‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

國立政治大學商學院經營管理碩士學程

文科資創組碩士論文

大數據時代廣告行銷策略分析 An Exploratory Study on Advertising & Marketing

Strategies of Big Data Age

指導教授：詹文男博士 研究生：應淇帆 撰

中華民國一○七年一月

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

i

謝辭

從十幾年前在ＴＶＢＳ主跑科技新聞以來，開始與數位科技結下不解之緣，

而從產業的觀察者，搖身一變成為產業的參予者，轉眼已經有十幾年，擔

任過不同產業的行銷公關甚至新事業開發工作，也參與過兩家公司ＩＰＯ，

一直思考如何整合理論與實務經驗、再創職涯高峰。此次探討大數據對於

廣告行銷方式的影響，希望把目前觀察到的數位科技大趨勢，透過實地的

問卷調查加以精煉。

論文撰寫過程中最感謝指導老師詹文男教授，詹老師的課程教學認真又非

常幽默，其課程一直是ＥＭＢＡ的熱門課程，能夠獲得詹老師指導，如虎

添翼、事半功倍。同時更要感謝陳聖智、余坤東兩位口試委員於百忙之中

提出中肯的意見與指導，使本論文得以更有條理。

每一個廣告的投放或是行銷內容的精心設計，都必須從數據中驗證成效，

行銷人，就像是企業或品牌的魔術師，他的魔法來自於喚醒消費者實際的

購買行為，而最佳的檢核工具就是數據；透過此份論文的誕生，讓我重新

匯整自己的實務與學術經驗，更讓我檢視行銷人的價值。畢業之際，很驕

傲這兩年半一路走來整體平均成績達到九十分以上，感謝曾經教導過我的

老師、一起修課的學長姐，從您們身上，我了解了什麼是真正企業界的東

方不敗----求新求變、坦然淡定、虛懷若谷、求知若渴、永不放棄！

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

ii

摘要

企業在行銷產品時，第一需透過大數據資訊了解消費者，第二更要善

用大數據選擇適合的媒體投放，再從投放效果進一步抓到更精準的消費者

進行「再行銷」1，不斷測試以提升廣告投資效率（Ｒｅｔｕｒｎ ｏｎ Ｉ

ｎｖｅｓｔｍｅｎｔ）。

大數據的趨勢已經改變全球商業環境，大眾傳播行銷不再有效，企業

行銷已經需要走向個人化行銷，台灣企業更必須有扭轉運作思維、調整行

銷策略。根據本研究顯示，大部份企業已經開始掌握大數據的趨勢，不僅

有一半以上的企業在內部成立大數據相關部門，更自行建立資料庫，甚至

自行成立廣告投放平台，另外也有公司會透過資訊部門與行銷部門成立跨

部門專案或是與外部專業團隊策略聯盟。

但是目前缺乏相關領域人才資料，資訊太多無法整合、資料老舊格式

不一，是目前企業主管普遍認為大數據較難推動的地方。本研究從新的４

Ｐ理論，認為大數據可以進行新４Ｐ：人（Ｐｅｏｐｌｅ）：精準分析消費

者因人而異的狀態，成效（Ｐｅｒｆｏｒｍａｎｃｅ）：找到能帶動成效的

行銷方式，步驟（Ｐｒｏｃｅｓｓ）運用數據優先處理危急問題預測，預

測（Ｐｒｅｄｉｃｔｉｏｎ）精準預測顧客下次回購時間。本研究顯示出

台灣各企業主管針對大數據帶動新４Ｐ理論和成效多半表示認同，不過，

企業主管認為要解決缺乏相關領域人才的問題，更需加強資訊整合工作，

並且採用適合的軟體工具。企業主管更需有改變領導風格、且需投入相當

成本進行大數據分析的決心。

關鍵字：大數據、精準行銷、數位行銷、策略分析

1 「再行銷」（Retargeting Ads）是指根據消費者在網站中的商品瀏覽紀錄以及購物車的

商品，推測出消費者有興趣購買的商品，透過重定位技術以再次推播到消費者，引發回購。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

iii

Abstract

Serving TV media and corporate marketing department nearly one decade, I

found that the use of big data would become a significant issue. Firstly,

enterprises need to understand consumers through big data, secondly

should make good use of big data to select appropriate media, and then from the

delivery results to further capture more accurate consumers to improve

efficiency.

Big data trends have changed the global business environment, mass media

marketing is no longer valid, mass marketing has to move toward personalized

marketing. Taiwanese companies must reverse thinking in terms of marketing

strategies. According to this study, most enterprises have started to grasp the

trend of big data. Not only are more than half of them setting up their own big

data-related departments internally, but also establishing their own databases or

even setting up their own advertising platforms. In addition, some companies set

up cross-departmental projects or strategic alliances with external professional

teams.

However, the current lack of relevant personnel, too much information that

cannot be integrated, the old format, it is generally believed that corporate

executives more difficult to promote big data. From the new 4P theory, think

big data can make a new 4P: People (Precise analysis of the consumer status),

Performance (Find ways to promote the effectiveness of marketing), Process

(the use of data-priority), and Prediction (Precisely predict the next customer

repurchase time). At present, most business executives in Taiwan are agreeing

to drive the new 4P theory and effectiveness in response to big data. However,

business executives think that it is necessary to solve the problem of lack of

qualified personnel in related fields and to strengthen information integration,

and use the appropriate software tools. Business executives need to change

leadership style, and need to invest considerable cost of big data analysis

. Keywords：Big Data,Digital Marketing,Strategic Analysis

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

iv

目錄

謝辭 ...................................................................................................................... I  

摘要 .................................................................................................................... II  

目錄 ................................................................................................................... IV  

表目錄 ................................................................................................................ V  

圖目錄 ............................................................................................................... VI  

第一章 緒論 .................................................................................................... 1  

  研究背景與動機  ..............................................................................  1  第一節

  研究目的與問題  ..............................................................................  2  第二節

  論文章節  .........................................................................................  2  第三節

  研究流程  .........................................................................................  3  第四節

第二章 文獻探討 ........................................................................................... 4  

  大數據之定義與範疇  ......................................................................  4  第一節

  企業廣告行銷策略的定義與範疇  ..................................................  6  第二節

  新４Ｐ理論的定義與範疇  ............................................................  10  第三節

  企業的大數據策略  ........................................................................  15  第四節

第三章 研究方法 ......................................................................................... 18  

  研究架構  .......................................................................................  18  第一節

  研究流程與操作步驟  ....................................................................  20  第二節

第四章 分析與討論 ..................................................................................... 23  

  研究分析  .......................................................................................  23  第一節

  研究發現  .......................................................................................  29  第二節

第五章 結論與建議 ..................................................................................... 31  

  結論  ...............................................................................................  31  第一節

第二節   建議  ...............................................................................................  32  第三節   研究限制  .......................................................................................  32  第四節   未來研究方向  ................................................................................  33  

參考文獻 .......................................................................................................... 34  

附錄Ａ ＧＯＯＧＬＥ問卷內容  .....................................................................  36  

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

v

表目錄

表１-２：傳統分析與大數據分析之比較 ........................................................ 5  表３-１：多重個案訪談 .................................................................................. 19  表３-１：研究架構之操作型定義 .................................................................. 20  

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

vi

圖目錄

圖１-１：研究流程圖 ........................................................................................ 3  圖２-１：找到顧客的１９個動態標籤 精準掌握顧客 .............................. 14  圖２-２：各產業對大數據重要性認知與實際投入狀態圖 .......................... 16  圖２-３：程序化購買的廣告催生出許多新的市場需求 .............................. 17  

