<h1><strong>CDP顧客數據平台：為企業提供全面的顧客洞察</strong></h1><h2><strong><span style="color:rgba(52,183,175,1)">行銷人必備的CDP指南</span></strong></h2><div class="break"></div><p>疫情後的商業世界越來越重視全渠道經營，對於數據的依賴性也越來越高——唯有成功的行銷分析和數據應用，才能在每個顧客接觸點提供即時的個人化互動。換句話說，企業必須能夠有效地收集和管理其顧客數據，以便更好地瞭解顧客需求、提高顧客忠誠度和增加收益。為此，許多企業開始使用<strong>「CDP顧客數據平台」</strong>來應對數據管理挑戰，CDP也逐漸被視為行銷科技工具的必備品。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:527.5px" data-scale="2.0475872093023257" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/039e7c8a-bb87-4f00-8551-8b992ebb0bc2.jpg" alt="了解消費者完整輪廓日益重要" data-size="{&quot;height&quot;:537.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">了解消費者完整輪廓日益重要</span></div></figure><div class="break"></div><div class="break"></div><h1>CDP是什麼？</h1><p>CDP 是「<strong>Customer Data Platform</strong>」的縮寫，CDP 就是所謂的「<strong><span style="color:rgba(52,183,175,1)">顧客數據平台</span></strong>」，它是一種數據行銷技術，能讓企業更輕鬆地管理與應用顧客數據。CDP 可以將來自不同來源的顧客數據整合與打通，建立每個顧客的360度輪廓，使企業能夠更全面、精準地瞭解他們，並為其提供更好的產品和服務體驗。</p><div class="break"></div><h2><strong>CDP 成為全世界行銷人員最熱門技術之一</strong></h2><p>跟據 Gartner 數據顯示，行銷人員對顧客數據平台的興趣在 2021 年至 2022 年間顯著增加了 32%。另外在 Oracle和 Ascend2 的行銷趨勢報告中顯示，更多的行銷人員 (37%) 表示 CDP 將是他們在 2022 年投資最多的行銷技術，其次則是常包含在 CDP 中的「受眾分群與鎖定」 — — 當中有 32% 的受訪者更表示將提高對 CDP 投入的預算。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:695.5px" data-scale="1.559997342310418" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/807c75cd-2044-4dd2-814a-0168ec80c03a.png" alt="行銷人員在 2022 年投資最多的行銷技術@2x.png" data-size="{&quot;height&quot;:705.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">行銷人員在 2022 年投資最多的行銷技術@2x.png</span></div></figure><div class="break"></div><div class="break"></div><p>同一項調查發現，那些投資 CDP 的人的確將 CDP 視為珍寶。當被問及他們「絕對不能沒有」的行銷解決方案時，36% 的受訪者表示正是 CDP。 在 Gartner 的類似研究也發現，行銷決策者們將 CDP 視為「在經濟低潮值得規劃和保留的投資」。</p><div class="break"></div><div class="break"></div><h1>為什麼企業需要CDP？</h1><h2><strong>顧客體驗的重要性日益增加</strong></h2><p>推動此趨勢的一個關鍵因素正是因為顧客體驗的重要性與日俱增。如何通過即時的數據收集、AI輔助的顧客分群、行為預測、歸因分析與個人化行銷，讓行銷人員可以更好地優化顧客體驗，成為了行銷人員的必修課。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:1320.5px" data-scale="0.8271913754227734" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/191832d4-f750-4fb9-8750-9e37e85d6a58.png" alt="消費者渴望個人化體驗@2x.png" data-size="{&quot;height&quot;:1330.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">消費者渴望個人化體驗@2x.png</span></div></figure><div class="break"></div><div class="break"></div><h2><strong>第三方數據消失</strong></h2><p>與此同時，行銷人員正逐漸面臨不可避免的「cookieless 時代」。 因此，企業希望 CDP 幫助他們增強第一方數據的運用並確保符合隱私規範，例如透過數據無塵室(Data clean room)將企業機敏資料能夠更安全合規地被運用。</p><div class="break"></div><h2><strong>跨渠道數據斷點</strong></h2><p>每個消費者都是獨特的，他們可能看過品牌不同的廣告、可能有追蹤品牌的社群、可能有下載品牌的App可能有加入官方的LINE帳號、可能從官網下過訂單、可能到過實體門市消費、可能註冊過會員資料。然而，這些跨平台的資料卻往往難以打通，導致品牌對於顧客消費軌跡的掌握充滿數據斷點，無法真正了解顧客喜好與需求。</p><blockquote>在這樣的情況下，品牌想做的「精準行銷」往往只能「做半套」。</blockquote><p>例如，行銷人員可能嘗試針對官網的訪客進行辨識與分群，接著對他們投放再行銷廣告；然而隨著Cookieless的到來與隱私政策的日趨嚴格，這樣的模式將難以繼續，使得品<strong>牌往往不得不投入更高的廣告預算，以維持相同的業績銷量</strong>。除此之外，由於品牌對於顧客往往只有片段的了解，因此也永遠無法做到真正個人化的行銷體驗。</p><div class="break"></div><div class="break"></div><h1>CDP顧客數據平台能做到什麼？</h1><ol type="1"><li><strong>數據收集與整合</strong>：CDP 能夠從各種不同的數據源中自動收集、整合和組織數據，例如銷售數據、線下資料、CRM數據、廣告數據、社群媒體數據等。</li><li><strong>數據清理和分析</strong>：CDP 能夠協助企業清理、去重、與分析來自不同來源、不同格式的顧客數據，進而建立顧客的360°輪廓，並讓企業能夠更好地掌握完整的消費者旅程。</li><li><strong>個性化行銷</strong>：行銷人員可以透過 CDP 分析顧客行為和偏好，並透過與外部行銷工具串連，為消費者提供更加個人化的行銷體驗。</li><li><strong>端到端顧客追蹤</strong>：CDP 能夠在顧客旅程的各個階段追蹤顧客行為，從而提高轉換率、留存率與回購率等。</li></ol><div class="break"></div><p>使用CDP顧客數據平台的核心概念，在於「人」。首先，藉由打通不同渠道的顧客數據，幫助企業能以個人的層級了解每一個顧客，既不是仰賴顧客留下的會員資料、也不是僅從部分的瀏覽行為就判斷。搭配機器學習與串接品牌不同的行銷渠道，就能為顧客提供更個性化和有意義的體驗，進而促進銷售、口碑，並且提升品牌忠誠度。</p><div class="break"></div><div class="break"></div><h1>CDP顧客數據平台能帶來什麼效益？</h1><h2><strong>創造個性化體驗並影響消費行為</strong></h2><p>麥肯錫研究發現，個性化現在對企業成功比以往任何時候都更加重要。 CDP 可以替企業執行實現個性化行銷所需的任務：收集和整合數據，以在潛在顧客和顧客與品牌互動時識別他們。76%消費者更有可能考慮從個性化的品牌購買、78%消費者更有可能從提供個性化服務的公司回購、78%消費者更有可能將朋友和家人推薦給提供個性化服務的公司</p><h2>提升長期行銷ROI</h2><p>個人化的行銷將直接影響消費者旅程中的行為，進而提升購買、回購、推薦的比率。因此，雖然CDP不見得能立即為你降低廣告成本或提升ROAS，卻能對品牌長期的商業模式產生持續滾動的積極影響。</p><div class="break"></div><div class="break"></div><h1><strong>以CDP實現的OMO數據行銷框架</strong></h1><p>如下圖所示，品牌可將來自全通路、跨線上線下所有渠道的數據全部打通，藉由CDP儲存、清理、分析與管理這些數據，並進一步透過貼標(tagging，依據消費者興趣、喜好等賦予不同標籤)、機器學習等方式將顧客分群，最後將這些數據透過廣告、電子報、SMS、Chatbot、LINE等不同行銷方式，提供消費者即時的個人化推薦，並再次將這些數據重新收集、優化，打造OMO的生態圈。</p><figure><div style="margin:0 auto;width:1090.578125px;height:572.5px" data-scale="1.8894045064377682" class="flex-col-center iframe-wrapper"><img width="100%" src="https://miro.medium.com/v2/resize:fit:945/1*QeUYMJPkilw4eYwMIzYXNg.png" alt="如何透過CDP實現OMO行銷框架" data-size="{&quot;height&quot;:582.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">如何透過CDP實現OMO行銷框架</span></div></figure><p>下圖更詳細的解釋了CDP如何將不同渠道的用戶數據打通後，幫助品牌得到完整的顧客輪廓，進而對其進行貼標、分析、預測，取得更真實的結果。</p><blockquote><strong>延伸閱讀：<a href="https://www.lndata.com/explore/trend-report/omo-guidebook?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">免費下載《OMO數據行銷指南》</a></strong></blockquote><figure><div style="margin:0 auto;width:1090.578125px;height:549.5px" data-scale="1.967074396782842" class="flex-col-center iframe-wrapper"><img width="100%" src="https://miro.medium.com/v2/resize:fit:945/1*HYnZJs-zV7l33WhVjadl6Q.png" alt="辨識顧客單一身分、取得完整輪廓，以進行更多分析與應用" data-size="{&quot;height&quot;:559.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">辨識顧客單一身分、取得完整輪廓，以進行更多分析與應用</span></div></figure><h2><strong>應用案例</strong></h2><ol type="1"><li><strong>金融產業</strong>：某金融集團透過內外部數據整合，分析會員對於投資、信貸、股票基金、保險、存款的喜好，對受眾進行全面了解，挖掘出理財高潛力相關推廣客群，並且進一步篩選與分出兩個不同的目標客群，再透過CDP獲取的顧客資訊制定推廣策略與素材，使平均投資成交率提升 25–30%、填單轉換率提升 30–40%。</li><li><strong>FMCG產業</strong>：某FMCG品牌透過 CDP 運用，落地執行精準行銷策略，不但有效提升廣告成效，也藉由外部數據進一步豐富 CRM 資料庫；此外，透過數據整合與自動化的系統，提高單位人天產能，使媒體規劃與獲客時間平均縮短 40–45%、CPM 成本降低 20%、平均單波廣告 CTR 提升 50%</li></ol><div class="break"></div><div class="break"></div><h1>限制與導入難點</h1><p>然而，使用CDP顧客數據平台時需要注意一些事項。首先，企業必須確保其使用的CDP平台符合各地市場的相關法規要求。例如，加州消費者隱私權法案(CCPA)、歐盟的一般資料保護規定(GDPR)等<strong>數據保護法規</strong>，取得顧客同意來收集和使用其個人數據，並具有足夠的<strong>資安保護</strong>能力。</p><div class="break"></div><p>其次，企業需要確保其使用的CDP平台可以處理<strong>大量的數據</strong>並提供<strong>即時的</strong>數據分析。由於數據量可能非常龐大，因此需要一個具有高度可擴展性和高效性的儲存與運算平台，而CDP也應該具有足夠的能力，例如能客製化收集多種數據源、能做到即時的分析、可透過<strong>機器學習</strong>進行分析與預測等。</p><div class="break"></div><p>最後，企業需要確保其使用的CDP平台能夠確實打通各種不同的數據應用出口，例如其他IT系統、CRM、MatTech工具、廣告平台等，如此才能夠最大化CDP的效益。不幸的是，現實商業世界中的數據往往因為格式與各種技術限制，而難以取用與打通，導致了理想豐滿與現實骨感的落差。</p><figure><div style="margin:0 auto;width:1090.578125px;height:493.5px" data-scale="2.1858552631578947" class="flex-col-center iframe-wrapper"><img width="100%" src="https://miro.medium.com/v2/resize:fit:945/1*TgsZHL7MAJQdU8JPT1d8Dw.jpeg" alt="企業需確認使用的CDP工具能確實滿足行銷與業務上數據管理需求" data-size="{&quot;height&quot;:503.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">企業需確認使用的CDP工具能確實滿足行銷與業務上數據管理需求</span></div></figure><h1>如何解決</h1><p>企業可尋找專業的數據合作夥伴，以更有效率地建立與導入CDP使用。</p><div class="break"></div><p>LnData做為<strong><span style="color:rgba(52,183,175,1)"><a href="https://www.lndata.com/about?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">數據顧問</a></span></strong>的角色，可以協助企業從<strong>數據盤點</strong>開始，針對客戶的目標與需求，釐清企業已擁有與待擁有的數據有哪些，進而客製化解決方案，讓客戶可以階段性地達成不同目標、收獲成效，並逐步累積<strong>第一方數據</strong>（掌握在企業自身而非外部、廣告平台的數據），而不用等待投入大筆預算與時間後才開始。</p><div class="break"></div><p>在這過程中，我們將協助確保數據的使用符合法規且安全，維持消費者對企業的信任；我們也將幫助客戶串連既有的系統，而不用整個打掉重練；同時LnData也擁有不同合作夥伴的資源，可滿足客戶在資安、數據應用上等各式需求。</p><div class="break"></div><div class="break"></div><h1>結語</h1><p>總結來說，CDP顧客數據平台是現代企業不可或缺的數據管理工具。它能夠幫助企業更好地理解其顧客，提高顧客忠誠度和增加收益。然而，企業在使用 CDP 平台時需要確保其合規性、安全性、可擴展性和高效性，能夠滿足企業在數據管理上的需求，並最好能與企業原先使用的各種行銷工具進行數據串接與整合。只有這樣才能夠充分利用 CDP 平台，為企業帶來更多的價值和競爭優勢。</p><blockquote><strong>延伸閱讀：<a href="https://www.lndata.com/CDP?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">LnData CDP 如何協助品牌行銷策略進化</a></strong></blockquote>

