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。

圖1 行銷研究與行銷資料科學的歷史發展 繪圖者：余得如

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。
1910年，美國波士頓柯帝斯出版社（Curtis Publishing Company）的負責人查爾斯‧柯立芝‧帕林（Charles Coolidge Parlin）透過收集市場資訊，提供企業進行廣告與商業決策，他並力促幾家美國大型公司，成立自己的市場研究部門。各位有沒有注意到，孫逸仙先生此時正準備建立中華民國。
1923年，丹尼爾‧史塔區（Daniel Starch）提出AIDA （Attention, Interest, Desire, Action）模式。同年，行銷研究公司尼爾森（A.C. Nielsen）成立，它是首波成立的行銷研究公司之一。
1931年，行銷研究公司伯克（Burke）成立，並與P&G進行產品測試研究。1935年，市場調查公司蓋洛普（Gallup）成立，至今仍在市場上赫赫有名；1940年代，企業開始使用「縱橫斷面資料」（panel data）記錄消費者的購買行為。
1961年，喬治‧卡利南（George Cullinan）提出RFM（recency, frequency, monetary）指標的概念。1972年，俗稱POS的銷售時點系統（Point of Sale）在市面上出現，由銷售員在客戶結帳時，一併鍵入客戶資料，成為零售市場大量搜集消費者資料的濫觴。
1974年，丹麥學彼得‧諾爾（Peter Naur）首次提出資料科學（data science）一詞；1981年，IBM推出個人電腦，推升內部客戶數據的分析。1987年，羅伯特‧凱斯騰鮑姆（Robert Kestnbaum）、凱特‧凱斯騰鮑姆（Kate Kestnbaum）和羅伯特‧蕭（Robert Shaw）等三人開啟資料庫行銷的先河。
1990年，顧客關係管理（CRM）軟體開始出現。1991年，Python程式面市；1993年，R程式面市。
1995年，全球資訊網（World Wide Web, WWW）出現，也為未來大數據（Big Data）的出現埋下了伏筆。
1998年， 搜尋引擎Google成立。2001年，普渡大學（Purdue University）統計教授威廉‧克利夫蘭（William S. Cleveland）發表 〈Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics〉一文，將資料科學作為一個單獨的學科。
2004年，臉書Facebook社群網站出現；2004年，Google發表MapReduce架構；2005年，YouTube的出現，巨量視頻資料跟著產生；2007年，Apple推出iPhone，智慧型手機裡的全球定位系統（GPS）功能，揭示消費者位置與行動的數據。
2010年，資料分析競賽平台Kaggle成立；2011年，Apache Hadoop初始版本出現。
2011年，LinkedIn的迪‧帕蒂爾（D.J. Patil）發表〈打造資料科學團隊（Building Data Science Teams）〉一文。2012年，湯瑪斯．戴文波特（Thomas H. Davenport）與迪‧帕蒂爾（D.J. Patil）在哈佛商業評論（Harvard Business Review）上發表〈資料科學家：21世紀最性感的工作（Data Scientist: The Sexiest Job of the 21st Century）〉一文，宣告資料科學家具有發展潛力的未來。2015年，FAIR（Facebook Artificial Intelligence Research）總監楊立昆等（Yann Le Cun et al）發表深度學習（Deep Learning）概念文獻
從以上的內容中，可以發現行銷資料科學與網路技術的發展，以及電子商務的興起，三者有著緊密的關係。此外，網路技術的發展與電子商務的興起，促使企業所需分析的資料屬性，從少量遽增到大量、從內部擴大到外部、從結構化增加到非結構化。因此，傳統行銷研究的工具已不足以滿足企業的分析需求，行銷資料科學也因應而生。