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

1

第一章 緒論

研究背景與動機 第一節

任職電視媒體與企業品牌行銷十幾年的經驗觀察，大數據的運用將成

為企業顯學，隨著民眾上網時間愈來愈長，網路已經主要的傳播型式之一，

網路帶動的個人化行銷時代，企業在行銷產品時，如何自身大數據了解消

費者，更進一步如何善用大數據調整適合的行銷策略和媒體投放，再從投

放效果進一步抓到更精準的消費者進行再行銷，不斷測試以提升廣告投資

效率（Ｒｅｔｕｒｎ ｏｎ Ｉｎｖｅｓｔｍｅｎｔ），是本文所需要探討

的部份。

隨著科技的快速變遷，客戶的需求也不斷改變。客製化與個性化的服

務逐漸取代統一性的服務。如何有效對應客戶的需求，將是企業的一大難

題。行銷人員看到此一趨勢，應該擁抱科技發展自身的數據資料庫來提升

內部運作與部門的溝通，甚至進一步透過ＢＩ（商業智慧）的分析，找出

潛在客戶，設計對的商品，精準地預測成效，以提升企業的價值與競爭力，

因此企業內部該建立大數據策略，包括數據資料庫的累積與運用，將是本

文的另一探討重點。

人工智慧專家、創新工場創辦人李開復點名，人工智慧領域有「七大

黑洞」，分別是谷歌、臉書、微軟、亞馬遜和大陸的ＢＡＴ （百度、阿里

巴巴、騰訊），這些科技巨擘掌握非常大量的數據資料，主宰新的ＡＩ世界，

但卻沒有和其他人共享1，因此愈來愈多企業希望建立自己的資料庫，甚至

發展自己的廣告投放平台，大數據策略將是未來企業重要決勝點，因此本

文希望透過全新４Ｐ架構，讓企業主管思考大數據的導入營運模式。

1 資料來源：經濟日報，FANG 四天王 主宰科技新世界

https://money.udn.com/money/story/11162/2666185

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

2

研究目的與問題 第二節

媒體數量愈來愈多，消費者注意力被分散，媒體效益被稀釋時，廣

告主開始要求每一筆行銷支出的報酬率，訴求績效導向的行銷思維應運而

生。客戶正穿越數位廣告的第二方世界，進入官網與Ａｐｐ的第一方世界，

不同世界的兩張臉孔要怎麼識別是同一個人？識別之後要怎麼精準行銷？

唯有建立正確的數據架構：唯有透過資料全面的數位化，將資料串連起來，

才能看到客戶真正的面貌，並改善企業服務客戶的效能。故本研究之問題

可列為以下二點：

一、大數據趨勢下，企業廣告行銷方式該如何進行調整才能更加精準？

二、台灣企業面對大數據風潮如何轉型？是否會有專責大數據服務部

門？目前遭遇的最大困難為何？該如何克服？

論文章節 第三節

在進入數位化時代後，大數據分析已經是勢在必行，因此本文第一章

先說明研究目的與問題；第二章首先從大數據和行銷策略進行文獻探討，

接著探討企業如何在大數據時代蒐集資訊並解讀，建立成功的大數據行銷

策略，接著在第三章將確認研究方法及架構。

第四章將透過網路問卷回頭檢視台灣高階主管是否已經因應大數據環

境做好準備，以及未來進行大數據資料蒐集中需要注意的相關事項。現行

大數據蒐集的方式是否仍足以應付瞬息萬變的行銷環境？其面臨的具體困

境又有哪些？並綜合以上研究，本文將提出大數據廣告行銷策略的具體建

議，並嘗試借鏡先進業者的經驗，提出未來可行的方向以供參酌。故本研

究論文之貢獻可列為以下二點：

一、協助企業整體廣告行銷績效的提升。

二、協助企業建立大數據策略。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

3

研究流程 第四節

本研究主要係為探討企業如何因應大數據時代來臨重新調整廣告行銷

策略，本研究先探討背景與動機，研究流程自鎖定研究對象為各行各業的

行銷主管。首先藉由文獻探討回顧，了解「大數據之定義與範疇」、「企業

廣告行銷理論」、「新４Ｐ理論」之理論、定義、作法，於確立研究之目的

與欲探討之議題後；接續著手進行相關文獻資料之收集與分析，進一步建

構本研究之觀念性邏輯與框架。從而進入本研究階段，進而發展出研究問

題，更進一步以網路問卷之方式取得第一手資料。最後透過所有資料的研

究分析提出本研究之發現與結論，並針對成果提出後續研究相關建議。本

研究的研究流程如圖１-１所示：

圖 １-1：研究流程圖

資料來源：本研究整理

研究問題之確認

新 4P理論的定

義與範疇 企業的大數

據策略

文獻之蒐集與整理

大數據的 定義與範疇

廣告行銷策

略 定義與範疇

文獻與個案資料蒐集

網路問卷調查

個案研究分析與發現

研究結論與建議

研究主題與目的之選定 研究架構與方法之擬定

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

4

第二章 文獻探討

根據第一章所述之研究動機、研究目的與議題，本章將探討大數據之

定義與範疇、企業如何因應大數據趨勢收集資訊、如何依照大數據資訊調

整行銷模式、行銷傳播模式的轉型，以作為本研究建構大數據運營模式之

參考基礎。

大數據之定義與範疇 第一節

大數據又稱「巨量資料」、「海量資料」，指的是所涉及的資料量規模巨

大到無法透過人工在合理時間內達到擷取、管理、處理、並整理成為人類

所能解讀的資訊；因此巨量資料必須藉由電腦對資料進行統計、比對、解

析方能得出客觀結果，供企業參考使用。

大數據涵蓋的範圍很廣，定義也各家歧異。最早由 Ｇａｒｔｎｅｒ

公司的分析師 Ｄｏｕｇ Ｌａｎｅｙ 在 ２００１ 年發表的「３Ｄ

Ｄａｔａ Ｍａｎａｇｅｍｅｎｔ： Ｃｏｎｔｒｏｌｌｉｎｇ Ｄａｔ

ａ Ｖｏｌｕｍｅ， Ｖｅｌｏｃｉｔｙ， ａｎｄ Ｖａｒｉｅｔｙ．」

一文中挑明了資料處理的三個關鍵挑戰 –– 資料量（Ｖｏｌｕｍｅ

資料大小）、速度（Ｖｅｌｏｃｉｔｙ 資料處理的速度）、多樣性（Ｖａ

ｒｉｅｔｙ 多樣性）合稱「３Ｖ」2。在 ２０１２ 年 Ｄｏｕｇ Ｌ

ａｎｅｙ 給予大數據一個全新的定義 ：「大數據是大量、高速、及／或

類型多變的資訊資產，它需要全新的處理方式，去促成更強的決策能力、

洞察力與最佳化處理。」隨著資訊科技不斷地往前推進，資料量的複雜程

度愈來愈高，「３Ｖｓ」已經不足以形容新時代的大數據，包括科技大廠Ｉ

