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。
圖1.各商務模型的基礎互動網頁圖
圖2. 利潤模型實戰與利潤「再提升」模型實戰示意圖示意圖

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。

圖3.【客製化】推薦方案制定實戰示意圖

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:

  1. 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。
  2. 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!
  3. 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!
  4. 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。
回到頂端