疫情後的商業世界越來越重視全渠道經營，對於數據的依賴性也越來越高——唯有成功的行銷分析和數據應用，才能在每個顧客接觸點提供即時的個人化互動。換句話說，企業必須能夠有效地收集和管理其顧客數據，以更好地瞭解顧客需求、提高忠誠度和增加收益。因此許多企業開始使用「CDP顧客數據平台」來應對數據管理挑戰，CDP也逐漸被視為行銷科技工具的必備品。

CDP顧客數據平台：為企業提供全面的顧客洞察-行銷人必備的CDP指南

<h1><strong>文組也該懂的機器學習！從行銷、管理到金融都有用</strong></h1><h2><strong>機器學習是什麼?</strong></h2><p>機器學習（Machine Learing, ML）是一個人工智慧（AI）的子領域，它探討和開發使電腦程式系統能夠自動學習和改進的算法和模型，其目標是使電腦能夠根據過去的經驗和數據來辨識模式、做出預測或決策，而無需明確地被人類編程。</p><div class="break"></div><p>也就是說，傳統的電腦程序需要由開發者明確地編寫規則和指令，以執行特定的任務。然而，機器學習通過分析大量的數據，自動發現和學習數據中的模式和結構，從而能夠自主地進行預測和決策。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:436.515625px" data-scale="2.464814361199566" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/b0df62af-51b9-4d7f-b1e7-7122294937e7.jpg" alt="機器學習已成為商業世界不可或缺的一環" data-size="{&quot;height&quot;:446.515625,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">機器學習已成為商業世界不可或缺的一環</span></div></figure><div class="break"></div><h2><strong>機器學習應用場景及實例</strong></h2><p>機器學習在眾多領域中都有廣泛的應用，包括自然語言處理、影像辨識、語音識別、推薦系統、金融預測、醫學診斷等。即使是文組或其他專業背景，了解機器學習的基本概念後，若能應用於個人職業發展以及與科技的接軌都是非常有價值的。以下是機器學習在文組專業領域，例如行銷、管理及金融領域擁有強大分析潛力的面向。</p><div class="break"></div><h3><strong>機器學習與行銷</strong></h3><p>機器學習在行銷領域中有廣泛的應用，可以幫助企業提高行銷成效 ROI/ROAS、洞察消費者行為和優化行銷策略。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:445.5px" data-scale="2.4161978594950604" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/9c53e574-39b6-4471-9634-df282a3bdd4b.png" alt="機器學習/人工智慧可運用在行銷的常見場景列舉" data-size="{&quot;height&quot;:455.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">機器學習/人工智慧可運用在行銷的常見場景列舉</span></div></figure><div class="break"></div><div class="break"></div><ol type="1"><li><strong>個人化推薦系統</strong>：機器學習可以分析大量的消費者數據，如購買歷史、瀏覽行為和偏好，從而提供個性化的產品或服務推薦。這可以提高客戶滿意度，增加交易量和重複購買率。</li><li><strong>預測分析</strong>：機器學習可以利用歷史數據和市場趨勢進行預測分析，例如預測銷售量、客戶需求和市場趨勢。這有助於企業制定更準確的行銷預測和計劃，優化庫存管理和供應鏈策略。</li><li><strong>客戶分群和行為分析</strong>：機器學習可以根據消費者的特徵和行為模式將其分群，從而實現更有針對性的行銷策略。同時，機器學習還可以分析消費者的行為模式，發現趨勢和模式，幫助企業理解消費者的需求和偏好，也因此常被運用在CDP等行銷技術中。</li><li><strong>情感分析</strong>：機器學習可以分析社交媒體、評論和其他網絡數據，了解消費者對產品、品牌和行銷活動的情感和態度。這有助於企業迅速掌握消費者的反饋，改善產品和服務，並及時回應消費者的需求。</li><li><strong>廣告優化</strong>：機器學習可以分析廣告效果數據，優化廣告投放策略和預測廣告點擊率。這有助於企業提高廣告的轉換率，減少廣告成本，並實現更好的廣告回報。</li></ol><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:387.5px" data-scale="2.76875" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/d4e6e651-285c-489a-9b40-7c280bdb66ff.png" alt="CDP可運用機器學習將顧客分群" data-size="{&quot;height&quot;:397.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">CDP可運用機器學習將顧客分群</span></div></figure><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:523.5px" data-scale="2.0629393158388005" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/ace41d8c-601e-4e70-b2d2-845ba11a5e8c.png" alt="廣告分析與機器學習.png" data-size="{&quot;height&quot;:533.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">廣告分析與機器學習.png</span></div></figure><div class="break"></div><p>隨著技術的發展和數據的不斷增長，機器學習在行銷領域的應用前景非常廣闊。它可以幫助企業更好地了解消費者、提高行銷效果並實現業務增長。</p><div class="break"></div><h3><strong>機器學習與管理</strong></h3><p>機器學習在管理領域中有許多應用，可以幫助企業和組織更好地進行決策、優化運營和改善業務流程。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:433.5px" data-scale="2.48157412626832" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/cf79e3eb-cedf-4060-9029-eee716a5435d.png" alt="機器學習常見的企業管理應用場景" data-size="{&quot;height&quot;:443.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">機器學習常見的企業管理應用場景</span></div></figure><div class="break"></div><div class="break"></div><ol type="1"><li><strong>預測分析</strong>：透過機器學習可以處理和分析大量的數據，提供關鍵洞察和預測。管理者可以利用AI/ML技術，從結構化和非結構化數據中提取價值，並根據這些數據做出更明智的決策。甚至可使用機器學習算法來預測市場趨勢、客戶需求和產品需求，幫助企業制定更具競爭力的策略。</li><li><strong>自動化和流程優化</strong>：AI可以自動執行重複性和繁瑣的任務，節省時間和成本。管理者可以利用機器學習和自然語言處理技術來自動化工作流程，例如自動回答客戶問題、自動處理客戶訂單、自動監控生產過程等。這樣便能釋放員工的時間，使他們能夠專注於更高價值的工作。</li><li><strong>客戶關係管理</strong>：機器學習可以幫助企業管理者更好地理解和服務客戶。通過分析客戶的購買歷史、行為模式和社群媒體等數據，提供個性化的產品建議和客戶體驗。AI還可以應用在客戶服務方面，例如使用聊天機器人提供即時客戶支持或使用語音識別技術處理客戶投訴。</li><li><strong>風險管理</strong>：機器學習可以應用於風險管理領域。通過分析數據和建立風險模型，機器學習可以幫助管理者識別潛在的風險，制定風險防控措施，並進行風險評估和監測，以避免或是將損失降到最低。包含詐欺風險、供應鏈風險、信用風險、金融市場波動、天災、公關危機等。</li><li><strong>預測性維護</strong>： 傳統上，企業維護設備和機器通常是基於固定的維護週期或出現故障時才進行維修，但這樣卻可能導致不必要的停機時間和維修成本。不過，藉由機器學習收集和分析設備感測器數據、運行日誌、環境條件等信息，AI可以檢測到潛在的故障模式和異常行為，並提前預測設備可能的故障。這樣，企業便能制定預防性維護計劃，提前進行必要的維修和更換，從而減少非計劃停機時間、降低維修成本，同時提高設備的可靠性和使用壽命。</li><li><strong>供應鏈管理</strong>： 透過機器學習與AI分析大量的供應鏈數據，包括訂單記錄、庫存水平、交通情況、市場需求等，進而預測需求趨勢、供應瓶頸和庫存需求。企業管理者可以根據機器學習預測結果進行生產計劃、庫存管理和運輸安排，從而實現更準確的需求預測、減少庫存風險、提高供應鏈的靈活性和效率，<strong><a href="https://www.lndata.com/LnCarbon?