ＢＭ、國際調查機構Ｇａｒｔｎｅｒ、ＩＤＣ等紛紛對Ｂｉｇ Ｄａｔａ

提出新的論述，大家紛紛地將３Ｖ增加成為４Ｖ，即在原本的速度、多樣

2 資料來源：在深不可測的 Big Data 時代尋找新契機 /工研人/2015 年 5 月號/第 384 期/工研院院長室專家王雲

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

5

化與規模特性上，再增加「準確性」（Ｖｅｒａｃｉｔｙ）的特色，之後甚

至還有人提出５Ｖ、６Ｖ的看法，即在原本的４Ｖ上又增加「可視性」（Ｖ

ｉｓｕａｌｉｚａｔｉｏｎ）與「合法性」（Ｖａｌｉｄｉｔｙ）等。

簡單來說，大數據（Ｂｉｇ Ｄａｔａ）的功用在於取得及分析消費

者行為，藉由統計理論而「預測」消費者接下來可能的購買行為，且以此

為方向。大數據分析的資料，不是用來取代傳統的分析架構，而是彌補其

中的落差，以及建立巨量資料以提供更豐富的資訊。

表１-２：傳統分析與大數據分析之比較

項目 傳統分析 大數據分析

資料儲存花費 高 低

資料分析 離線的 即時的

Ｈａｄｏｏｐ的使用 否 是

數據下載速度 低 高

數據下載時間 長 平均快５０％～６０％

數據發現 最小的 關鍵的

數據多樣性 結構 非結構

數據量 Ｇｉｇａｂｙｔｅ，Ｔｅ

ｒａｂｙｔｅ

Ｐｅｔａｂｙｔｅ

即時性 一批 即時

管理時間 長期 平均快６０％

複雜問題的回應時間 小時 分鐘

數據壓縮技術 不成熟 平均壓縮４０％～６０

％數據

支援成本 高 低

資料來源：Ｂａｎｅｒｊｅｅ（２０１３）

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

6

企業蒐集大數據的方式，包括從線上追蹤（ｃｏｏｋｉｅ）、軟體紀錄、

網路路徑、追蹤消費者的喜好的活動，運用獨特的優惠碼等，均可以收集。

隨著物聯網興起，任何以前不可能產生資料的東西或地方都可能「資料化」。

天睿資訊（Ｔｅｒａｄａｔａ）首席技術長寶立明認為大數據的發展可以

分成三階段，正說明了大數據的來源多樣化：．ｃｏｍ時期、社群網路時

期和物聯網時期。早在２０００年初網路熱潮興起，人們就已經開始研究

ｌｏｇ資料，蒐集使用者的ｃｏｏｋｉｅ和搜尋行為等。而社群網路如Ｆ

ａｃｅｂｏｏｋ或Ｔｗｉｔｔｅｒ將人們的互動關係數據化，這些社群數

據創造了大量的商業價值。而第三階段物聯網時期，可能是最有趣的階段，

無論是機器還是人都開始被數據解構，數據可能來自手錶、鞋墊甚至皮帶，

這些物聯網數據將是接下來重要的數據分析對象。整體來看，大數據的來

源主要分為以下幾個方向（江亦瑄，２０１７）：

（一）網路與社群媒體，

現今大數據的主流，其他還有交易資料，

（二）人們主要製造的資料，例如客服電話錄音、出勤維修紀錄。

（三）交易大數據，包括帳單等資訊，可深度分析顧客需求。

（四）生物辨識資訊，是指自動識別基於個人的行為特徵和個體特質，

因而得到一組資料並從而預測其行為傾向。

一般大數據的處理流程主要分成四大階段：包括「數據蒐集」、

「數據集成與去蕪」、「數據分析」、「數據解讀」等四大主要程序。

企業廣告行銷策略的定義與範疇 第二節

根據美國行銷協會（Ａｍｅｒｉｃａｎ Ｍａｒｋｅｔｉｎｇ Ａｓ

ｓｏｃｉａｔｉｏｎ）的定義：「行銷是一種規劃與執行的程序，透過這個

程序，針對創意、產品或服務的觀念化、訂價、推廣與分配等進行規劃與

執行，進而創造出一種能買滿足個人與組織目標的交換活動。」

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

7

當前企業的行銷手段已經從以往的「大眾行銷」、「目標行銷」、「顧客

行銷」，走到現在的「一對一行銷」概念時，也就代表著行銷已經從單純以

交易為主的屬性，走向互動性、即時性、預測導向屬性的行銷。

過去所使用的推廣工具大多是單向式的，廣告、公關、促銷活動、直

效行銷大多以單向式的訊息溝通為主，雖可與顧客互動，但接觸成本過高，

也難有長時間的觀察與關心顧客所需。以前強調的市場佔有率是盡可能將

產品賣給更多的顧客；但是現在各行各業都重視顧客荷包佔有率，盡量增

加每位顧客的消費額，讓他對你的產品有忠誠度，使顧客的價值從單項產

品轉化為終生消費力，也就是一般所稱的「顧客終生價值」（Ｃｕｓｔｏｍ

ｅｒ Ｌｉｆｅｔｉｍｅ Ｖａｌｕｅ）。但要做到這點，就不得不借助數

位科技的力量了。

企業蒐集大量的消費者喜好、家庭消費能力、婚姻狀況等資料，建立

龐大的資料庫追蹤消費者行為，以提供「個人化廣告」（ｔａｒｇｅｔ ａ

ｄｓ）服務。大數據資料的運用使現行的行銷模式產生極大的改變，發展

成三種不同商業模式（陳延昇，２０１７）：

（一）只要精確媒合、不要費力說服

大數據的廣告效益，已經有實證研究證實，以加拿大知名購物網站Ｓ

ＨＯＰ的大數據資料實證研究，大數據廣告透過分析消費者的瀏覽、產品

搜尋點閱以及對產品的評論，而針對消費者的需求給予的廣告行銷，廣告

效果能大幅提升訪客成為客戶的比率，較過去提升１０倍（Ｂａｌａｒ

ｅｔ ａｌ，２０１３）。

（二）動態消費者

傳統的廣告媒體依照性別、人口、購買習慣去建立標籤，但電子商務

環境，消費者的行為每日變化，企業該如何掌握？以阿里巴巴的淘寶網站

為例，為了讓廣告精確化，曾將人口標籤擴增到上千種，但隨即發現必須

簡化，於是簡化為顧客動態、入店資歷、近期購物情境、購物頻率、購物

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

8

金額、下組購物預測６組動態標籤，顧客每一次的購買行為，都會為其個

人化的彈性標籤帶來調整。

（三）人為本位，不是產品為本位

過去沒有大數據的時代，ＴＡ的描述只能單純想像、而大數據廣告行

銷則是要明確掌握消費者的各種使用和購買行為，從這些具體的行為資料

去尋找他們所需要的目標產品，這也就是以人為本的概念。企業組織可以

利用產品售賣過程中產生的數據來確定存貨時間、下架時間,更加有效地管

理貨物,豐富產品種類以提高業績。為此大數據可以用來做管理決定,或為客

人提供周到細緻的產品和服務。總體來說, 大數據運用可以發展成三種不同

商業模式(潘曉蘭, 2015):

