Chapter 10 輸出—數據分析與人工智慧
一、 敘述性統計的呈現方式 — 直方圖
先前我們曾經提過，統計學的前半部是以「敘述性統計」為主軸，主要目的在呈現（Presenting）、組織（Organizing）和彙總簡化（Summarizing）資料。除了先前提到以文字資料加數字的表達之外，還有一種就是讓大家一目了然的方式，使用視覺化的「圖表」來表達。
行銷資料科學，很大程度依賴「統計」為基礎，在與大家分享行銷資料科學的過程中，我們必須常常回過頭來介紹統計基礎知識。舉例來說，「敘述性統計」中的圖表，也是在呈現我們所收集的資料集。而這些內容大致不外乎過去發生了什麼事，儘量客觀呈現事實而已。美國著名的資料科學家湯瑪士‧戴文波特（Thomas H.Davenport）就指出，「敘述性統計」中就圖表可以拿來表達企業用了多少人、過去賣出些什麼、達成多少生產目標，並沒有很高深的數學。
不過，戴文波特也請大家記住一個原則，意即「表格比文字好，圖像又比表格好」。另外，受限於圖表的特性，一旦你在工作上需要呈現某些資料特性，就最好使用特定類型的圖表，例如：要呈現比例的，最好使用「長條圖」、「圓餅圖」或者「兩者的綜合圖」。
本文以長條圖為例，來說明看似簡單的長條圖，常常一點也不簡單。我們以CIO IT經理人的《2017–18 CIO大調查》為例，裡面有一張直方圖《搶攻市場商機MarTech不可少》（如圖1所示）來進行說明。
圖1. 2017–18 CIO大調查 繪圖者：王舒憶 資料來源：旗訊科技CIOIT經理人2017–18 CIO大調查
這張直方圖揭示各產業採用MarTech（行銷科技）的比例，從0%到接近90%不等，整體平均32.7%。
現在，請大家思考一下，「這張圖的背後，有何管理意涵？」對於採用MarTech程度高的產業來說（例如電信業、數位企業、保險業、民生消費服務業…等），一旦自己的企業尚未採用，可能就是「落後者」，此時，就可以思考所應採取的作法。反之，對於採用MarTech程度低的產業來說（像是營建工程業、健康醫療業、教育業、傳統製造業…等），如果自己企業已經採用，可能就是「領先者」，此時，一樣可以思考應該採取什麼作法。
接著，再依平均值來看。在平均值以上的產業屬於「領先群產業」；在平均值以下的產業屬於「落後群產業」。而落後群產業當中的領先者（例如教育產業中有採用MarTech的企業），如果要進行標竿學習，就可以針對這些領先群產業中的企業，進行「跨產業標竿學習」。
看似簡單的長條圖，常常一點也不簡單。
二、直方圖（Histogram）與長條圖（Bar chart）之差異
直方圖是統計學中，最初步也是最簡單的圖形表示方法之一，透過數根長方型的圖示，就可以表達一組資料集的大致樣態。因此，這種簡單瞭的表達方式也讓它在各類統計應用中，歷久不衰。
直方圖（Histogram）是每一位初學統計的人的入門課程。如果大家還記得，每位統計老師在第一次上課，介紹到資料集的表示方法時，第一個登場的通常就是「直方圖」。
直方圖的英文為Histogram，第一次看到這個英文單字，會以為直方圖跟歷史History有密切關連，但兩者的關係其實是八竿子打不著。而直方圖還有一個長相近似的孿生兄弟，叫做長條圖（Bar chart），但兩者在表達資料的用法上，還是有一些差異，如圖2所示，初學者應該特別注意。
圖2. 直方圖（Histogram）與長條圖（Bar chart）之差異
基本上，直方圖主要在呈現資料分布的結果，長條圖呈現的是各組資料的大小。直方圖的橫軸變數為「數值型連續變數」，長條圖則為「類別型離散變數」。至於組距的「間隔」，直方圖各組距之間是連接在一起的，彼此之間沒有間隔；長條圖則是組距之間存在著間隔（有人認為，有間隔才能呈現分布的狀態，並讓直方圖和長條圖能有區隔；但也有人認為，有無間隔，差異不大）。
另外，直方圖的組距是有順序的，所以不可相互置換，而長條圖則無順序，可以置換。但長條圖也因為可以置換，通常在畫出圖形後，可以對橫軸的組別，依次數大小進行排序，以利使用者用在後續的決策制定。
此外，直方圖裡各組距次數的加總，即為條形圖的總面積，每個條形圖背後所佔的面積，就代表每個組距中包含的次數。當組距變大時，會使得條形圖的高度跟著改變，如圖3所示。
圖3. 直方圖各組距次數加總
最後，直方圖與長條圖在使用上，有時並不明確。舉例來說，業績報表中常會以「顧客年齡」作為呈現的依據，而年齡是數值型態的連續變數，所以是透過直方圖來呈現（如圖4所示，在此以有間隔方式呈現）。然而，一旦以顧客業績做為排序的依據時（亦即將顧客業績依高至低進行排列），這時候，各個年齡組距的順序就會被打破，此時就會呈現出企業顧客最重要的年齡組距（如圖5所示）。
圖4. 各年齡層組距之營業額
圖5. 各年齡層組距之營業額（排序後）
直方圖表面上看似簡單，卻隱藏了一些內涵，值得初學者特別注意一下。
三、十大AI行銷學相關研究議題
拜科技進步之賜，全球各個產業近年都迎來「人工智慧（AI）」新發展潮流，行銷領域亦是如此。然而，許多行銷人對AI雖抱以厚望，但看待AI仍有如「霧裡看花」，不知道AI往後會如何發展？
芬蘭圖爾庫經濟學院博士後研究員梅哈伊爾•穆斯塔克（Mekhail Mustak）等人，在2021年的《商業研究期刊（Journal of Business Research）》上，發表了一篇文章〈AI行銷學：主題建模、科學計量分析和研究議程（Artificial intelligence in marketing: Topic modeling, scientometric analysis, and research agenda）〉。
該研究的特色在於透過AI研究AI文獻，亦即藉由人工智慧的自然語言處理、機器學習和統計演算法等技術，分析與AI及行銷學相關的文獻，最後找出深具潛力的十大AI行銷學研究主題。希望讓有意朝這方面發展的行銷人，能有更明確的方向。
梅哈伊爾•穆斯塔克等人發現，AI行銷學的研究在2014年之後，開始大量出現，這部分同時呼應了行銷資料科學的發展。圖6 為AI行銷學文獻年度發的表數量。
圖6. AI行銷學文獻年度發表數量
資料來源：Mustak, Mekhail, Joni Salminen, Loïc Pléc, Jochen Wirtz, (2021), “Artificial intelligence in marketing: Topic modeling, scientometric analysis, and research agenda,” Journal of Business Research, Volume 124, January 2021, Pages 389–404.
