AI 行銷學實作篇故事情境介紹_
AI 行銷學分析工具應用實戰

身為行銷副總的 Jasper，踏著輕快的腳步聲，進入了A公司的會議室，同 Tom 總經理與各位副總一同參與了新一年度的公司數位轉型發展會議。

Tom 總經理說：「不少電商、零售商、科技業等合作夥伴都已經開始數位轉型，雖說我們很多任務都已然自動化，但公司最匱乏的乃是產、銷、人、發、財與行銷數據分析方法的建制，尤其希望這數據分析方法能成功將『用戶』轉換到『客戶』，再從『客戶』推薦給其他『用戶』，更甚者能成為好的『回頭客』！ 如今我們很多資料與設備都已經齊全，我們已經行百里者半九十，最後的十里路我們再多加把勁，將有機會完成數據驅動獲利的夙願！」

Jasper 低頭沉吟道：「老總這些話已經說了好久，應該不只十里路吧，行銷部前人都沒辦法解決，今年就好辦法嗎？ 呵呵呵！」

Tom 總經理繼續說：「在今年一整年下來，行銷部的 Jasper 表現尤為亮眼，在行銷部與眾人合力運作下，讓公司業績成長了20%有餘！ 而行銷部的反應速度一直以來是我們公司的榜樣，我們數據分析任務就先從 Jasper 的行銷部開始推動吧！ 我也不給壓力，看能做多少是多少，也請各位副總一同協助Jasper完成我們公司的最後這十里路吧！」

Tom 總經理充滿期望的眼神看向 Jasper，Jasper 霎時呆愣當場，暗忖：「天！ 數據分析？ 數據驅動？ 這個我一點都不理解啊！ 不過危機就是轉機！」

Jasper 接著緩了一陣子後才反應過來，並說：「非常感謝 Tom 對行銷部的青睞，我們會共同努力將行銷數據分析轉化為公司數位轉型的重點工作，並有機會與各部門共享數位轉型下共同的成果，也要請在場各位副總多加協助行銷部，感謝大家！」

Tom 總經理神色滿足的將眼神從 Jasper 身上轉移到其他副總身上，也聽得其他副總附和支持 Tom 總經理的決定，接著會議便開始探討其他數位轉型的議題。

會後，Jasper 拖著沉重的步伐走出會議室並出了公司用餐去。用餐途中，偶然路過公司旁的書店，便進去找了一下行銷數據分析的書籍，即找到了《行銷資料科學》等筆者過往出版過的一系列專書，而這也是與行銷資料科學專案結緣的開始。

數位轉型與 AI 工具浪潮的來臨，行銷可以如何開始？

Jasper 與筆者們見面寒暄後，便開始交流了起來並滔滔不絕的詢問諸多問題：「我們公司有很多行銷資料與 CRM 資料，但從來都沒有好好認真分析過，是不是一開始要學寫程式？ 要如何開始行銷數據分析呢？ 現在有所謂ChatGPT，可以用嗎？」

其實不是每個人都要會寫程式，如果還要等資料科學從業人員完成程式後，才來執行行銷活動，將會很難快速的抓住市場商機。而 ChatGPT 固然新奇，但我們是否能善用其背後強大的語言模型輔以學習快速變化的商業環境，這些對於數據分析創造獲利來說都還是一個未知數。

數據趨動、數據分析思維才是目前企業人才必備的思維及能力。企業在推動數位轉型，如何讓行銷人員、社群管理人員、網站管理人員更快速地善用程式語言於商業應用，並進行以數據為導向的數位行銷策略已在行銷領域愈顯重要。或許隨著近期許多如：GPT3、BERT、BLOOM 等大型語言 AI 模型（Large Language Models；LLM）的崛起，我們讓內容行銷的效率與速度更上一層樓。但我們真的能做到「人機混成」，以提升企業的成長率嗎？

故筆者向 Jasper 建議使用 Dave McClure 在矽谷提出的「產品行銷管理成長框架（Startup Metrics for Product Marketing & Product Management）」(McClure, 2007)以行銷漏斗「AARRR」之概念來結合AI模型，導入 Jasper 公司的行銷資料科學應用，如圖1所示。在後續的實作篇中，筆者為了降低程式語言的學習門檻，將循序漸進，從概念與案例著手，一步步引領各位讀者完成第一線 Python 程式數據分析結合行銷管理的落地應用，同時亦步亦趨學會無程式碼（No Code）或簡易程式碼（Low Code）的概念應用。

善用 AARRR 成長框架，讓資料驅動行銷無往不利

具體的實作篇將以九大主題貫穿行銷漏斗的應用，筆者將逐一闡述表1與行銷漏斗 AARRR 直接的對應關係與行銷應用。

主題一為「別讓精準行銷只是口號！行銷活動利潤模型與最佳決策點分析」。本主題強調行銷漏斗中第一階段 — 「獲客（Acquisition）」，旨為使用任何方式來獲取新客或使舊客重新消費公司商品或服務。從資料科學的觀點來說，要想獲取顧客，必須先從顧客資料蒐集開始，方能精準行銷對的顧客，進而提高商品轉換率。故本章節將說明資料蒐集要點外，亦介紹精準行銷模型，行銷對的顧客來開源獲利與節流省錢。但如何能考量財務架構，如：成本與單價，讓獲客有最好的衡量效益指標呢？ 筆者將財務指標一同導入機器學習演算法，以數據科學、資料驅動的角度，不僅讓主管理解精準行銷之預期成效，同時提供行銷人員、管理人員快速採行適宜的行銷方案，優化後續各階段之效益。