� 從既有數據變現數據本身即為產品或根據數據制定行銷策略、改善

產品。

� 藉由數據提升企業競爭力。

� 以數據做為服務的基礎與核心,用數據顛覆傳統行業。 利用大數據,

做更加複雜的分析,提高決策能力,進而改進下一代產品或服務。比如生產商

可以通過分析大數據來判斷消費者對產品評價,藉此來改善售後服務,提高

客 戶滿意度。透過電子商務平台業者:Google、臉書、網路行銷公司及社群

研究公司等載 具,提供網友接觸網路狀況、購買行為等狀況。並對於消費者

網路生活型態、商品接觸與品牌知名度的意見做觀察,運用這些資料,循著蛛

絲馬跡創造出新的商機與趨勢。目 前市場調查業較常進行的行銷調查項目

及大數據運用所提供的行銷資訊,目前市場調查業較常進行的行銷調查項目

及大數據運用所提供的行銷資訊如下表：

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

9

表２-１：市場調查業較常進行的大數據調查項目表

分類 目的 研究項目 運用大數據可提供的行銷資訊

消費者研

究

消費者特

性及潛在

需求

生活型態研究、市

場實態研究、銷售

追蹤研究、顧客滿

意度研究

Ｇｏｏｇｌｅ提供網友接觸行

為特性、臉書提供免費的粉絲團

分析

產品研究

新商品開

發及市場

預測

產品概念、命名

包裝測試、價格研

究、價格敏感度計

畫、價格彈性曲線

測試、品牌價格聯

合測試、市場預測

網友網路口碑分析

商務平台之購物資訊分析

電子發票消費記錄取得購物行

為特性

通路研究 決戰點選

擇

零售點業者意見研

究、銷售戰力評估

研究、商店形象評

估

透過電子消費記錄取得不同通

路的購物特性

品牌研究

品牌價值

監測及塑

造

市場預測研究、企

業形象調查、品牌

價值研究、社會研

究民意調查

網路口碑聲量可以監測品牌於

品牌粉絲團的意見、網友社會議

題輿情監測

媒體研究

瞭解媒體

情況與行

為

收聽收視閱讀率、

網路接觸研究、消

費者媒體研究

網路行為接觸可透過真實網路

數據

Ｇｏｏｇｌｅ Ａｎａｌｙｔ

ｉｃｓ、臉書提供接觸分析工具

廣告研究 廣告有效

性

溝通概念研究、事

前廣告診斷、廣告

效果研究 、促銷

活動評估

Ｇｏｏｇｌｅ「Ｂｒａｎｄ Ｌ

ｉｆｔ品牌提升調查」 免費工

具提供在ＹｏｕＴｕｂｅ 平

台 ＴｒｕｅＶｉｅｗ 廣告

即時比較有看和沒看過廣告的

消費者對廣告印象、品牌知名度

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

10

等以便快速優化和調整。

社群口碑監測平台可進行品牌

網路口碑聲量及議題輿情監

測、品牌粉絲團的意見監測與

資料來源：潘曉蘭（２０１５）

新４Ｐ理論的定義與範疇 第三節

傳統企業主導的 ４Ｐ 行銷組合，是 １９５３ 年在美國行銷學

會中由 Ｎｅｉｌ Ｂｏｒｄｅｎ 首先提出市場行銷組合（ Ｍａｒｋｅ

ｔｉｎｇ Ｍｉｘ）的專有名詞，為了從滿足市場需求，企業必須要對行

銷活動進行有效的組合，試探並刺激市場反應，以獲取最大的收益。１９

６４ 年密西根州立大學的教授 Ｊｅｒｏｍｅ ＭｃＣａｒｔｈｙ，在

其出版的（基礎行銷學）《Ｂａｓｉｃ Ｍａｒｋｅｔｉｎｇ》一書中，提

出行銷組合的４Ｐ組合元素概念，即產品（ｐｒｏｄｕｃｔ）、價格（ｐｒ

ｉｃｅ）、通路（ｐｌａｃｅ）、促銷（ｐｒｏｍｏｔｉｏｎ） 這四項具

體化行銷觀念，使廠商透過４Ｐ行銷架更加條理化和清晰化表達構，向消

費大眾傳達商品訊息，掌握消費者而大獲其利，從此４Ｐ行銷觀念主導３

０年的趨勢。

當大數據結合行銷──大數據行銷，將成為最具革命性的行銷大趨勢，

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

11

大數據行銷甚至可能顛覆奉行近半世紀的行銷４Ｐ理論：產品（Ｐｒｏｄ

ｕｃｔ）、價格（Ｐｒｉｃｅ）、促銷（Ｐｒｏｍｏｔｉｏｎ）、通路（Ｐｌ

ａｃｅ）。大數據下的行銷將產生一個全新的 ４Ｐ：個人化（Ｐｅｒｓｏ

ｎａｌｉｚａｔｉｏｎ）、成效（Ｐｅｒｆｏｒｍａｎｃｅ）、步驟（Ｐｒ

ｏｃｅｓｓ）和預測（Ｐｒｅｄｉｃｔｉｏｎ）（Ｂｏｗｄｅｎ，Ｊｕｎｅ

２３，２０１４）。

國內也有人針對大數據行銷４Ｐ提出不同的看法，強調數據行銷下的

全新４Ｐ：人（Ｐｅｏｐｌｅ）、成效（Ｐｅｒｆｏｒｍａｎｃｅ）、步驟

（Ｐｒｏｃｅｓｓ）和預測（Ｐｒｅｄｉｃｔｉｏｎ），更是能幫助企業聰

明預測消費者狀態與動態的零時差行銷術（陳傑豪，２０１５）。這個以人

為核心的「經營顧客」思維，不論是「一對一行銷」、「個人化行銷」，都可

以透過大數據輕易做到。每位消費者的購買時間、購買週期、購買特性，

購買行為、消費習慣……，都能透過大數據分析，將每個顧客都變成是１

個分眾市場，體現個人化行銷活動。

（一） （人（Ｐｅｏｐｌｅ）：ＮＥＳ模型，再多的顧客問題都只分

下列５種

●Ｎ 是指新顧客（Ｎｅｗ Ｃｕｓｔｏｍｅｒ）

●Ｅ 指既有顧客（Ｅｘｉｓｔｉｎｇ Ｃｕｓｔｏｍｅｒ）包含３種

Ｅ０：主力顧客，個人購買週期２倍時間內回購的人

Ｓ１：瞌睡顧客，超過個人購買週期２倍未回購的人

Ｓ２：半睡顧客，超過個人購買週期２．５倍未回購的人

●Ｓ３ 指沉睡顧客（Ｓｌｅｅｐｉｎｇ Ｃｕｓｔｏｍｅｒ），購買頻

率超過個人購買週期３倍未回購、回購率低於１０％。

ＮＥＳ模型就是為了即時掌握顧客的變動性而設計，根據消費者實際

交易數據演算，並配合資料更新進行動態修正。ＮＥＳ模型將消費者分成

Ｎ（新顧客）、Ｅ０（主力顧客）、Ｓ１（瞌睡顧客）、Ｓ２（半睡顧客）、

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

12

Ｓ３（沉睡顧客）５種標籤。老闆們必須知道，隨著顧客沉睡度愈來愈深，

品牌能夠有效喚醒的機會愈低，而相對要花的喚醒成本也將大幅增加。千

萬不要低估了時間對消費者動機干擾的影響力。如果將數據透過ＮＥＳ模