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">甚至降低碳排</a></strong>。</li></ol><div class="break"></div><p>機器學習若應用在管理中，則可以提供更多數據支持的決策，以提高業務效率和效果，並幫助管理者更好的應對業務挑戰。然而重要的是，在應用機器學習時應保持謹慎，確保數據的質量、權限、完整性、準確性和合規性，並結合專業知識和人的判斷力，才能實現更好的管理結果。</p><blockquote><strong>延伸閱讀：<a href="https://www.lndata.com/data-middle-platform?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">企業如何透過數據中台進行數據治理，有效運用數據資產</a></strong></blockquote><figure><div style="margin:0 auto;width:1090.578125px;height:288.5px" data-scale="3.6870288944723617" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/a2f46c4e-ece9-49e8-b4f6-69694ffc75d2.png" alt="企業能否發揮AI與機器學習的最大價值，取決於數據的完整性與質量" data-size="{&quot;height&quot;:298.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">企業能否發揮AI與機器學習的最大價值，取決於數據的完整性與質量</span></div></figure><div class="break"></div><h3><strong>機器學習與金融</strong></h3><p>機器學習在金融領域中有許多應用，可以幫助金融機構改進風險管理、金融預測、交易執行和客戶服務等方面。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:431.515625px" data-scale="2.4927274657606966" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/a1027ce3-9b24-487a-8b94-e5b78c36f5ae.png" alt="機器學習常見的金融應用場景" data-size="{&quot;height&quot;:441.515625,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">機器學習常見的金融應用場景</span></div></figure><div class="break"></div><div class="break"></div><ol type="1"><li><strong>信用風險評估</strong>：機器學習可以利用大量的數據和特徵來評估個人或企業的信用風險。它可以分析歷史數據、信用評級、財務數據等，並預測債務違約風險。這對銀行和貸款機構來說非常重要，可以幫助他們更準確地評估借款人的信用風險。</li><li><strong>投資組合優化</strong>：機器學習可以通過分析市場數據、價格變動和其他相關因素，幫助投資機構優化投資組合配置。也可以識別出潛在的投資機會和風險，並提供基於數據的投資策略和決策建議。</li><li><strong>高頻交易</strong>：機器學習在高頻交易中發揮著關鍵作用。它可以分析市場數據和交易模式，自動執行交易並預測價格變動，以幫助交易公司更快速地做出交易決策，並實現更好的交易結果。</li><li><strong>金融詐騙檢測</strong>：機器學習可以透過分析金融數據和交易模式，檢測和預防金融詐騙行為。金融機構能利用機器學習識別出可疑的交易模式、異常行為和風險信號，進而提升詐騙檢測的準確性和效率。</li><li><strong>客戶服務和個性化推薦</strong>：機器學習可以根據客戶的歷史數據、交易模式和行為，提供個性化的金融服務和產品推薦。藉由分析客戶的需求和偏好，並提供相應的建議和解決方案，提高客戶滿意度和忠誠度。</li></ol><blockquote><strong>延伸閱讀：<a href="https://www.lndata.com/CDP?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">CDP 如何透過機器學習精準將消費者分群</a></strong></blockquote><figure><div style="margin:0 auto;width:1090.578125px;height:518.5px" data-scale="2.0824562440870387" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/158ab480-14f2-45d6-b06e-5be52f2a18c8.png" alt="LnData 透過機器學習將金融受眾分群、篩選出高價值客戶" data-size="{&quot;height&quot;:528.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">LnData 透過機器學習將金融受眾分群、篩選出高價值客戶</span></div></figure><p>以上是機器學習在金融領域中的一些重要應用案例，它們有助於提高金融機構的效率、降低風險並改善客戶體驗。</p><div class="break"></div><h2><strong>機器學習與人工智慧的關係?</strong></h2><p>機器學習和人工智慧(AI)是相關但不完全相同的概念。從下圖中可以看到，所謂的人工智慧是一個很大的集合，機器學習只是其中一部份，而在近幾年很夯的深度學習(DL)也只是機器學習的其中一個更小的集合。</p><div class="break"></div><p>機器學習是AI的一個重要分支，它是通過使用數據和統計模型，使計算機能夠從數據中學習並自動改進性能的技術。機器學習的目標是發展和應用算法，使計算機能夠從經驗中學習，從而自動完成特定任務或做出預測。</p><p>簡而言之，機器學習是實現人工智慧的一種方法和技術，通過使用數據和統計模型使計算機具有學習和改進的能力，而人工智慧則更廣泛地涵蓋了包括機器學習在內的多個領域和技術。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:498.5px" data-scale="2.16436209439528" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/f0d4c197-d65d-4341-aecb-8da92ab9c03a.png" alt="AI、ML、DL 關係與比較" data-size="{&quot;height&quot;:508.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">AI、ML、DL 關係與比較</span></div></figure><h2><strong>機器學習的類型</strong></h2><p>機器學習方法可以分為<strong>監督式學習</strong>、<strong>非監督式學習</strong>和<strong>強化學習</strong>。在監督式學習中，模型使用帶有標籤的訓練數據來學習預測輸入和輸出之間的映射關係，例如分類或回歸問題。非監督式學習則是在沒有標籤的情況下，從數據中發現模式和結構，例如聚類分析。強化學習則通過觀察和互動，讓模型在環境中進行學習，以最大化某種形式的獎勵或目標。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:269.5px" data-scale="3.93766771019678" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/2e06f7f3-1af4-4d59-b1e1-036512684939.jpg" alt="圖解監督式與非監督式機器學習對比" data-size="{&quot;height&quot;:279.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">圖解監督式與非監督式機器學習對比</span></div></figure><h2><strong>掌握機器學習的好處</strong></h2><p>在數據驅動的時代，機器學習成為一項關鍵技能，對個人和組織都具有重要意義。掌握機器學習不僅能夠解析龐大的數據，提供準確的預測和優化決策，還能夠自動化重複性任務，釋放出更多時間和精力進行創新和戰略性工作。</p><p>儘管不是每個人都需要成為機器學習專家，但瞭解機器學習的基本原理和應用，將使你能夠更好地應對數據驅動的產業環境，提升自己的職涯競爭力。而對於企業來說，要注意<strong>若想發揮人工智慧與機器學習最大可能性，數據的質量與完整性將是重要的先決條件</strong>。</p><div class="break"></div><ul><li><strong>了解更多：<a href="https://www.lndata.com/CDP?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">如何利用機器學習與AI技術幫助品牌實現個人化行銷</a></strong></li><li><strong>了解更多：<a href="https://www.lndata.com/data-middle-platform?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">LnData 如何幫助企業實現數據治理並打破數據孤島</a></strong></li></ul>

