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。
從資料蒐集的角度來看，過去「行銷研究」透過問卷、訪談蒐集初級資料或是透過政府、公協會等蒐集次級資料。現在「行銷資料科學」透過「網路爬蟲（Web Crawler）」技術，從社群媒體（Social media）、部落格（Blog）、論壇（Forum）、應用程式介面（Application Programming Interface，簡稱：API）…等，擷取消費者的上網行為（主要是「數字」與「文字」）。也可以透過網站監控軟體，記錄消費者瀏覽網站的路徑。「行銷資料科學」還可透過影像辨識技術，搜集消費者在賣場中的真實消費過程（例如：在哪個時間、哪個位置、看了哪件衣服、看了多久…等），而這一部分還可延伸至「物聯網」的各種應用，或是透過次級資料來源，像是「政府資料開放平台」等，蒐集巨量的外部資料。
而在分析資料的過程中，過去「行銷研究」透過「統計分析」、「多變量分析（Multivariate Statistical Analysis）」等工具，協助找到問題的解答。「行銷資料科學」則還可透過「機器學習（Machine Laerning）」和「文字探勘（Text Mining）」等工具，給予資料更多的解釋並創造更高的價值，例如：發展出準確度高的預測模型。
在資料呈現的部分，以往「行銷研究」透過簡單的圖表，來呈現資料分析過後的統計結果。「行銷資料科學」則可透過「資料視覺化（Data Visualization）」工具，來呈現資料分析的成效，例如：文字雲（Wordcloud）、網路圖（Network Graph）…等。
最後，在涵蓋範圍上，行銷資料科學（Marketing Data Science）是行銷研究（Marketing Research）的延升，對於從事行銷相關業務的業界人士而言，在實務應用上，兩者可以相輔相成。
蘇宇暉（台科大管研所博士生）、羅凱揚（台科大兼任助理教授）
留言
張貼留言