型演算即會發現，很多顧客早在１２０天左右就進入了Ｓ３（沉睡顧客）

階段，小心不要錯失了關鍵的喚醒時機。企業應該即時掌握每個消費者的

實際狀態，這是大數據行銷的首要之務。懂得為每位顧客量身訂製專屬的

溝通時間點，才能隨時收網不漏網。

（二） 成效（Ｐｅｒｆｏｒｍａｎｃｅ）：每間店都可以做自己行銷

對於企業經營來說，獲利是共同目標，其主要是受到３種營收影響：顧

客數增加、客單價提高、活躍度提升。但是試問，當在檢視獲利營收時發

現來客數下滑，你會認為原因是新客疲弱不振，還是忠誠顧客大量流失？

這藏匿數據背後真正造成店家營收下滑的主因，其實正是高貢獻度的忠實

客戶大量且快速流失。活動提升的新顧客對營收幫助渺小，當務之急是先

找出忠誠顧客流失的原因，制定顧客挽回方案，先固本補破再找尋新顧客，

才是正確且有益的處理方式。

（三） 步驟（Ｐｒｏｃｅｓｓ）：找出Ｐｒｉｏｒｉｔｙ，優先處理

當企業發現營收下滑了，建議先檢視品項銷售狀況、來客數與客單價

等數據。假如顧客人數不夠，應想辦法增加新顧客或舊客戶。如果發現是

顧客活躍度不夠，或忠誠度不夠，那麼可再針對早期再購顧客（意謂：短

期內馬上二次購買的客戶，極有可能成為主力顧客），或現有顧客的定期關

懷、購買時的事先提醒等，以不同的行動提升顧客活躍度。假使，問題出

在顧客的客單價不夠，則該進一步檢視，究竟是新顧客不夠還是舊顧客不

足？思考並分析是否因為不當的促銷方式，吸引了不健康的短期客戶。第

３個Ｐ要告訴你，流失是能夠被控制與改善的。行銷人在不同階段，應設

定對應的行銷活動，例如：在顧客Ｅ０階段就應規劃顧客忠誠度計畫，並

在Ｓ１、Ｓ２和Ｓ３不同停滯階段，設計喚醒方案。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

13

（四） 預測（Ｐｒｅｄｉｃｔｉｏｎ）：精準預測顧客下次回購時間

透過大數據分析未來走向，就能推算出會員的「下次購買時間」，藉此

店家就能在對的時間點對最有可能上門的顧客說話。假如顧客的狀態就像

５階段的水槽裝置，從新顧客（Ｎ）一路向下流向沉睡顧客（Ｓ３）。為了

預防顧客不斷地從主力顧客慢慢滑落到無法挽回的沉睡客戶（Ｓ３），我們

不但要建立有效預警和調節機制。藉由大數據的演算和預測，做到「智能

控制」的即時偵測、零時差、零誤差的溝通和個性化訊息。數據愈大，行

銷人更需要用統計和科技簡化決策流程。

綜合以上，多達１０００個的人口特徵標籤，透過３個演算模型ＮＥ

Ｓ、ＬＲＦＭ （Ｌｅｎｇｔｈ，顧客開始購買你家產品至今的時間長度。

Ｒｅｃｅｎｃｙ，顧客最近一次來購物的時間。Ｆｒｅｑｕｅｎｃｙ，顧

客購物頻繁程度，Ｍｏｎｅｔａｒｙ，顧客平均購物金額）及顧客下一次

交易時間（Ｎｅｘｔ Ｐｕｒｃｈａｓｉｎｇ Ｔｉｍｅ， ＮＰＴ）。將

上千個標籤改為簡單清楚的６組動態及１９種標籤，６組動態包括「顧客

動態」、「入店資歷」、「購物情境」、「購物頻率」、「購物金額」、「購物機率

預測」。運用這１９個動態標籤，就能做到精準廣告投放應用，標籤名單每

２４小時自動學習優化，讓廣告投放自己找到最適合的人。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

14

圖２-１： 找到顧客的１９個動態標籤 精準掌握顧客

資料來源：大數據玩行銷（陳傑豪，2015）

然而，當數據愈龐雜，數據的不確定性就會隨之提升。除了大數據外，

真正能判定勝負的關鍵其實是觀點。觀點就是假說，當觀點形成了才會產

生判斷，然後才能有更進一步的預測。因此，想要深入情境，掌握人在不

同情境中的變化，就必須知道如何分析情境，而這就需仰賴「厚數據」。所

謂的厚數據，更重視的是產品或產業數據的深度與情境，而好的數據觀點，

也往往是從厚數據產生。厚數據強調深入使用者情境，需要厚實的產業知

識為底，透過厚數據，將產業產品與消費者做更緊密的連結。一旦你懂得

結合大數據與厚數據的思維，你就能提早探知未來趨勢。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

15

企業的大數據策略 第四節

根據《大數據＠工作力》一書作者湯瑪斯．戴文波特（Ｔｈｏｍａｓ

Ｈ．Ｄａｖｅｎｐｏｒｔ）的說法，他根據資料量、所有權和資料應用程

度，將產業分成高成就者、資料劣勢者和低成就者。高成就者是那些擁有

大量數據，而且已經展現出優異的數據分析成果的企業，例如消費性商品、

保險業者、互聯網公司、旅遊、運輸和信用卡公司。在所有互聯網公司中，

又以電子商務業者對數據的應用最直接和強烈。以全球最大的電商平台阿

里巴巴為例，阿里巴巴假貨問題向來猖獗，但透過分析商品文字、圖片描

述、權利人投訴，甚至是社交媒體等１６種維度的數據，結合大數據打假

貨，現在阿里巴巴有９０％以上的下架商品都是大數據系統主動出擊發現

的。

而低成就者是坐擁大量資料，但因法規限制或思維僵化等原因，還沒

利用數據變現的產業，如媒體、電信、銀行和零售，但其中仍不乏已開始

使用數據的例子。例如大型零售業者卡特琳娜行銷集團（Ｃａｔａｌｉｎ

ａ Ｍａｒｋｅｔｉｎｇ）就藉由分析超過１億人的消費紀錄，結合旗下

５萬５千家零售店舖的ＰＯＳ機資料，交叉比對顧客的消費紀錄，針對顧

客的消費喜好發送優惠券，提高行銷效率。

資料劣勢者則是手邊資料不多，或是雖有足夠資料，卻缺乏完整結構

的業者，也較缺乏資料分析能力，例如許多Ｂ２Ｂ公司沒有辦法接觸到第

一線的消費者，而是提供服務給下游廠商，致其先天上就沒有第一手資料。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

16

值得注意的是，醫藥機構雖然被戴文波特列為資料劣勢者，但這是因為美

國的病歷電子化程度低，不若台灣擁有全世界最完整的國民健保資料庫，

因此台灣的醫療機構應是低成就者，而非資料劣勢者。

圖２-２：各產業對大數據重要性認知與實際投入狀態圖

Source: BCG, "A Digital Disconnect in Innovation?" October 28, 2014 by Kim Wagner,