機器學習（Machine Learing, ML）是一個人工智慧（AI）的子領域，它探討和開發使電腦程式系統能夠自動學習和改進的算法和模型，其目標是使電腦能夠根據過去的經驗和數據來辨識模式、做出預測或決策，而無需明確地被人類編程。這篇內容將帶領入門者深入淺出認識機器學習，並了解實際應用場景與方式。

文組也該懂的機器學習！從行銷、管理到金融都有用：盤點 3 領域 16 應用場景

<h1><strong>新時代工作者必知！一次搞懂大家說的第一方、第二方、第三方數據是什麼</strong></h1><p>過去我們曾說明<a href="https://lndata-taiwan.medium.com/%E6%95%B8%E6%93%9A%E7%82%BA%E7%8E%8B-%E6%95%B8%E6%93%9A%E8%87%AA%E7%B5%A6%E8%87%AA%E8%B6%B3-%E7%AC%AC%E4%B8%80%E6%96%B9%E6%95%B8%E6%93%9A-first-party-data-%E5%9C%A8%E8%A1%8C%E9%8A%B7%E7%AD%96%E7%95%A5%E4%B8%AD%E4%B9%8B%E9%87%8D%E8%A6%81%E6%80%A7-6c91855c57aa" target="_blank" rel="noreferrer">第一方數據</a>的重要性，在如今AI與數位化浪潮下，相信讀者已親身領悟數據的重要性。今天 LnData 將帶大家更深入了解究竟什麼是第一方、第二方、第三方數據？它們的差異為何？以及企業如何運用這三方數據，發掘更深層的市場趨勢？</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:426.515625px" data-scale="2.5212800229086874" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/d77f9ae7-475e-4bb3-8b8b-6a9b370b0dde.jpg" alt="第一方、第二方、第三方數據已成為新時代工作者必學概念" data-size="{&quot;height&quot;:436.515625,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">第一方、第二方、第三方數據已成為新時代工作者必學概念</span></div></figure><div class="break"></div><div class="break"></div><h2>一、什麼是第一方、第二方、第三方數據？</h2><h3><strong>(一) 第一方數據 (First-party Data)</strong>：</h3><p>第一方數據就是指企業或品牌自身擁有的數據，可以從銷售資料、客戶會員資料、官網、官方的App等途徑取得。第一方數據是企業掌控程度最高的數據，能夠進行各種分析與應用，因此也被視為cookieless時代的最佳解。舉例來說，企業可以利用整合全通路的第一方數據，對指定消費者進行更個人化的行銷策略。</p><div class="break"></div><h3><strong>(二) 第二方數據 (Second-party Data)</strong>：</h3><p>而第二方數據是指企業與其他企業經由特定的合作方式，從商業夥伴、廣告代理商等取得的數據，例如：社群平台的廣告數據（品牌廣告曝光度、點擊次數和受眾數據等），或者是B企業授權A企業使用自家的數據，以合作推出新的產品服務等。</p><p>企業可以透過第二方數據，更精準設定廣告、產品受眾，同時也可能從數據中發掘出有用的洞察與新的潛在客群等。然而，相較第一方數據，企業在第二方數據上並不具有掌控權，因為在這些情況下雖然企業可以使用來自合作對象的數據，但通常不具有數據的所有權，對方企業通常也會設定一定的權限限制。</p><div class="break"></div><h3><strong>(三) 第三方數據 (Third-party Data)</strong>：</h3><p>而第三方數據則是指來自不特定第三方的數據，例如最常見的就是各類公開資料與大數據，也有可能是經由中介的數據供應商所購買的，來自其他企業的數據。這些數據能幫助企業洞察消費者行為、找出潛在的市場趨勢，甚至是進行精準的行銷等。</p><p>與第二方數據不同的是，數據買主不一定與數據來源的企業有直接業務往來，但仍可經由第三方取得特定類型、符合需求的數據，不過因為這些數據通常都經過加密或去識別化等處理，所以購買方也不具有完全的掌握權。</p><div class="break"></div><p>透過表格替大家釐清這三方數據的差異：</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:439.5px" data-scale="2.4484496662958843" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/c69e122a-3634-4370-bf62-d64ac554dc1a.png" alt="123data.png" data-size="{&quot;height&quot;:449.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">123data.png</span></div></figure><div class="break"></div><p>簡單來說，上述的定義是以企業自身的角度與數據的來源來進行分類。事實上，隨著消費者意見與想法越來越被重視，並提出了「零方數據 (Zero-party Data)」的概念，也就是消費者主動與品牌分享的數據，例如會員偏好設定、用戶回饋、期待產品願望清單等。</p><blockquote><strong><em>延伸閱讀：<a href="https://lndata-taiwan.medium.com/%E5%8F%96%E5%BE%97%E4%B8%8D%E5%88%B0%E5%AE%A2%E6%88%B6%E6%95%B8%E6%93%9A-%E4%BD%A0%E8%A9%A6%E9%81%8E-%E9%9B%B6%E6%96%B9%E6%95%B8%E6%93%9A-%E4%BA%86%E5%97%8E-f192c63f5635" target="_blank" rel="noreferrer">零方數據是什麼？為什麼重要？</a></em></strong></blockquote><h2></h2><h2>二、企業端如何利用這些數據?</h2><p>企業可以透過取得更全面的數據，精準鎖定目標客戶，掌握目標客戶的興趣或行為來達成個人化行銷，來降低行銷、廣告費用；此外，也能藉此發掘更多潛在客戶，掌握市場趨勢。</p><div class="break"></div><h3><strong>洞察與優化決策</strong></h3><p>現在凡事都講究「數據為王」，數據真的這麼厲害嗎？其實人類從古至今都透過各種數據的觀察與分析來做為行事的依據。不論是透過大數據、小數據，質化或是量化的分析，都能幫助組織做出更好的決策，找出市場機會點。當然，前提在於是否取得<strong>精準</strong>且<strong>正確</strong>的數據，並且<strong>以正確的方式</strong>解讀與使用，否則反而會落入數據的陷阱。</p><div class="break"></div><h3><strong>數據整合：<a href="https://www.lndata.com/CDP?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">顧客數據平台(CDP)</a></strong></h3><p>CDP 的全稱是 Customer Data Platform，是一種行銷數據科技，可用來協助企業整合、管理每個渠道的顧客數據，建立顧客的360度顧客輪廓，使企業能更精準地鎖定目標客群、掌握甚至預測消費者喜好，以進行個人化行銷，提高顧客價值。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:424.5px" data-scale="2.5329761219792863" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/bb2fcde6-7cd0-403a-a319-bb02a19622a7.png" alt="CDP是當前行銷人員最重視的工具之一（Source: 《OMO數據行銷指南》）" data-size="{&quot;height&quot;:434.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">CDP是當前行銷人員最重視的工具之一（Source: 《OMO數據行銷指南》）</span></div></figure><h3><strong><a href="https://www.lndata.com/saas-tool/track?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">廣告追蹤</a>與精準行銷</strong></h3><p>從過去到現在，廣告主可透過程序化廣告購買的方式，藉由「cookie」或AAID/IDFA等用戶識別機制，針對特定族群的消費者投放精準的廣告，由於廣告可以「投其所好」，自然越能夠吸引消費者注意與購買。</p><p>但隨著 cookieless 時代進逼、消費者足跡隨片化、iOS 等隱私政策緊縮，品牌想要追蹤消費者的難度與成本越來越高。這可能導致廣告成本提升（在同樣的預算下，只能取得較低的轉換），也可能導致歸因模型的失準，最終行銷人員只能在有限的策略下盡可能嘗試不同廣告素材與出價策略。</p><p>現在，廣告科技界還在積極研擬 cookie 的替代方案，例如美國廣告科技獨角獸 The Trade Desk 就提出了 <a href="https://www.thetradedesk.com/us/about-us/industry-initiatives/unified-id-solution-2-0" target="_blank" rel="noreferrer">UID2.0</a> 的機制；其他還有像是上下文本追蹤( Contextual targeting )、Google自己的 Privacy Sandbox、數位指紋( Digital Fingerprinting )等，以及我們持續強調的<strong>「<a href="https://lndata-taiwan.medium.com/%E6%95%B8%E6%93%9A%E7%82%BA%E7%8E%8B-%E6%95%B8%E6%93%9A%E8%87%AA%E7%B5%A6%E8%87%AA%E8%B6%B3-%E7%AC%AC%E4%B8%80%E6%96%B9%E6%95%B8%E6%93%9A-first-party-data-%E5%9C%A8%E8%A1%8C%E9%8A%B7%E7%AD%96%E7%95%A5%E4%B8%AD%E4%B9%8B%E9%87%8D%E8%A6%81%E6%80%A7-6c91855c57aa" target="_blank" rel="noreferrer">累積品牌第一方數據</a>」</strong>。</p><div class="break"></div><h3><strong>外部數據的運用：<a href="https://www.lndata.com/data-market?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">數據市集</a></strong></h3><p>你是否也想透過來自外部的數據，了解消費者在品牌看不見的時候的行為？乃至整個市場的趨勢與動態。舉例來說，消費者是否消費過我的競品、消費者最愛的KOL是誰、最常瀏覽的媒體網站是什麼？</p><p>這些資訊的重要性不言而喻，然而實際上要取得卻非常困難，畢竟多數企業都不願意分享這些數據出去，加上隱私法規等問題，企業要取得這些數據非常困難，此時透過公正第三方的媒合與加解密技術，就能確保數據本身在不離開企業的情況下，依然可以進行比對、分析與應用等。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:407.5px" data-scale="2.6361152694610777" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/5a9853e2-1122-4802-9181-183edb85ca40.png" alt="數據市集可提供品牌選擇想要的受眾包" data-size="{&quot;height&quot;:417.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">數據市集可提供品牌選擇想要的受眾包</span></div></figure><h3><strong>數據變現</strong></h3><p>你有想過數據除了幫助你優化成效，提升業績之外，還可以真的「變現」嗎？對於擁有利基且精準、高流量且高黏著度，或是意圖訊號明確的數據擁有者（例如零售媒體、垂直媒體）等，可以透過成為第三方數據供應商，將數據與需要的品牌端交易。</p><blockquote><strong><em>了解更多：<a href="https://www.lndata.com/data-market?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">用數據市集將數據變現</a></em></strong></blockquote><h3><strong>人工智慧與機器學習</strong></h3><p>隨著人工智慧技術的非快發展與成熟，能夠應用在更多真實的商業場景。企業可以透過將組織的數據給人工智慧進行更多分析與應用，例如行銷歸因分析、個人化體驗、供應鏈管理、風險控管等等。不過，人工智慧的養分取決於是否擁有足夠且高質量的數據，因此企業應該將數據的取得與管理列為優先事項，才能發揮人工智慧的最大價值。</p><blockquote><strong><em>延伸閱讀：<a href="https://lndata-taiwan.medium.com/machine-learing-rookie-b088f7507199" target="_blank" rel="noreferrer">文組也該懂的機器學習！從行銷、管理到金融都有用</a></em></strong></blockquote><h2></h2><h2>三、這對企業為何重要？</h2><p>第一方數據是品牌最重要的資產、第二方數據簡單直接、而第三方數據則可以賦予企業跨組織的數據洞察與更多應用可能，只要有效掌握並同時善用這幾種數據，不只可給予企業更全面的數據樣貌，更能在加乘作用下近一步加強企業本身擁有的數據影響力。</p><div class="break"></div><p>尤其在現今 cookieless 時代，消費者的足跡越來越破碎且難以追蹤，不只造成廣告追蹤的困難、廣告成本的提升，也反映出市場競爭激烈，品牌越來越難以搶到消費者的注意力、掌握消費者喜好，進而制定有效的行銷策略。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:424.5px" data-scale="2.5329761219792863" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/a0e5b577-0b2e-4099-b734-d78ef56ff2fa.jpg" alt="數據的收集、管理與應用已成為企業必修課" data-size="{&quot;height&quot;:434.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">數據的收集、管理與應用已成為企業必修課</span></div></figure><div class="break"></div><div class="break"></div><p>因此，對於品牌來說，如何有效結合第一方、第二方、第三方數據，甚至零方數據來描繪出完整的消費者樣貌才重要！然而實際上面對海量的數據，加上這些數據往往複雜、不統一、甚至四散各處時，對於行銷人員等數據使用者是一大難題，因此企業應該導入有效的數據工具（如CDP、數據中台等），協助團隊降低數據的使用門檻、節省大量時間，提高效率。</p><div class="break"></div><ul><li><strong><em>延伸閱讀：<a href="https://www.lndata.com/CDP?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">CDP 顧客數據平台如何幫助行銷人員打通全渠道數據</a></em></strong></li><li><strong><em>延伸閱讀：<a href="https://www.lndata.com/data-middle-platform?utm_source=medium?utm_medium=artical" target="_blank" rel="noreferrer">企業如何透過數據中台有效管理數據資產、打破數據孤島</a></em></strong></li></ul>

