數據驅動數位行銷 Python 商業應用分析實戰系列
Python X 商業數據 創造商業新價值
主題：Python 0到1 – 基礎商務分析實戰
主題目的：
蒐羅一般企業中常見數據分析情境，模擬實務上處理的過程，並根據行銷基礎理論，教授學員商用數據分析的思維。
學習目標：
- 透過課程的商務案例，讓學員從宏觀的視野建立數據思維，例如：了解Data insight是什麼？ 為什麼Python在商務分析如此重要？ 資料科學如何結合財務指標？
- Python手把手基礎實戰演練，帶領新手進入程式之路，透過隨堂練習，增加熟練度。
- 專案式學習地輔以實戰案例「貨架陳列&視覺化商務分析」，了解應用基礎Python，如何找出潛在貨架效益，實踐Python在基礎商務分析的真正價值。
主題：Python STP網路輿情與行銷策略分析實戰
主題目的：
如何選對「目標客群」是行銷策略最重要的關鍵，根據不同的目標客群，製訂不同品牌的行銷策略。究竟什麼樣的顧客願意購買公司的產品，在群雄並列的競爭者市場中，又該如何找出消費者未被滿足的痛點?如何打中目標客群心中最關鍵的需求，吸引消費者的目光，讓【用戶轉換成客戶】，增加業績提升的可能性
學習目標：
- 透過外部輿情爬蟲，以蝦皮（Shopee）與PTT為例，蒐集大量的產品售價、星數、UserReview數、UserReview內文等相關重要輿情資料。
- 建構消費者為中心的「市場獲利價值區隔表」與「消費者特徵區隔表」，以了解每一個區隔市場的獲利價值與消費者特徵，讓決策者以財務證據式導向的方式，初步選擇潛在的市場區隔。
- 選定潛在市場區隔，透過數據分析找出自身品牌與競爭對手的在消費者心中的定位，找出未被滿足的藍海市場。
- 藉由消費者輿情，找出可以進入該市場的藍海關鍵特徵與策略實施後，動態競爭態勢的變化，完整檢視消費者動態。
主題：RFM顧客分類大師：用Python 打造會員經營新價值
主題目的：
我們都知道開發一個新顧客的成本，會是留住舊顧客的5倍，使用STP分析將「用戶轉換為客戶」後，如何留住客戶的難題，預防顧客流失。本主題使用RFM 顧客分類模型，將客群分成新顧客、常貴客、沉睡客、流失客。企業的主要獲利客戶一目了然，從市場面、財務面、行銷面、產品面與顧客回購面，找出現有客戶之產品行銷調整策略。
學習目標：
深入五個面向，提供企業學員深入健診的方向：
•市場面：以最基本的顧客消費資料（頻率、購買次數），顧客分類。
•財務面：計算出在每個顧客身上所賺得毛利，在不同客群中的獲利。
•行銷面：藉由RFM的分析進行行銷預算重新分配。
•產品面：觀察在不同客群中，各個產品的銷售狀況。
•顧客回購面：分析顧客的購買週期後，進行精準推薦。
主題：會員產品推薦預測暨內容偏好精準投放
主題目的：
透過客戶、商品或 CRM 資料庫，結合機器學習找出願意購買公司產品的目標客群、商品推薦給誰（有價值的商品推薦名單）、最會購買（消費力最強的客群）與消費者重視/覺得應改善的服務與行銷調整方法。並且試圖解決資料科學指標與高層理解的gap，舉例來說：「準確率」真的等於獲利率嗎？ 分析結果高層與主管真的看得懂？ 所以我們更要搭配實質的「期望獲利」等指標，讓機器學習真正與商業指標結合。
學習目標：
- 教授不同的機器學習模型的建模，並以易懂直觀式的互動視覺網頁呈現，產出「高層與主管」可快速理解的「數據分析成果」。
- 面對不同情境下，如何選定利潤模型，實務上的應用為何?
- 如何以不同的機器學習技術方法，讓獲利再提升，達到好的目標效果?