Andrew Taylor, Hadi Zablit, and Eugene Foo

大數據時代來臨，過去購買廣告透過各種廣告聯播網購買，但這樣的

方式會容易出現消費者重疊的情況，於是產業開始變化，出現新的生態。

程序化購買的廣告購買方式也催生出許多廣告平台ＤＳＰ（Ｄｅｍａｎｄ-

Ｓｉｄｅ Ｐｌａｔｆｏｒｍ），也出現數據管理平台ＤＭＰ（Ｄａｔａ

Ｍａｎａｇｅｍｅｎｔ Ｐｌａｔｆｏｒｍ）

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

17

圖２-３：程序化購買的廣告催生出許多新的市場需求 資料提供：Ｇｏｏｇｌｅ

廣告平台ＤＳＰ最主要是可以和Ｇｏｏｇｌｅ這類大平台ＳＳＰ

（Ｓｕｐｐｌｙ-Ｓｉｄｅ Ｐｌａｔｆｏｒｍ）作連結，隨著技術上數位

化、自動化，現在透過ＤＳＰ廣告購買已經可以做到一對一、一對多、多

對多的即時。數據管理平台ＤＭＰ（Ｄａｔａ Ｍａｎａｇｅｍｅｎｔ Ｐ

ｌａｔｆｏｒｍ）簡單來說負責管理分析數據，像是把ｃｏｏｋｉｅ整理

優化成高價值的數據，將海量資料管理和即時分析，因此ＤＭＰ就像是數

位廣告的基石。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

18

第三章 研究方法

本章主要內容共分二節，第一節說明研究架構，第二節規劃研究方法。

研究架構 第一節

在進行訪問前，本研究先針對不同行業進行多重個案訪問，了解國內

外企業如何蒐集大數據資訊。

OTT 平台 Netflix 推出影集「紙牌屋」可說是其中一個經典案例,它靠

著龐大的用戶收視數據,發現劇本、導演、與演員的黃金組合,而創造出這一

炮而紅的 Netflix 原創影集。線上平台的確掌握許多用戶行為。根據全球串

流音樂龍頭 Spotify 公布的數據資料,目前每 5 名台灣 網友就有 1 名是

Spotify 用戶,這些用戶每天平均花 140 分鐘聆聽 Spotify。台灣使用者最常聽

音樂的兩個時段,落在下午 4 點到 5 點和晚上 9 點到 10 點,與最喜歡聽音樂

的情境通勤時刻(Commute)、專注時刻 (Focus)和晚餐時段(Dinner)不謀而合。

以類型來看,最受台灣使用者喜愛的前三大音樂類型為流行(Pop)、電音/舞曲

(EDM/Dance)和電子音樂(Electronica)。Spotify分析用戶資訊的相當細緻, 包

括個人基本資料、收聽音樂種類、透過何種串流裝置收聽音樂、使用時間

分布、收聽時間長度...等。 他們也將消費者分成 12 種不同的身份種類,除

了爸爸、媽媽是家庭角色外,還以興趣來區分,像是熱愛 運動、旅遊、科技、

烹飪等。雖然 Spotify 蒐集用戶資訊的程度,曾在美國引起部分用戶反感,但

他們利 用機器學習幫用戶推薦歌曲,在了解聽眾後開創出不少功能。也因此,

「音樂清單」(playlist)的影響力,甚至可以改變饒舌音樂和拉丁音樂專輯在

市場的排名。台灣串流影音服務平台 Choco TV 也深知資料分析的價值, 他

們從用戶使用行為中發現潛力,因而投入自製劇。另外像可樂旅遊,會搭配經

驗及數據分析來調配產品策略, 也會分析數位廣告和自家網站的瀏覽狀況,

得出消費者最關注的行程,找出下一個熱門景點。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

19

為設計問卷，特別針對下表不同企業界代表進行訪談，訪談重點在於更加

了解大數據與企業行銷之間的關係，因此訪談題綱如下：

（1） 目前是否已經有進行大數據的蒐集？  

（2） 由哪一部門解讀大數據資訊？  

（3） 是否會自行開發大數據平台或與其他公司合作？  

（4） 如何將大數據內容應用在 CRM會員行銷或行銷活動的推廣？是否

有成功經驗？  

表３-1：多重個案訪談

受訪者 訪問時間 訪問提綱與回答

震旦行

資訊總監

２０１８／１／１０

１．貴公司如何蒐集大數據

主要與ＳａｌｅｓＦｏｒｃｅ合作

２．如何運用大數據？

寄送會員ｅ-ｍａｉｌ

渣打銀行

前副總裁

２０１８／１／１２

１．貴公司如何蒐集大數據？

透過銀行交易資訊與徵信資料主

２．如何運用大數據？

發送簡訊、ｅ-ｍａｉｌ電子信，因鎖定特定

對象發送，ｅ-ｍａｉｌ電子信開信率高達２

０％大數據蒐集相關資訊可運用於金融商品

訂價。

愛奇藝廣告代理商

藝悅傳媒

２０１８／１／１１ １．貴公司如何蒐集大數據

透過網頁紀錄

２．如何運用大數據？

針對ＶＩＰ提供量身打造的專屬內容

遠雄房地產 ２０１７／１２／３０ １．貴公司在大數據

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

20

已經成立數位服務部門

２．如何運用大數據？

整合客戶名單、針對已購客戶發送簡訊

本研究在展開之前，先進所選定之主題及研究目的為：

一) 探究企業面對大數據時代，企業廣告行銷方式該如何進行調

整才能更加精準？期望達到永續經營之目的。

二) 台灣企業面對大數據風潮如何轉型？是否會有專責大數據服

務部門？目前遭遇的最大困難為何？該如何克服？以重新塑造企業大

數據力之新典範。

表３-2：研究架構之操作型定義

資料來源：本研究整理

研究流程與操作步驟 第二節

本研究之設計採取多重個案研究法與Ｇｏｏｇｌｅ網路問卷調查法，

先以多重個案訪談的方式，蒐集論文相關的主題，再以問卷調查法進行調

查，網路問卷採用Ｇｏｏｇｌｅ表單建置，並以ＬＩＮＥ透過群組發送問

卷調查方式來蒐集資料，研究對象為企業行銷主管，收集上網填答者資料。

構面 定義 大數

據時

代對

於企

業廣

告行

銷策

略探

討

大數據 大數據又稱「巨量資料」、「海量資料」，指的是

所涉及的資料量規模巨大到無法透過人工在合理時

間內達到擷取、管理、處理、並整理成為人類所能

解讀的資訊；因此巨量資料必須藉由電腦對資料進

行統計、比對、解析方能得出客觀結果，供企業參

考使用。 ４Ｐ理

論

數據行銷下的全新４Ｐ：人（Ｐｅｏｐｌｅ）、成效

（Ｐｅｒｆｏｒｍａｎｃｅ）、步驟（Ｐｒｏｃｅｓ

ｓ）和預測（Ｐｒｅｄｉｃｔｉｏｎ），更是能幫助

企業聰明預測消費者狀態與動態的零時差行銷術

（陳傑豪，２０１５）

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

21

共回收有效問卷４２份。

此種多重個案研究（Ｍｕｌｔｉｐｌｅ Ｃａｓｅ Ｒｅｓｅａｒｃ

ｈ），係指在整個研究過程中，研究者同時針對幾個個體，進行與研究有關

資料收集的工作。當研究者同時針對二個或二個以上的個案進行研究。而

多重個案研究是複現而非抽樣邏輯，在研究多重個案研究的時候，每個個

案研究都必須要小心地選擇。而適用多重個案研究的目的有二：預測類似

的結果（一種原樣複現）（ａ ｌｉｔｅｒａｌ ｒｅｐｌｉｃａｔｉｏｎ）、

由可預測的理由產生不同的結果（一種理論原樣複現）（ａ ｔｈｅｏｒｅ

ｔｉｃａｌ ｒｅｐｌｉｃａｔｉｏｎ）。

本研究採多重個案分析之研究方法，主要在說明透過跨個案所觀察之

現象及其具體意義，而非探求變數彼此間之因果關係，並試圖透過來自實

際參與個案成員的深度訪談資料，了解企業如何因應大數據時代調整廣告

行銷模式探討，再依研究之目的進行更多高階經理人的分析，綜合出本研

究之結論與建議。

(一)研究對象

本研究針對臺灣各大企業，包含營建業、金融業、媒體業、電子通路

等高階不同產業別企業主管先進行訪問，再透過Ｇｏｏｇｌｅ網路問卷蒐

集更多資料，本研究之資料收集，以初級資料為主，次級資料為輔。收集

得來之資料為個案撰寫時之主要素材，撰寫完之個案，則為進行個案分析

時之主要資料基礎。

（二）初級資料：採用網路問券與深度訪談之方式。Ｍａｌｈｏｔｒ

ａ（１９９３）認為深度訪談法，係指由面談者使用非結構性、直接的方

式與受訪者接觸，是一種單獨的、個人的互動方式，用來發覺受訪者基本

的動機、信念、態度等。在深度訪談的過程中，訪談者應儘可能使用最少

的提示和引導問題，鼓勵受訪者在一個沒有限制的環境裡，針對訪談主題

儘可能談論自己的意見。而訪談之對象皆屬高階經理人，對於重點議題、

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

22

營運策略、預算分配皆有相當之影響力。調查方式：網路線上問卷調查（訪

問時間２０１８年１月份），共有４２位高階經理人接受網路問卷調查，５

２％受訪者在廣告行銷領域有１０年以上年資，２４％受訪者有５-１０企