留言

張貼留言

這個網誌中的熱門文章

淺談資料類型 — 初級資料與次級資料

-
圖片
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。 圖1 、初級資料的蒐集方法 。 繪圖者：周晏汝 而在行銷資料科學中，初級資料的蒐集方法還包括網路探勘（Web Mining）等，詳細的內容於往後再陸續介紹。 2.次級資料 次級資料（secondary data）是指間接取得別人所整理的資料（第二手），例如：引用政府開放資料。次級資料是相對於初級資料所命名，雖然次級資料在字面上看起來像是二手數據，但所謂的「二手」，並不像現實世界中的「二手車」，是已被他人使用過的那種意思。 次級資料一般分為「內部次級資料」與「外部次級資料」，如圖2所示。次級資料的蒐集成本通常較低並且有效率，但所獲得的資料卻未必適合企業自身所需。 圖2 、次級資料的種類。 繪圖者:周晏汝 （1）內部次級資料 內部資料成本低而且取得容易，同時符合企業所需，故內部資料為次級資料的重要來源。內部次級資料包括：銷售資料、生產資料、財會資料、人資資料…等。 （2）外部次級資料 資料本身並非為特定問題或研究而蒐集，可能是因其他的研究或報告而已被彙整成為檔案。例如政府或企業的出版品或報告。常見的外部次級資料包括：政府機構的統計資料、公會、協會、學會、媒體業、學術機構、行銷研究機構之產業報告、調查報告、研究報告…等。 「次級資料」通常有一定的限制。例如不同機構收集的資料可能無法比較。換句話說，資料收集不會採用統一的基礎，或者來源不完整，又或者收集的目的不是為行銷研究所專用。有關次級資料進一步的闡釋，將於下一篇文章中進行介紹。 羅凱揚（台科大兼任助理教授）、蘇宇暉（台科大管研所博士生）
閱讀完整內容

淺談資料類型 — 研究資料

-
圖片
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 繪圖者:張庭瑄 1.名目資料（nominal） 名目資料能區分不同組別，例如：將「性別」區分成「男」、「女」。以下是名目資料的特性： 名目內容（如：「男」、「女」）本身具有意義，但編碼後 （如「男」為「1」、「女」為「0」） 的數字大小，並不代表任何意義（如，不能說1大於0）。 編碼後的數字不能排序，但在統計處理時，可以累加次數(頻率數，也就是符合的人數)，例如男性156人、女性182人，或按次數多寡依序排列找出最高數值(最多人選擇的選項次數)。 2.順序資料（ordinal） 順序資料能區分等級或順序，例如：教育程度裡，從小到大依序為：國小、國中、高中、大學、研究所。以下是順序資料的特性： 編碼後的數字能夠排序，但無法進行加減。 可降階為名目資料（如：將教育程度區分成國小、國中、高中、大學、研究所，但不予排序）。 3.區間資料（interval） 區間資料能區分程度上的差異，例如：年份為2001年、2002年、2003年…。以下是區間資料的特性： 編碼後的數字為等距（如：「1與2之間的距離」，與「2與3之間的距離」相同）。 因為等距，所以能夠加減（如：年份2005年與2000年之間差了5年）。 因為不具絕對原點，所以不能乘除（如：年份2000年/2並不具意義） 問卷調查最常採用的就是區間尺度。例如請從「非常滿意、很滿意、滿意、普通、不滿意、很不滿意、非常不滿意」等選項中圈選出符合的，這原本是順序尺度，在此則拿來做為區間尺度來使用。區間尺度因為設定的組距都相等，所以可做為「非常滿意7分、…、非常不滿意1分」的處理方式，而最有名的則像是李克特七點量表或五點量表。 可降階為名目資料與順序資料。 4.比例資料（ratio） 比例資料能衡量數值之間實質的差異，例如：
閱讀完整內容

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。         以下先說明內部資料與外部資料進行說明，之後再陸續介紹其他類型資料。 1.內部資料：         與行銷較相關的企業內部資料，包括：銷售資料、顧客交易資料、產品服務資料、銷售人員報告、廣告支出相關的統計數據、運輸成本、與會計資料（會計損益表和不同年度的資產負債表）…等。內部來源的資訊取得容易，且收集時比較不會有財務負擔。然而，內部資料的搜集可能是個緩慢的過程（因為各單位的本位主義），但相對來說也比較準確和可靠。         在蒐集內部行銷資料時，業務人員是一個重要的來源，因為他們直接負責銷售與推廣產品，並參與了解消費者的需求、動機、偏好和購買習慣。他們還可以回饋對產品價格，設計，包裝和尺寸的建議，了解消費者或經銷商對公司產品的反應。行銷經理可以指導業務人員如何收集資訊並做定期報告。而行銷資料科學也可以針對這些文字資料與數字資料進行分析。         搜集消費者的原始數據非常重要。企業可以
閱讀完整內容