- 利用機器學習方法，提升內部資料價值，達到會員產品推薦預測&內容偏好精準投放。
由利潤再提升方法，使得該案例從$395,300，提升到$400,700，若週期以每天計算，則每月可以多盈利$162,000左右的金額。
主題：輿情推播暨監控機器人
主題目的：
本主題從輿情的收集出發，為讓學員對爬蟲學習更為完善，輿情收集課程同時教授靜態網頁及動態網頁備註爬蟲與建構模組。
輿情收集後，將教授建置並實戰輿情監控機器人的「使用者輿情推播」與「自動推播監控」系統。將結果佈署至輿情推播表單，透過輿情機器人自動收集輿情相關訊息(節省人力成本)，同時佈署airflow DAG，作為自動推播與監控的主要系統。預期可作為輿情監控管理、顧客輿情智能機器人、正負面輿情數據監控等項目之應用範疇。在本門課程主要會解析的Python實作應用為：
- 輿情收集機器人：爬蟲基礎教學，包括HTML、jason、DataFrame，爬蟲關鍵字篩選學及實戰不同網站爬蟲及建構模組。
- 監控機器人的申請與系統建置：從LineBot、Heroku、Github、MongoDB等實惠的系統工具，建構機器人的串接機制，讓機器人真的能動起來！
- 輿情推播機器人：讓機器人可以真正上線，將蒐集的各方輿情進行推播！
- 自動推播監控：建構推播機制與系統，輿情機器人將可定期自動推播訊息，隨時提醒自訂推播的應注意輿情資訊。
透過以上實作應用，期望合作金庫學員從最基礎的輿情收集，串接至輿情推播機器人，至最後將機器人佈署到雲端，完成建構輿情推播與自動推播監控系統。透過以上的課程，完整實作我們業界經驗在本主題所發揮的精髓，以期讓合作金庫學員往後開發相關應用可達到最好的綜效應用！
學習目標：
- 輿情搜集面：該部分囊括靜態網頁及動態網頁爬蟲，靜態網頁以ptt、Google News、台灣證交所（TWSE）爬蟲等，讓學員實戰爬蟲技法；動態網頁以IG與FB為例，讓學員能充分掌握社群網站的動態爬蟲技法。創造爬蟲在輿情監控機器人的應用價值！
- 技術建構面：學習並實作LineBot、Heroku、Github、MongoDB、Pymongo，建構機器人的串接機制，讓機器人真的能動起來！
- 技術推播面：實戰並使用輿情推播與自動推播監控，透過隨堂練習，增加技術熟練度，讓機器人可以真正上線，並推播相關輿情訊息，達到自動化輿情監控服務之成效。
主題：Python語音與影音轉字檔 X 情感分析
主題目的：
本主題主要實戰語音轉字檔（Speech2text）與影音轉字檔（Video2text）、情感分析（sentiment analysis），並視覺化洞悉正、負面情感文字雲與長條圖。預期可作為客服中心管理應用、評論輿情數據分析、語音與影音字幕自動化等應用項目之應用範疇。在本門課程主要會解析的Python實作應用為：
- Speech2text：從Python語音格式轉換到真正使用語音辨識，最終產出「文字雲png」、「文章認字信心矩陣xlsx」與「文章逐字稿docx」，解析語音資訊效率更提升！
- Video2text：應用video2text的特殊技巧、字幕切斷與自動化產出影片字幕srt與docx檔案，解析video2text更快速與有效！
- 影音情感辨識：透過AI雲端運算，從情感與實體辨識中解析影音來源之情感狀況與關鍵字詞。
- 語音與影音備份：讓辨識所產生的結果可以自動備份雲端，讓檔案不遺失
透過以上實作應用，我們期望學員從最基礎的speech2text開始學習至最後的檔案備份，完整實作我們業界經驗在本主題所發揮的精髓，以期讓學員往後開發相關應用可達到最好的綜效應用！
學習目標：
- 辨識面：學習並實作應用speech2text、video2text，解析語音與影音資訊效率更提升！
- 分析面：解析情感分析、實體分析、正負情感文字雲、正負情感長條圖，並找出相關商務洞見，創造Python在語音與影音辨識資訊的商務應用價值！
- 技術面：實戰並製作字幕srt與docx檔案、文章認字信心矩陣xlsx、文章逐字稿docx、自動備份機器，並透過隨堂練習，增加技術熟練度，加值辨識面與分析面的應用成果。
主題：跨產業全方位數據分析實戰
主題目的：
數據趨動、數據分析思維為目前企業人才必備的思維及能力。行銷人員、商業分析師、資料科學家在面對數據趨動相關議題時，在不同產業及不同公司中個別被賦予不同的角色及責任。其中資料科學家更是在數據趨動中扮演最源頭的角色，在數據的浩瀚領域中，不管在程式能力、統計及演算法能力更是需要持續不斷精進。特別在多產業集團中的數據分析部門，除了技術能力之外，產業知識的廣泛涉略，面臨的問題類型及問題決解決能力更是不可或缺。
為了提昇產業面及技術面的問題解決能力，本課程提供跨產業分析之課程，包括：現在最夯的數位行銷廣告市場及業界實務操作市場現況效益分析、零售產業在不同廣告通路的選定及如何預測行銷飽和點、製造業在供應鏈上的生產效率管理，以及金融業如何做好風險管理，降低借貸呆帳率等議題。期望透過不同的產業面臨的問題痛點，提昇學員數據分析思維及技術能力。
學習目標：
- 產業面：了解數位廣告產業、零售業、金融業、製造業面臨的痛點為何，如何透過AI協助，提供其解決方案並提昇KPI及營收。強化學員的數據分析思維，提昇落地應用的效益。
- 技術面：在面對不同產業痛點時，學習其分析思維及手法，包括：自然語言處理及分析、演算法效益評估、延宕分析、交叉分析驗證、混合效益模型分析、時間序列處理、深度時間序列分析…等。以四個產業實際案例，說明背後的統計、技術及程式操作原則。強化學員的技術能力，提昇數據分析專案之效益。
- 綜合面：資料主導分析成果，影響最終決策。全方面的應用課程，讓學員可以提升產業實戰經驗，增加學員產業知識的吸收學習及減少分析規劃與程式設計時間，提昇產業面及技術面知識，為企業創造更多的效益。