業行銷資歷，２２％有５ 年及５年以上資歷。

（三）次級資料：自期刊論文、相關計畫官方網站與出版品、報章

雜誌、書籍等次籍資料，整理出關於大數據企業行銷的相關資料。

訪談資料之整理分析步驟

1. 訪談內容：

本研究係之資料來源係透過深度訪談及參與觀察所得之訪談內容，

並輔以Ｇｏｏｇｌｅ問卷而得之次級資料。訪談方式為透過一對一

進行，備，且採半開放式訪談模式，即主要係依訪談題綱進行，當

遇有需要而得彈性增減訪談問題。

2. 分析原則：

本研究之設計採取多重個案研究法，針對選定個案之訪談進行整理，

探求複現而非抽樣邏輯，包含預測類似的結果（一種原樣複現）（ａ

ｌｉｔｅｒａｌ ｒｅｐｌｉｃａｔｉｏｎ），以及由可預測的理

由產生不同的結果（一種理論原樣複現）（ａ ｔｈｅｏｒｅｔｉ

ｃａｌ ｒｅｐｌｉｃａｔｉｏｎ）。

3. 資料分析與撰寫：

透過資料分類，將訪談內容所詮釋出之概念，進行分析與撰寫，

從個案訪談中歸納出在大數據發展的關鍵面向。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

23

第四章 分析與討論

研究分析 第一節

綜合以上之研究個案分析與研究發現，本研究企業廣告行銷策略的關

鍵經營要素之研究，分類歸納其成功因素何在，獲得以下初步研究結論：

（一） 大數據的產生方式

大部份公司公司（５７．１％）都是透過交易數據產生大數據資

訊，另外也有透過透過社群媒體如Ａｐｐ或是網站會員頁面占比其次

（５２．４％）第一線客服或業務人員填寫（４７．６％）。目前較少

公司透過物聯網像是手錶等智慧連網裝置來蒐集大數據，未來這些物

聯網數據將是下一階段的重點。

（二） 大數據資料彙整方式

根據調查結果，目前各企業在彙整大數據資訊方面，大部分都是匯

入電腦資料庫 （５９．５％），由行銷或數據專門部門定期彙整並解讀（６

１．９％），只有少數會與數據公司共同合作開發（１６．７％），另也有

公司自建系統收集分析（２．４％）。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

24

（三） 因應大數據趨勢的因應措施

大部分公司會成立數據營銷部門（４７．６％），或自行開發電腦軟體

系統（２３．８％），甚至自行成立廣告投放平台購買廣告（２１．４％）。

另外也有公司會透過資訊部門與行銷部門成立跨部門專案（２．４％）或

是與外部專業團隊策略聯盟（２．４％）。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

25

（四） 針對企業蒐集的資料類型

大部分企業主要蒐集行為特徵資訊：如網站搜尋行為、購物車清

單等（６６．７％），其次蒐集人口特徵資訊：如性別、所在區域、來

源媒體等資訊（５７．１％），也有企業針對興趣特徵資訊：如使用者

對於旅遊、運動、３Ｃ產品的興趣（４７．６％）另外也有企業特別

統計用戶ＩＰ、使用時間、交易資料封包（２．４％）消費金額、收

入（２．４％）。也有企業供應商產品品項（２．４％）。

（五） 企業如何運用大數據資訊

大部分公司會發展會員關係管理（６４．３％）１，並依據會

員特性投放專屬廣告（５０％）或發送ｅＤＭ（４５．２％）舉辦會

員專屬活動（４２．９％），並發送簡訊（３１％）依據會員特性，

針對不同焦點客戶進行行銷（２．４％）製作廣告素材（２．４％）

新產品開發參考（２．４％）。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

26

（六） 請問您認為目前哪些全球企業，成功運用大數據資訊而再創

佳績？

大部分受訪的企業主管都提到Ｇｏｏｇｌｅ和Ｆａｃｅｂｏｏｋ，

Ａｍａｚｏｎ和阿里巴巴、淘寶、ＩＢＭ、華碩、Ｔｅｓｌａ沃爾瑪

Ａｐｐｌｅ均有被提及。一些電商品牌如ＰｉｎｋｏｉＺａｌｏｒａ

蝦皮甚至行動通訊龍頭Ｌｉｎｅ也被認為大數據典範。

（七） 請問您覺得運用大數據資訊最困難的地方

大部分企業主管認為缺乏相關領域人才資料（５７．１％）是運用大

數據資訊最困難的地方。資訊太多無法整合無法將消費者有效分類（４

５．２％）則排名第二，資料老舊格式不一（３１％）缺乏適合的軟

體工具（２８．６％）無法評估現有行銷活動績效（２６．２％）也

是企業主管認為運用大數據資訊比較困難的地方。更有企業主管提出

改變領導與傳統（２．４％）個資法規嚴格（２．４％）時間影響之

動態數據（２．４％）Ｂ２Ｂ客戶的需求（２．４％）投入成本高（２．

４％）等問題。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

27

（八） 請您運用新４Ｐ理論評估 貴公司在大數據應用的表現

新４ｐ理論是人（Ｐｅｏｐｌｅ）：精準分析消費者因人而異狀態成效

（Ｐｅｒｆｏｒｍａｎｃｅ）：找到能帶動成效的行銷方式步驟

（Ｐｒｏｃｅｓｓ）運用數據優先處理危急問題預測（ Ｐｒｅｄｉｃ

ｔｉｏｎ）精準預測顧客下次回購時間。

1. Ｐ（Ｐｅｏｐｌｅ）：精準分析消費者因人而異的狀態

大部分企業主管認為任職企業表現普通（５３％）也有企業主表示

滿意（２８％）另有企業主管認為表現不佳（１９％）。

2. Ｐ成效（Ｐｅｒｆｏｒｍａｎｃｅ）：找到能帶動成效的行

銷方式

大部分企業主管表示普通（６２％）少數認為表現不佳（１９％）

另有企業主管認為表現滿意（１９％）。

3. Ｐ步驟（Ｐｒｏｃｅｓｓ）運用數據優先處理危急問題

大部分企業主管表示普通（６９％）少數認為表現不佳（１９％）

另有企業主管認為表現滿意（１２％）。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

28

4. Ｐ預測（Ｐｒｅｄｉｃｔｉｏｎ）精準預測顧客下次回購時

間

大部分企業主管表示普通（５４％）少數認為表現不佳（３０％）只

有少數企業主管認為表現滿意（１６％）．

（九） 能否舉例大數據運用對 貴公司的最大助益

最後以簡答題詢問各企業主管的意見，企業主管普遍認為三大助益：

1. 了解客戶需求的趨勢、透過客戶購買行為得知其偏好，搜集用戶

使用行為

2. 成功分析出有效數據、精準做出市場區隔能分眾行銷、依客戶個

別需求進行銷售，而會員再購分析也是相當重要的一環。

3. 有效提升ＲＯＩ

（十） 請問您個人在行銷領域工作年資？

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

29

研究發現 第二節

因應大數據時代的來臨，如果企業希望數據的運用，能真正轉換

為有效的行銷、產生商業價值，有幾個思維限制必須取得突破：

（一） 分析重視「優化」甚於「巨量」大數據成為熱門議題之後，

台灣企業對大數據耳熟能詳，也知道銷售必須仰賴數據分析，卻

不清楚數據分析要產生價值，「優化」（ｏｐｔｉｍｉｚａｔｉｏ

ｎ）比起「巨量」（ｈｕｇｅ ａｍｏｕｎｔ）更為重要，也就是

了解數據分析的目的。

（二） 讓行銷人員「可用」才能實現資料價值，資料價值實現的可

能性首先發生於業務人員是否能夠理解的基礎上，當資料的價值

能被理解的時候，跨部門的溝通也就順暢了許多。

（三） 實務上，企業運用數據最為困難的，反而是資料的整合。光

是客戶管理數據整合就不容易了，企業如果想建置大數據系統，

建立真正的大量數據，組織裡要涉及的部門更多、投資又大，也

不保證投資回報，於是數據整合就停滯不前。

（四） 分析必須結合「人性」與「科技」另一個實務上，運用數據

的困難，是能整合「人性」與「科技」的人才太少。大數據運用

統計，是理性的，品牌經營則重視創意、觸發情感，是感性的。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

30

要整合這兩者，才可能有效地讓數據化為策略，找到最適合的行

銷觸發點。

（五） 無論多麼積極的蒐集用戶行為數據,企業能看到的,只有消費

者與自身品牌互動所留下的痕 跡,數據再怎麼多元都會是片面的。

加上消費者對於主動留下個人資料可能會有疑慮或障礙,或是流程

過於繁瑣而離開。這時候,第三方數據就會是另一個利器。第三方

數據指的是從非企業主本身所取得的數據 (第一手資料)、也非從

廣告活動中取得的數據 (第二方),而是由其他單位所提供的資料。

廣告主常使用的第二方數據包括 Facebook、Google...等 數位平台,

可以用來補充用戶資料、提供分眾行銷、商品推薦...等用途。但此

類數據難免有美中不足之處,首先用戶若是沒有登入就無法判讀;