過去我們曾說明第一方數據的重要性，在如今AI與數位化浪潮下，相信讀者已親身領悟數據的重要性。今天 LnData 將帶大家更深入了解究竟什麼是第一方、第二方、第三方數據？它們的差異為何？以及企業如何運用這三方數據，發掘更深層的市場趨勢？

新時代工作者必知！一次搞懂大家說的第一方、第二方、第三方數據是什麼

<h1><strong>CDP顧客數據平台：為企業提供全面的顧客洞察</strong></h1><p>在當今數位時代，企業必須能夠有效地收集和管理其顧客數據，以便更好地瞭解顧客需求、提高顧客忠誠度和增加收益。為此，許多企業開始使用CDP顧客數據平台來應對數據管理挑戰。</p><figure><div style="margin:0 auto;width:1089.5px;height:392.5px" data-scale="2.7316770186335404" class="flex-col-center iframe-wrapper"><img width="100%" src="https://cdn-images-1.medium.com/max/1200/1*mfoFYGUqBOMqI9YtSeFwtg.jpeg" alt="CDP顧客數據平台可幫助企業了解顧客輪廓" data-size="{&quot;height&quot;:402.5,&quot;width&quot;:1099.5}" data-alignment="center"/><span class="alt-text">CDP顧客數據平台可幫助企業了解顧客輪廓</span></div></figure><h1>CDP是什麼？</h1><p>CDP是「Customer Data Platform」的縮寫，CDP就是所謂的「顧客數據平台」，它是一種數據行銷技術，能讓企業更輕鬆地管理與應用顧客數據。CDP可以將來自不同來源的顧客數據整合與打通，建立每個顧客的360度輪廓，使企業能夠更全面、精準地瞭解他們，並為其提供更好的產品和服務體驗。</p><div class="break"></div><h1>為什麼企業需要CDP？</h1><p>由於每個消費者都是獨特的，他們可能看過品牌不同的廣告、可能有追蹤品牌的社群、可能有下載品牌的App可能有加入官方的LINE帳號、可能從官網下過訂單、可能到過實體門市消費、可能註冊過會員資料。然而，這些跨平台的資料卻往往難以打通，導致品牌對於顧客消費軌跡的掌握充滿數據斷點，無法真正了解顧客喜好與需求。</p><div class="break"></div><blockquote>在這樣的情況下，品牌想做的「精準行銷」往往只能「做半套」。</blockquote><p>例如，行銷人員可能嘗試針對官網的訪客進行辨識與分群，接著對他們投放再行銷廣告；然而隨著Cookieless的到來與隱私政策的日趨嚴格，這樣的模式將難以繼續，使得品牌往往不得不投入更高的廣告預算，以維持相同的業績銷量。除此之外，由於品牌對於顧客往往只有片段的了解，因此也永遠無法做到真正個人化的行銷體驗。</p><div class="break"></div><h1>CDP顧客數據平台能做到什麼？</h1><ol type="1"><li>數據整合：CDP能夠從各種不同的數據源中自動收集、整合和組織數據，例如銷售數據、線下資料、CRM數據、廣告數據、社群媒體數據等。</li><li>數據清理和分析：CDP能夠協助企業清理、去重、與分析來自不同來源、不同格式的顧客數據，進而建立顧客的360輪廓，並讓企業能夠更好地掌握完整的消費者旅程。</li><li>個性化行銷：行銷人員可以透過CDP分析顧客行為和偏好，並為其提供更加個人化的行銷體驗。</li><li>端到端顧客追蹤：CDP能夠在顧客旅程的各個階段追蹤顧客行為，從而提高轉換率、留存率與回購率等。</li></ol><div class="break"></div><p>簡單來說，使用CDP顧客數據平台的核心概念，在於「人」。首先，藉由打通不同渠道的顧客數據，幫助企業能以個人的層級了解每一個顧客，既不是仰賴顧客留下的會員資料、也不是僅從部分的瀏覽行為就判斷。搭配機器學習與串階品牌不同的行銷渠道，就能為顧客提供更個性化和有意義的體驗，進而促進銷售、口碑，並且提升品牌忠誠度。</p><div class="break"></div><h1>限制與導入難點</h1><p>然而，使用CDP顧客數據平台時需要注意一些事項。首先，企業必須確保其使用的CDP平台符合各地市場的相關法規要求。例如，加州消費者隱私權法案(CCPA)、歐盟的一般資料保護規定(GDPR)等數據保護法規，取得顧客同意來收集和使用其個人數據。</p><div class="break"></div><p>其次，企業需要確保其使用的CDP平台可以處理大量的數據並提供即時的數據分析。由於數據量可能非常龐大，因此需要一個具有高度可擴展性和高效性的儲存與運算平台。</p><div class="break"></div><p>最後，企業需要確保其使用的CDP平台能夠確實打通各種不同的數據源與應用出口，例如其他IT系統、廣告平台等，如此才能夠最大化CDP的效益。不幸的是，現實商業世界中的數據往往因為格式與各種技術限制，而難以取用與打通，導致了理想豐滿與現實骨感的落差。</p><figure><div style="margin:0 auto;width:1090.578125px;height:353.5px" data-scale="3.0277252407152684" class="flex-col-center iframe-wrapper"><img width="100%" src="https://cdn-images-1.medium.com/max/1200/1*TgsZHL7MAJQdU8JPT1d8Dw.jpeg" alt="" data-size="{&quot;height&quot;:363.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text"></span></div></figure><h1>如何解決</h1><p>企業可尋找專業的數據合作夥伴，以更有效率地建立與導入CDP地使用。</p><p>LnData做為<strong>數據顧問</strong>的角色，可以協助企業從數據盤點開始，針對客戶的目標與需求，釐清企業已擁有與待擁有的數據有哪些，進而客製化解決方案，讓客戶可以階段性地達成不同目標、收獲成效，並逐步累積<strong>第一方數據</strong>（掌握在企業自身而非外部、廣告平台的數據），而不用等待投入大筆預算與時間後才開始。</p><div class="break"></div><p>在這過程中，我們將協助確保數據的使用符合法規，維持消費者對企業的信任；我們也將幫助客戶串連既有的系統，而不用整個打掉重練；我們也有不同合作夥伴的資源，可滿足客戶在資安、數據應用上等各式需求。</p><div class="break"></div><h1>結語</h1><p>總結來說，CDP顧客數據平台是現代企業不可或缺的數據管理工具。它能夠幫助企業更好地理解其顧客，提高顧客忠誠度和增加收益。然而，企業在使用CDP平台時需要確保其符合法規和法律要求，具有高度可擴展性和高效性，並能夠與其他IT系統和數據平台互動。只有這樣才能夠充分利用CDP平台，為企業帶來更多的價值和競爭優勢。</p>

