題,
- 使用預測性和診斷性方法製作模型,
- 使用模擬與優化工具對關鍵問題提出可行的對策,
- 製作、準備期末簡報
自製教材
本課程不使用教科書,我們將以過去的自製教材為基礎,依據課程需要重新編製教材,教材項目包括:
- 課程網站:整合自製教材與線上資源,促進互助學習 (HTML)
- 導讀影片:幫助同學了解線上預習內容(線上課程原文教學影片)
- 講義:每一單元的講義投影片 (PPT)
- 課堂筆記:每一單元的課堂所使用的程式碼(R-Notebook)
- 作業筆記:每一單元的作業(R-Notebook)
- 線上模擬程式:以互動模擬的方式幫助同學了解比較複雜的概念 (R:Shiny)
- 上課錄影: 方便同學複習或補課 (YouTube)
請透過以上網路連結審閱我們的自製教材範例。
中山管院大數據運算資源
本課程之中將使用超過三億筆資料的巨型資料集,學生可以透過學生帳號使用中山管院:商業大數據平台之中的大數據運算資源,包括:
- 所有的大型資料集將事先布置在Hadoop網路檔案系統之中
- 巨量資料可以載入Spark整合分析引擎,以資料框介面處理資料,
- 巨量資料也可以載入GreenPlum分散式資料庫,透過SQL介面進行處理
- 除了資料框和SQL介面之外,整合分析平台也提供了簡易的資料上傳和探索功能
- 透過平台可以使用高階介面(Keras)使用配備有GPU的深度運算主機建立人工智慧模型
- 使用者第一次登錄,即可透過根目錄之下的示範程式,(練習)使用以上各項資源
- 使用者可以透過文字分析平台,以半自動化的方式上傳、分析文集資料,目前文字平台之中已經存有過去10年間PTT網站多數版面的文字資料,使用者可以直接使用關鍵字和日期篩選PO文內容,進行分析
線上課程
本課程也將配合中山管院的的「數位行銷與網站數據分析 線上課程自學地圖」,盡量利用國外知名大學的線上課程內容;具體而言,我們計畫將參考以下線上課程(MOOC’s):
- 伊利諾大學香檳分校開設的Digital Marketing Specialization系列課程
- 西北大學開設的Social Media Marketing Specialization系列課程
- 伯克萊大學開設的Marketing Analytics系列課程
- 賓州大學華頓商學院開設的
- 波士頓大學開設的Strategic Social Media Marketing線上課程
- 哥倫比亞大學開設的Marketing Analytics線上課程
- 法國ESSEC商學院與世界級的管理顧問公司ACCENTURE共同開設的Foundations of marketing analytics線上課程
從其中截取合適的教學單元、作業習題或資料案例,直接引用為預習教材、參考教材,或以其作為自編教材的素材。
開放資料來源
本課程將從以下開放資料網站蒐集資料集,藉以編輯管理資料案例:
線上課程認證
我們也計畫透過互(自)助學習的方式,協助學生上完Google Analytics Academy所提供的這兩個免費線上課程並取得認證:
其他線上資源
此外,我們也計畫在課程中指導學生以免費試用方式使用以下線上服務:
- 透過Google Site 架設小組和個人網站
- 透過Google Analytics和Google BigQuery收集、分析網站流量資料
- 透過SimilarWeb比較競爭網站的各種流量指標
- 透過Serpstat做關鍵字研究和搜索引擎優化
- 透過Brand24做社群媒體內容監聽
- 透過 Google Cloud Platform (GCP) 租用、架設雲端深度學習主機
- 透過 IBM Watson Analytics 練習使用自動機器學習系統
- 透過 IBM Watson Analytics for Social Media 練習操作社群網路監聽和文字內容分析
參考書目
本課程的參考書目暫定如下:
- Chapman, C., & Feit, E. M. (2015). R for marketing research and analytics. Springer.
- James, G., Witten, D., & Hastie, T. (2014). An Introduction to Statistical Learning: With Applications in R. Springer.
- Kaushik, A. (2009) Web Analytics 2.0: The Art of Online Accountability and Science of Customer Centricity. Sybex.
- Stokes, Rob. (2013). eMarketing: The essential guide to marketing in a digital world. Quirk eMarketing.