再者,資料僅能在該平台中使用,若沒有投放廣告,就難以取 得或分

析。而第三方數據正好可以補足上述空缺,但好的第三方數據應該

要符合下述條件:涵蓋度廣、代表性高、活躍度高、持續更新。比

如,電信公司有真實資料搭配數位足跡,即是理想的第三方數據提

供商之一。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

31

第五章 結論與建議

結論 第一節

從此次訪談中，企業主管普遍認為大數據的確可以了解客戶需求的趨

勢、透過客戶購買行為得知其偏好，搜集用戶使用行為並成功分析出有效

數據、精準做出市場區隔能分眾行銷、依客戶個別需求進行銷售，而會員

再購分析也是相當重要的一環。大數據趨勢下，企業廣告行銷方式該如何進行

調整才能更加精準？

（一） 大數據的運用範圍相當廣泛，除了發展會員關係管理，依據會員特

性投放專屬廣告或發送ｅＤＭ，舉辦會員專屬活動，發送簡訊之外，也

可運用於新產品開發參考。

（二） 根據調查結果，目前各企業在彙整大數據資訊方面，大部分都是匯

入電腦資料庫，由行銷或數據專門部門定期彙整並解讀，只有少數會與

專業數據公司共同合作開發，或公司自建電腦軟體系統收集分析。顯示

大數據風潮雖然已經來臨，但是公司真正落實的項目其實尚未完備。

一、台灣企業面對大數據風潮如何轉型？是否會有專責大數據服務部

門？目前遭遇的最大困難為何？該如何克服？

（一） 迎向大數據風潮，大部分公司會成立數據營銷部門，或自行開發電

腦軟體系統，甚至自行成立廣告投放平台購買廣告。另外也有公司會透

過資訊部門與行銷部門成立跨部門專案或是與外部專業團隊策略聯盟。

（二） 綜合訪談成果，企業再進行大數據相關工作時，首先，要解決缺乏

相關領域人才的問題，並加強資訊整合工作，另外採用適合的軟體工具。

企業主管更有改變領導風格、且需投入相當成本進行大數據的決心

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

32

第二節 建議

一、實務上的建議

從此次能盡可能多的收集受眾行為資料。識別使用者及其行為，收集

資訊，收集受眾的行為資料。收集資訊愈多。收到的資料愈多，能得到的

資訊愈全面。盡可能的把資料利用起來。提供更多與客戶互動（客服，廣

告，推薦，活動）的總頻率與接觸點的總量，與互動的頻次成正比。快速

利用資料發展產品，牢牢抓住使用者心意。

二、學術上的建議

大數據涵蓋範圍相當廣、從學術角度而言，目前仍需多蒐集更多個案

的成功經驗，再建立更為紮實的理論基礎。數據分析不是一切的答案。德

國數據科學專家薩巴斯欽韋尼克博士(Sebastian Wernicke)在一 場 TED 演

講中提醒,數據分析只能幫助分析問題及了解細節,「決策」才是一切的關鍵,

這就仰賴另一個工具—我們的大腦。但數據仍然是一切的基礎建設,不論品

牌目前處在哪個階段,現在就開始累積資料準沒錯。

第三節 研究限制

綜合以上，此次研究具有以下之限制性：

一、個案研究之限制

台灣企業個案研究方式，無法代表一般現象。

二、實務導向之限制

因採深度訪談方式，融入研究者主觀認知，恐未全符學術要求。

三、問卷調查之限制

此次因問卷調查樣本數稍少，可進一步擴充樣本數。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

33

第四節 未來研究方向

此次已經針對大數據進行初步探套，未來研究方向建議如下：

一、可以訪談更多有大數據運作成功經驗的企業，分享其成功經驗。

探討其企業如何執行廣告媒體策略因為數據的累積與運用，廣告

得以進行更精準投放。

二、可進一步分析企業在大數據時代如何蒐集大數據資訊，包括第三

方數據如何蒐集，以強化企業數據力的提升。

三、大數據畢竟是一項目標長遠且龐大的投資,不只在經費資源上,包括

人力投入也是個門檻。因此目前在資料庫建制上腳步比較快的,多

半為電商型客戶,因為投入的資源能轉化為訂單,立即看到成果。而

品牌型客戶,多半受限在本身擁有的會員資料以及廣告投遞後媒體

所提供的資料裡挖礦了。在媒體操作上,可使用精準行銷

(Targeting)以及再行銷(Retargeting), 但資料累積仍舊是掌握在媒

體端,且最大的限制是無法跨媒體平台的運用與分析。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

34

參考文獻

一、中文文獻：

1. 陳傑豪（２０１５）。大數據玩行銷。第一版：台北市。遠見天下。

2. 劉幼琍主編（２０１６）。大數據與未來傳播。第一版：台北市。五

南書局。

3. 李郁怡（２０１５）。尋找品牌行銷引爆點，哈佛商業週刊２０１５

年１１月號。

4. 廖晨旭（２０１４）。「大數據分析時代壽險業之因應對策」。國立政

治大學經營管理碩士學程（ＥＭＢＡ） 。

5. 鄭美華（２０１７） 。數據分析與個人資料保護之衝突： 從收視

行為調查談起。國立政治大學法律科際整合研究所。

6. 陳怡安（２０１５）。大數據思維下行銷傳播。台北科技大學經營管

理系碩士班。

7. 李郁怡等（２０１５），「大數據 再進化」，數位時代，８３期２０

１５年５月號。

8. 劉文良（２０１７）。顧客關係管理：新時代的決勝關鍵。第一版：

台北。碁峰 。

9. 江裕真譯（２０１４）。大數據＠工作力：如何運用巨量資料，打造

個人與企業競爭優勢。臺北：天下文化。

10. 社群Ｘ電商-賣什麼都狂銷（２０１６）。臺北：今周刊。

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

35

二、英文文獻

1. Mcquail, d., (1992). Media performance: mass communication and the public interest.

2. Mayer-schönberger, v. & cukier, k., (2013). big data. 3. Surdak, c., (2014). Data crush: how the information tidal wave is

driving new business opportunities. 4. Burke, Mary A., and Ali Ozdagli.(2013).“Household inflation

expectations and consumer spending: evidence from panel data.” No. 13-25. Working Papers, Federal Reserve Bank of Boston.

5. Choi, Hyunyoung, and Hal Varian. (2012). “Predicting the present with google trends.” Economic Record, 88(s1):2-9.

6. Davenport, Thomas H., and Gilbert J. Probst. (2002). Knowledge management casebook: Siemens best practices. John Wiley & Sons, Inc.

7. Da, Zhi, Joseph Engelberg, and Pengjie GAO. (2011) “In search of attention.” The Journal of Finance 66.5: 1461-1499.

8. DePaolo, Concetta A., and Kelly Wilkinson. (2014). “Recurrent online quizzes: Ubiquitous tools for promoting student presence, participation and performance.” Interdisciplinary Journal of E-Learning and Learning Objects, 10:75-91.

9. Hamid, Alain, and Moritz Heiden (2015). “Forecasting Volatility with Empirical Similarity and Google Trends.” Journal of Economic Behavior & Organization, No. 117: 62–81.

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

36

附錄Ａ Ｇｏｏｇｌｅ問卷內容

Ｑ１請問 貴公司如何蒐集大數據資訊？

第一線客服或業務人員填寫 客戶購買後自行填寫 透過社群媒體如 由交易數據產生

Ｑ２請問 貴公司如何彙整大數據資料？

匯入電腦資料庫 與數據公司共同 由行銷或數據專業部門定期解讀 其他

Ｑ３請問 貴公司因應大數據趨勢的因應措施？

成立數據營銷部門 自行開發電腦軟體系統 自行成立廣告投放平台購買廣告 其他

Ｑ４請問 貴公司需要哪些類型的大數據資訊？

人口特徵：如性別、所在區域、來源媒體等 行為特徵：如網站搜尋行為、購物車清單等 興趣特徵：如使用者對於旅遊、運動、３Ｃ產品的興趣 其他

Ｑ５請問 貴公司如何運用大數據資訊？

發展會員關係管理ＣＲＭ 舉辦會員專屬活動 發送ｅＤＭ 發送簡訊 依據會員特性投放專屬廣告 製作廣告素材

Ｑ６請問您認為目前哪些全球企業，成功運用大數據資訊而

再創佳績？

‧國

立政 治

大

學‧

Na

t iona l Chengch i U

niv

ersi t

y

37

Ｑ７請問您覺得運用大數據資訊最困難的地方？

資訊太多無法整合，無法將消費者有效分類 缺乏適合的軟體工具 無法評估現有行銷活動績效 缺乏相關領域人才 資料老舊格式不一

Ｑ８請您運用新４Ｐ理論評估 貴公司在大數據應用的表

現

人（Ｐｅｏｐｌｅ）：精準分析消費者因人而異的狀態 成效（Ｐｅｒｆｏｒｍａｎｃｅ）：找到能帶動成效的行銷方式 步驟（Ｐｒｏｃｅｓｓ）運用數據優先處理危急問題 預測（Ｐｒｅｄｉｃｔｉｏｎ）精準預測顧客下次回購時間

Ｑ９能否舉例大數據運用對 貴公司的最大助益？

Ｑ１０請問您在行銷相關領域的年資？

１０年以上 ５-１０年 ５年以下