在當今數位時代，企業必須能夠有效地收集和管理其顧客數據，以便更好地瞭解顧客需求、提高顧客忠誠度和增加收益。為此，許多企業開始使用CDP顧客數據平台來應對數據管理挑戰。

CDP顧客數據平台：為企業提供全面的顧客洞察

大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師(資料工程師)在企業中所扮演的角色也日益重要。今天讓我們來盤點要成為數據工程師，強烈推薦要學的 12 項必備技能，來幫助企業使用數據創造價值！

2023 年想成為數據工程師的 12 項必備技能

<h1><strong>你的品牌代言人真的適合你嗎？</strong></h1><h2>如何從時下多種網紅類型中精準相中品牌最佳聯盟行銷代言人</h2><div class="break"></div><p>在如今這個商品選擇越來越多元（競品氾濫）的時代下，如何從茫茫品牌中脫穎而出，是所有行銷人員都需思考的問題，這時借助網紅名人既有的流量便是一個可有效提升曝光並帶動產品的銷售的策略——但是品牌該<strong>如何選擇最適配的網紅（influencer）並精準運用行銷預算</strong>呢？</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:626.515625px" data-scale="1.7290669416010016" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/4f695a8e-ac06-45e4-bef3-9def7805c305.jpg" alt="如何選擇品牌代言人" data-size="{&quot;height&quot;:636.515625,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">如何選擇品牌代言人</span></div></figure><div class="break"></div><h2><strong><span style="color:rgb(52, 183, 175)">粉絲人數越高，互動量一定越好嗎？</span></strong></h2><p>答案基本上是否定的。例如根據我們針對美妝產品相關的各大社群平台帳號分析後(包含Facebook、Instagram、YouTube、Dcard、PTT)，包含分享、回文數等互動指標，與粉絲人數的相關係數近乎為零，顯示粉絲人數與社群貼文表現並無直接關係。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:557.5px" data-scale="1.9393447136563877" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/64a7b6c4-e01b-4722-90e1-d8913ebda9fc.png" alt="根據2022/5–2023/6有提及美妝關鍵字社群帳號製做關係圖，圓圈大小代表粉絲人數" data-size="{&quot;height&quot;:567.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">根據2022/5–2023/6有提及美妝關鍵字社群帳號製做關係圖，圓圈大小代表粉絲人數</span></div></figure><div class="break"></div><p>另外，根據益普索研究<a href="https://www.ipsos.com/sites/default/files/ct/publication/documents/2018-01/n063_cnt_how_to_select_the_right_celebrity_endorser.pdf" target="_blank" rel="noreferrer">數據</a>顯示，如果代言人與品牌的符合程度不高，即使是高知名度代言人，效果也會大打折扣；此外，在代言人與品牌的「符合程度高」的前提下， 非知名和知名代言人的效果相當，可見「適配性」的重要性。</p><div class="break"></div><p>以下也盤點說明品牌在選擇代言人時需要考量的面向，各位行銷人不妨做為篩選代言人選的參考依據：</p><ol type="1"><li><strong>目的：</strong>品牌這次找代言人要達到的目的是什麼（例：快速提高銷售、提升形象、打開知名度⋯⋯等）</li><li><strong>形象：</strong>代言人的形象是否跟品牌形象契合</li><li><strong>受眾：</strong>代言人吸引的受眾是否為品牌的目標客群</li><li><strong>負面消息：</strong>代言人是否有任何發生負面新聞的潛在風險</li><li><strong>品牌為主角：</strong>如何拿捏此代言人與品牌各自的佔比，並凸顯品牌才是主角而非焦點全放在代言人身上</li><li><strong>費用與分潤：</strong>代言人費用是否符合符合成本預算，同時也要考慮不同的分潤方式對於成本與合作的影響。</li></ol><p>綜合以上考量後，接著再挑選出最適合的代言人，才得以將行銷預算效益最大化！</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:466.515625px" data-scale="2.3096370134767352" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/08d441df-a326-4872-900b-00e86c60e538.png" alt="知名度與品牌符合度對代言人成效影響(Source: Ipsos)" data-size="{&quot;height&quot;:476.515625,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">知名度與品牌符合度對代言人成效影響(Source: Ipsos)</span></div></figure><div class="break"></div><div class="break"></div><h1>我該找什麼種類的網紅當我的品牌代言人？</h1><p>然而，「網紅」的種類多元，不同性質的網紅的優勢與所能帶來的效果也不盡相同，現在時下常見的代言人有以下幾種：</p><div class="break"></div><blockquote><u>依粉絲人數與品牌關係而定：KOL、KOC</u></blockquote><h2><strong><span style="color:rgb(52, 183, 175)">一、KOL (Key Opinion Leader) 關鍵意見領袖</span></strong></h2><h3><strong>KOL 是什麼？</strong></h3><p>許多人會用KOL來泛指「網紅」，不過實際上這個詞代表在特定領域中具備專業度與影響力的人，包含 Blogger、YouTuber、Instagramer等社群平台經營者，或是明星藝人。他們通常粉絲人數較多(雖然目前也流行粉絲數較少的微型網紅、奈米網紅等)，有一定社群影響力，是最精典也最廣泛的一種 influencer。</p><div class="break"></div><h3><strong>粉絲數</strong></h3><p>通常在50,000人以上(無特別定義)</p><div class="break"></div><h3><strong>適合目的</strong></h3><ol type="1"><li>大範圍曝光</li><li>專業領域人物的背書</li></ol><div class="break"></div><h3><strong>優勢</strong></h3><ol type="1"><li>專業性較高</li><li>對應的領域明確</li><li>粉絲基數多</li><li>在其專業領域備受尊崇、具備話語權</li></ol><div class="break"></div><h3><strong>劣勢</strong></h3><p>粉絲數較多的 KOL 不一定能與多數粉絲維持緊密的互動</p><div class="break"></div><h3><strong>費用</strong></h3><p>視粉絲人數而定，範圍大。依照合作類型可能有不同的分潤計價方式。</p><div class="break"></div><h3><strong>KOL 舉例</strong></h3><p>紀卜心、嘎嫂二伯、館長、千千</p><div class="break"></div><h2><strong><span style="color:rgb(52, 183, 175)">二、KOC (Key Opinion Customer) 關鍵意見消費者</span></strong></h2><h3><strong>KOC 是什麼？</strong></h3><p>多數指素人或素人型網紅，有一定粉絲追蹤數或社群好友數，但較 KOL 低。KOC在定義上強調的是他們可能是對類型產品或是品牌的忠實顧客，是<strong>真實的消費者</strong>，會在社群媒體上分享自己的產品使用心得。</p><div class="break"></div><ul><li><strong>粉絲數</strong>：不等，從1,000–20,000都有(無特別定義)，通常較KOL低。</li><li><strong>適合目的</strong>：</li></ul><ol type="1"><li>口碑行銷</li><li>深度溝通產品或服務特色</li></ol><ul><li><strong>優勢</strong>：</li></ul><ol type="1"><li>親民真實性高</li><li>較無生硬的業配感</li><li>能與多數粉絲緊密互動</li><li>粉絲黏著度高</li></ol><ul><li><strong>劣勢</strong>：</li></ul><ol type="1"><li>能觸及的受眾範圍有限</li><li>粉絲輪廓較為單一，單一 KOC 無法滿足需要曝光於各式受眾的品牌企業</li></ol><ul><li><strong>費用</strong>：較 KOL 低、視粉絲人數而定或只看成效分潤</li><li><strong>策略補充</strong>：由於單一一個KOC能觸及到的受眾範圍較小，因此品牌可以採取「以量制勝」的策略，將請一位KOL的預算花在更多位KOC上，進而達成接觸到大範圍且受眾輪廓更豐富的效果</li></ul><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:609.5px" data-scale="1.7765587167070218" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/c3902dd2-b8c8-43c4-9a0f-427ec38d41bf.jpg" alt="KOL、KOC是常見的社群影響者，例如Instagram、TikTok上就有大量的圖文影音創作者" data-size="{&quot;height&quot;:619.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">KOL、KOC是常見的社群影響者，例如Instagram、TikTok上就有大量的圖文影音創作者</span></div></figure><div class="break"></div><blockquote><u>依內容與運作方式而定：直播主、虛擬網紅、Vtuber</u>（其他像是部落客、明星藝人、網美、圖文網紅等就暫不討論）</blockquote><h2><strong><span style="color:rgb(52, 183, 175)">三、Streamer 直播主</span></strong></h2><h3><strong>直播主(Streamer)是什麼？</strong></h3><p>直播主也叫做「實況主」，同樣是網紅的一種，但專指透過視訊直播<strong>即時地</strong>分享特定主題內容、與粉絲互動者。