穆斯塔克等人將主題分成與消費者有關，以及和組織策略有關的兩大類議題。
以下簡述此十大主題：
- 理解消費者情緒（understanding consumer sentiments）
- 人工智慧的工業機會（industrial opportunities of AI）
- 分析顧客滿意度（analyzing customer satisfaction）
- 對電子口碑的洞見（electronic word-of-mouth based insights）
- 改善市場績效（improving market performance）
- 使用人工智慧品牌管理（using AI for brand management）
- 衡量和增強顧客忠誠度和信任度（measuring and enhancing customer loyalty and trust）
- AI和新穎服務（AI and novel services）
- 使用AI改善顧客關係（using AI to improve customer relationships）
- AI和策略行銷（AI and strategic marketing）
有意結合AI的行銷人，從以上這十大主題，應該能夠獲得一定的啟發。
四、從調查、分析、建模預測到系統整合：行銷研究到行銷資料科學
行銷人以調查消費者行為為職志，行銷公司更是隨時在追蹤消費者行為、態度的變化，而如果您曾經搜尋過從事行銷研究公司的官方網站，一定可以發現他們的業務範疇包括競爭者調查、消費者調查、價格調查、商圈調查和民意調查的市場調查；收視率調查、媒體效果研究的媒體研究；品牌管理、產品概念測試、廣告效益評估的專案執行，以及行銷策略和各類行銷業務諮詢的顧問諮詢。而整體看來，這些業務範疇的本質，無非是以「調查」為主，而這一部分更呼應我們之前提到的，行銷研究多以調查、分析為主要目的。
圖7. 行銷研究公司常見的業務範疇
至於行銷資料科學，主要是透過「機器學習（Machine learning）」對內部和外部資料加以分析與建模，為企業帶來「數據分析（Data Analysis）」與「人工智慧（Artificial Intelligence, AI）」的成果。這也是提供行銷資料科學服務的公司，主要的業務範疇。
基本上，這樣的業務範疇本質，其實不只是「調查」，還包括「預測」與「系統」。這部分也呼應我們之前提到的，行銷資料科學不只包括研究分析，還包括資料產品。
圖8. 行銷資料科學的業務範疇
從行銷研究到行銷資料科學，就業務的本質來看，可以分成：調查（Survey）、預測（prediction）與系統（system）。這裡的系統，主要又以人工智慧系統為主。
一般來說，行銷資料科學的「調查」與行銷研究的調查頗為類似。多半是在資料蒐集、資料分析與資料呈現上工具的應用。例如：企業透過網路爬文技術，調查網路口碑，至於「預測」則是能針對企業所欲了解的行銷變數（如消費者的態度與行為）加以預估。例如：全美第二大連鎖量販店塔吉特（Target）公司透過數據分析，進一步預測女性消費者可能已經懷孕，以及未來妊娠期間的消費需要。
至於人工智慧（AI）系統，在實務上，則包括：「+人工智慧（AI）」與「人工智慧（AI）+」。
圖9. +人工智慧（AI）與人工智慧（AI）+
所謂「+人工智慧（AI）」，意指將企業現有的產品或服務，透過人工智慧（AI）產生價值。例如：教育+人工智慧，就是現有教育產業的業者，思考如何透過人工智慧（如AI自動批改英文作文），來為自己的服務進行加值。
更進一步的「人工智慧（AI）+」則是指透過人工智慧（AI）的視角，用顛覆傳統的方式，重新檢視現有產業，甚至創造新的產業。以人工智慧+教育為例，中國的松鼠AI公司，透過AI技術，打造出「智適應學習」系統，讓每一位學生，透過檢測系統，診斷出學生在學科上知識點的不足之處。接著根據不同學生的弱點，推播他應該先行了解的知識點課程，以確保之後的學習能夠更有效。最終來看，這種「人工智慧（AI）+教育」的模式，已經相當貼近孔子一生所追求的「因材施教」。
最強行銷武器 — 整合行銷研究與資料科學
作者：鍾皓軒，羅凱陽，蘇宇暉
出版社：碁峰
出版日期：2021/08/09
語言：繁體中文
定價：580元
作者：鍾皓軒，羅凱陽，蘇宇暉
出版社：碁峰
出版日期：2021/08/09
語言：繁體中文
定價：580元