主題二為「AI 幫您擬定最適行銷預算分配戰略」。本主題一樣強調行銷漏斗中第一階段 — 「獲客（Acquisition）」，與主題一不同的點在於，其目的在確認現有行銷通路後，善用機器學習演算法來預測在獲利最大化的前提下，如何能有效的分配既定的行銷預算到不同的行銷通路來獲客，以達到最低成本，最高獲利之成效。我們將揭秘筆者在臺灣行銷研究公司（Taiwan Marketing Research Co. LTD; TMR）的獨家行銷預算分配演算法，找到最適的行銷通路預算配置。

主題三為「善用 A/B 測試提升顧客活躍度！」。本主題強調行銷漏斗第二階段 -「活化顧客（Activation）」，旨在將透過不同的行銷體驗，將顧客體驗到商品或服務的核心價值，進而為彼此雙方的互動產出跟更多的效益。本章節將善用 A/B 測試檢測不同方案對於互動提升之效益，以此對不同的行銷活動進行效益診斷，逐步完善並優化能為顧客帶來良好的行銷體驗。

主題四為「別讓您的顧客在不知不覺中流失了－顧客流失預警分析」。本主題強調行銷漏斗第三階段 — 「留存顧客（Retention）」，旨在提升用戶留存與回訪的意願。因此本章節將利用顧客流失分析、個人行銷策略調整方案等分析，找出可能流失之顧客並提供相應挽回行動，協助企業掌控客戶流失率，延長顧客生命週期。

主題五為「購物籃訂單作戰計劃－商品搭售分析」。本主題強調行銷漏斗第四階段 — 「獲得營收（Revenue）」，旨在提升企業收益。因此本章節將運用商務分析中經典的購物籃分析，展演單品獲利與商品搭售獲利比較表、每月搭售組合策略等分析結果，協助行銷人員有效制定產品搭售策略，提高獲利。

主題六為「高退貨率輿情監控分析」。本主題強調行銷漏斗第五階段 — 「顧客推薦（Referral）」，旨在用戶推薦。因此本章節將透過輿情監控，快速找出負評並解決，進而達到口碑行銷的目的，同時使用機器學習預測高退貨率輿情、Line Notify 即時推播訊息，快速掌控負面輿情並協助管理者找出高退貨率主因。更甚者，讓管理者與機器發揮各自優勢，不僅能即時掌握消費者輿情，找出負評並回應，若處理得當，更可以達到口碑行銷的目標！

主題七為「寫文高手－小編寫手機器人」。本主題強調行銷漏斗第五階段 — 「顧客推薦（Referral）」。本章節與主題六不同處在，利用大型語言模型優化行銷文案協助內容行銷人員來優化文案，更甚能預測帶來的實際績效收益或 KPI。

主題八為「揭秘 AI + Chatbot 機器人的多場景應用」。本主題強調行銷漏斗第五階段 — 「顧客推薦（Referral）」。本章節與主題六與七不同處在，能即時了解顧客的需求、顧客網路口碑、公司的輿情資訊，快速地以「客戶為中心」的解決各項問題。

主題九為「行銷活動的轉換率知多少？行銷漏斗帶您了解顧客行為模式！」。本主題強調優化行銷漏斗的整體循環，並協助企業找出可優化的顧客旅程接觸點與瓶頸處，以提升顧客滿意度。

筆者綜整以上九大主題並呈現在圖2。接著就請各位讀者同筆者與 Jasper 行銷部團隊來共同探索後續的各大主題吧！

以下筆者綜整了九大主題系列文的連結，歡迎讀者取用：

主題一：別讓精準行銷只是口號！行銷活動利潤模型與最佳決策點分析（尚未發佈）

主題二：AI 幫您擬定最適行銷預算分配戰略（尚未發佈）

主題三：善用A/B測試提升顧客活躍度！（尚未發佈）

主題四：別讓您的顧客在不知不覺中流失了－顧客流失預警分析（尚未發佈）

主題五：購物籃訂單作戰計劃－商品搭售分析（尚未發佈）

主題六：高退貨率輿情監控分析（尚未發佈）

主題七：寫文高手－小編寫手機器人（尚未發佈）

主題八：揭秘AI + Chatbot機器人的多場景應用（尚未發佈）

主題九：行銷活動的轉換率知多少？行銷漏斗帶您了解顧客行為模式！（尚未發佈）

References

McClure, D. (2007). Startup metrics for pirates: AARRR. Startup Metrics for Product Marketing & Product Management. https://www.slideshare.net/dmc500hats/startup-metrics-for-pirates-long-version

作者：鍾皓軒（臺灣行銷研究有限公司 創辦人）
繪圖者：蔡尚宏（臺灣行銷研究 資料科學家）、劉加德（臺灣行銷研究 資料科學家）