</p><div class="break"></div><ul><li><strong>適合目的</strong>：</li></ul><ol type="1"><li>拉近品牌和消費者之間的距離</li><li>實際呈現商品樣貌、使用功能</li></ol><ul><li><strong>優勢</strong>：</li></ul><ol type="1"><li>導購力佳</li><li>即時雙向溝通</li><li>限時感刺激消費</li><li>購物流程短，無需繁瑣註冊</li><li>除了實體門市以外，品牌「最直接且真實」接觸消費者的銷售方式之一</li></ol><ul><li><strong>劣勢</strong>：有時間上的限制</li><li><strong>費用</strong>：同 KOL、視粉絲人數而定</li><li>舉例：小辣椒、企鵝妹、丟丟妹，或其他如統神、丁特等遊戲實況主。</li></ul><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:541.515625px" data-scale="1.9955520299175566" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/5fd9d58a-b986-4bbb-8e6c-4d9f6cce827d.jpg" alt="直播主強調即時與觀眾互動，他們通常在Twittch、YouTube等影音平台上進行串流" data-size="{&quot;height&quot;:551.515625,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">直播主強調即時與觀眾互動，他們通常在Twittch、YouTube等影音平台上進行串流</span></div></figure><div class="break"></div><h2><strong><span style="color:rgb(52, 183, 175)">四、虛擬網紅</span></strong></h2><h3><strong>虛擬網紅(Virtual influencer)是什麼？</strong></h3><p>運用AI、電腦合成影像（Computer-generated imagery，CGI）、AR/VR 等技術製作的虛擬人物，有自己的人物設定，可以跟真人一樣社群平台上分享自己的生活、與品牌合作接業配。</p><div class="break"></div><ul><li><strong>適合目的</strong>：</li></ul><ol type="1"><li>製造話題性</li><li>吸引年輕世代關注</li></ol><ul><li><strong>優勢</strong></li></ul><ol type="1"><li>和粉絲之間的連結性強，可以24小時不間斷地回覆世界各國粉絲的留言，互動率超越一般網紅</li><li>內容創造不受時間和空間的限制</li><li>能長期保持良好形象確保安全性</li></ol><ul><li><strong>劣勢</strong>：</li></ul><ol type="1"><li>大眾對於虛擬網紅的接受度雖有提升，但目前仍未完全地被社會接受，且技術發展的成熟度仍有成長空間，還是比不上真人互動自然</li><li>台灣目前沒有成熟的本土虛擬網紅</li><li>有聲音開始質疑虛擬會影響真人網紅的工作機會</li></ol><ul><li><strong>費用</strong>：目前相對仍較高昂且門檻較高，由於背後是透過一個團隊來運作此虛擬網紅的所有動態。但隨著AI等技術快速發展，未來有可能會更加普及。</li><li><strong>舉例</strong>：Lu do Magalu、Miquela Sousa、Rozy</li></ul><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:541.515625px" data-scale="1.9955520299175566" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/33c98636-a1e5-4997-99e9-9794b6ef89c9.png" alt="Miquela Sousa 是一位設定為拉丁女孩的知名虛擬網紅" data-size="{&quot;height&quot;:551.515625,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">Miquela Sousa 是一位設定為拉丁女孩的知名虛擬網紅</span></div></figure><div class="break"></div><div class="break"></div><h2><strong><span style="color:rgb(52, 183, 175)">五、Vtuber</span></strong></h2><h3>Vtuber <strong>是什麼？</strong></h3><p><strong>許多人會將 Vtuber 與虛擬網紅混淆</strong>，Vtuber 其實有點介於虛擬網紅與直播主之間，因為都帶有兩者的部分元素。實際上，Vtuber 一詞源自於「虛擬YouTuber」；Vtuber 多是由真人操縱或扮演的，他們通常會以二次元虛擬人物的形象在網路平台上傳影片或進行直播與觀眾互動。</p><div class="break"></div><p>Vtuber 會透過動作捕捉技術，主要藉助網路攝影機、手機或其他穿戴裝置將操作者的動作進行採集，之後再將製作好的人物模型匯入到 VTube Studio、FaceRig 等軟體把採集到的人物表情和肢體動作對映到虛擬角色上。</p><div class="break"></div><ul><li><strong>適合目的</strong>：</li></ul><ol type="1"><li>不想真人露臉的網紅</li><li>吸引年輕世代、二次元愛好者關注</li></ol><ul><li><strong>優勢</strong></li></ul><ol type="1"><li>能幫助網紅保持隱私，也能幫助跨性別或外貿部符合主流審美的人有更好的表現機會</li><li>更受特定族群喜愛；更易打破種族、語言等隔閡</li></ol><ul><li><strong>劣勢</strong>：</li></ul><ol type="1"><li>與虛擬網紅一樣，大眾對於 Vtuber 的接受度仍未完全，台灣也尚未有如國外一般有百萬粉絲的 Vtuber</li><li>雖然因真人扮演而能更自然及時的與觀眾互動，相對的也有穿幫風險或其他播放事故</li><li>操作者身分與形象有時會引起爭議，且 Vtuber 也會有其他工作上的爭議，包括勞資糾紛、發言不當、遭受網路霸凌等問題</li></ol><ul><li><strong>費用</strong>：雖然由於設備與技術等門檻，Vtuber操作者通常是簽約進入公司或工作室旗下，但一般來說價碼與其他真人網紅一樣，視粉絲數量而定。</li><li><strong>舉例</strong>：噶嗚·古拉(Gawr Gura)、星街彗星(星街すいせい)、葛葉(Kuzuha)、森森鈴蘭</li></ul><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:467.5px" data-scale="2.304875654450262" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/58f26457-f98b-4563-a1e7-439010b71630.png" alt="Gawr Gura 是 hololive 旗下的知名 Vtuber，在 YouTube 上有高達 430 萬訂閱" data-size="{&quot;height&quot;:477.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">Gawr Gura 是 hololive 旗下的知名 Vtuber，在 YouTube 上有高達 430 萬訂閱</span></div></figure><div class="break"></div><div class="break"></div><h1>結語</h1><p>找尋適合的代言人是門學問，在評估時若有相關量化指數的數據來支持而非單憑「感覺」，將會使選出的人選更具說服力。</p><p>為了幫助品牌「將消費者變成代言人」，LnData 的 Ln{CIM} 顧客影響力管理平台，透過創新的「<a href="https://drive.google.com/drive/folders/1PrPOwf2U7TxbwSFIx50Sq2ju-LOnrf2k?usp=drive_link" target="_blank" rel="noreferrer">社群媒體價值指標（Earned Media Value</a>）」來協助品牌篩選出最有銷售影響力的 KOC，其中量化指標包括曝光指數、互動指數、參與指數，質化指標包括情感指數、購買意圖指數，藉由這些EMV指標來檢測社群貼文或帳號的影響力。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:372.5px" data-scale="2.877328431372549" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/ecac0456-2bbe-481f-82c5-ed27203ca474.jpg" alt="LnData CIM顧客影響力管理，可以尋找並篩選出最具合適的品牌KOC人選" data-size="{&quot;height&quot;:382.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">LnData CIM顧客影響力管理，可以尋找並篩選出最具合適的品牌KOC人選</span></div></figure><div class="break"></div><p>同時， Ln{CIM} 能夠做為品牌的 <strong><em><a href="https://www.techtarget.com/searchcustomerexperience/definition/social-CRM" target="_blank" rel="noreferrer">Social CRM</a></em></strong> 平台，並與消費者建立雙贏的合作關係，藉由<strong>聯盟行銷</strong>與一站式管理的<strong>分潤機制 </strong>(ex: 現金回饋、忠誠點數)，鼓勵這群忠實客戶更願意分享品牌或產品資訊——在進一步提升他們忠誠度的同時，又能打中更多新客。如此一來不只能省下請 KOL 代言的大筆費用，也能達到行銷成效。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.578125px;height:737.5px" data-scale="1.4723453177257526" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/52ab3e9e-c4d3-4743-8a17-fdfcef4ab2c0.jpg" alt="LnData CIM可協助品牌一佔式管理KOC聯盟行銷與分潤計算" data-size="{&quot;height&quot;:747.5,&quot;width&quot;:1100.578125}" data-alignment="center"/><span class="alt-text">LnData CIM可協助品牌一佔式管理KOC聯盟行銷與分潤計算</span></div></figure><div class="break"></div><div class="break"></div><p><strong>了解更多：<a href="https://www.lndata.com/saas-tool/cim?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">Ln{CIM}如何幫助品牌將消費者變成代言人</a></strong></p>

在如今這個商品選擇越來越多元（競品氾濫）的時代下，如何從茫茫品牌中脫穎而出，是所有行銷人員都需思考的問題，這時借助網紅名人既有的流量便是一個可有效提升曝光並帶動產品的銷售的策略——而如何選擇最適配的網紅（influencer）並精準運用行銷預算成為勝出關鍵。

如何從時下多種網紅類型中精準相中品牌最佳聯盟行銷代言人？ 在如今這個商品選擇越來越多元的時代下，如何從茫茫品牌中脫穎而出，是所有行銷人員都需思考的問題，這時借助網紅名人既有的流量便是一個可有效提升曝光並帶動產品的銷售的策略——而如何選擇最適配的網紅（influencer）並精準運用行銷預算成為勝出關鍵。

你的品牌代言人真的適合你嗎？認識這5種不同類型的網紅

<h1><strong>大數據到底有多大？品牌該如何掌握大數據</strong></h1><h2><strong><span style="color:rgb(52, 183, 175)">大數據應用實務解析</span></strong></h2><p>隨著數位科技的蓬勃發展，數據的成長速度呈現指數上升，「大數據」已經成為當今社會的一個關鍵詞。不僅數據的規模和變化速度驚人，從社群媒體的互動到企業的運營，每個領域都產生著龐大而複雜的數據。那麼，當我們談論大數據時，它到底有多大？對於企業品牌而言，又該如何掌握這個龐大的資源？</p><figure><div style="margin:0 auto;width:1090.53125px;height:550.453125px" data-scale="1.9636454877470797" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/b689cb98-c2a6-43b8-a545-10f67546751d.jpg" alt="「大數據」已經成為當今經濟社會中最重要的關鍵詞" data-size="{&quot;height&quot;:560.453125,&quot;width&quot;:1100.53125}" data-alignment="center"/><span class="alt-text">「大數據」已經成為當今經濟社會中最重要的關鍵詞</span></div></figure><div class="break"></div><div class="break"></div><h2><strong>什麼是大數據?到底多「大」?</strong></h2><p>大數據 (Big Data) 指的是傳統資料處理應用軟體 (e.g. Excel) 不足以處理的大量或複雜的資料集。這些數據主要擁有三個主要特點，被稱為「<a href="https://www.coforge.com/blog/understanding-the-3-vs-of-big-data-volume-velocity-and-variety" target="_blank" rel="noreferrer">3V</a>」，包含數據量巨大(Volume)、數據即時性(Velocity)、數據多樣化(Variety)：</p><div class="break"></div><h3><strong>大數據的3V特性</strong></h3><ol type="1"><li>數據量巨大 Volume</li><li>數據即時性 Velocity</li><li>數據多樣化 Variety</li></ol><h4></h4><figure><div style="margin:0 auto;width:1090.53125px;height:572.453125px" data-scale="1.8894760844488558" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/36728640-1f5f-43f7-afcc-3932c9ae2cbb.png" alt="大數據的3V定義" data-size="{&quot;height&quot;:582.453125,&quot;width&quot;:1100.53125}" data-alignment="center"/><span class="alt-text">大數據的3V定義</span></div></figure><div class="break"></div><h3><strong>數據量巨大(Volume)</strong></h3><p>首先，我們來看看數據的數量。現在，數據存儲的規模已經由過去的GB（Gigabyte）升級到TB（Terabyte）、PB（Petabyte） 、EB（Exabyte）等級。更驚人的是，隨著技術不斷進步，ZB（Zettabyte，1兆TB）和YB（Yottabyte，1百萬TB）的數據存儲也變得可能。據估計，2020年全球數據量已經達到了約<a href="https://www.statista.com/statistics/871513/worldwide-data-created/" target="_blank" rel="noreferrer">64 ZB</a>，這個數字還在持續增長。這意味著我們正在生產和儲存越來越多的數據，而這些海量數據對於當代經濟社會也日益重要。</p><div class="break"></div><div class="break"></div><figure><div style="margin:0 auto;width:1090.53125px;height:739.453125px" data-scale="1.4684457416866465" class="flex-col-center iframe-wrapper"><iframe width="100%" height="100%" src="https://public.flourish.studio/visualisation/14604460/" data-size="{&quot;height&quot;:749.453125,&quot;width&quot;:1100.53125}" data-alignment="center" title="全球數據量快速上升"></iframe><span class="alt-text">全球數據量快速上升</span></div></figure><blockquote>根據 Statista <a href="https://www.statista.com/statistics/871513/worldwide-data-created/" target="_blank" rel="noreferrer">統計</a>，全球資料量已從 2010 年的 2ZB（ZB，1ZB=1兆GB）成長至 2020 年的 64ZB，預期在 2025 年成長至 181ZB，而越多的資料也將能產生越多的應用價值。</blockquote><p>「大數據」的資料量體非常龐大，通常以TB（TB，即1兆位元組，相當於10億KB）到PB（PB，即1百萬GB）或更高的規模表示。這些數據可能來自各種來源，包括社交媒體、傳感器、串流平台、電商網站、交通數據、消費記錄……等，幾乎可說是生活中的一切都有數據存在。但這些龐大的資料，也使得<strong>資料儲存</strong>成為難題。</p><div class="break"></div><h3><strong>數據即時性(Velocity)</strong></h3><p>其次，數據的速度也是大數據的一個關鍵特點。數據不再是靜態的、固定的資訊，而是快速且不斷地產生並湧入系統。每天，甚至每分每秒，社群媒體、物聯網設備、電商、串流平台等都在持續地產生大量數據。這種高速數據生成也代表企業須具備高效率的數據處理和分析能力，以迅速洞察市場趨勢和用戶需求。</p><div class="break"></div><p>尤其當消費者的決策流程與購買行為日趨複雜，<strong>意圖訊號往往一閃即逝</strong>，因此快速捕捉、處理和分析這些數據變得至關重要，以獲得有意義的洞察和實時決策。不過，由於大數據資料龐雜的特性，也使得企業要想即時處理這些數據有一定難度，此時便需要資料科學人才讓數據得以<strong>自動化</strong>處理，或是尋求<a href="https://www.lndata.com/about?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">第三方夥伴</a>的協助。</p><div class="break"></div><h3><strong>數據多樣化(Variety)</strong></h3><p>大數據是多種不同類型和格式的數據的集合。這些數據可能包括結構化數據（如關聯式數據庫中的表格）、非結構化數據（如文本、圖像、影音）、半結構化數據（如XML、JSON等）等。</p><div class="break"></div><p>這些數據通常來自多個來源，格式不一且充滿雜訊，使得企業在處理與使用上難度更高，尤其是在跨資料集間進行分析與使用的時候。這同樣也要求企業具備強大的分析工具和技術，才能以從中提取有價值的資訊。</p><div class="break"></div><h3><strong>還有4V、5V？</strong></h3><p>然而近幾年，更多的 V 出現了：<strong>value</strong> (價值) 與 <strong>veracity</strong> (真實性)——這反映了著大數據越來越被重視 — —組織和企業如何透過大數據的收集、儲存、處理和分析，<strong>從龐大的資訊中獲得真實且價值無限的洞察</strong>，並用於預測趨勢、優化運營、改進產品和服務、提高客戶體驗、甚至企業轉型等，成為當代企業的必修課。</p><div class="break"></div><p>但大數據也帶來了一些新的挑戰，包括隱私保護、資料安全、數據品質、資料蒐集時是不是有資料造假或誤植、在分析與應用數據時是否有用對方法等問題，因此在處理大數據時需要謹慎對待。</p><div class="break"></div><div class="break"></div><h2><strong>品牌該如何掌握大數據？ 大數據的最佳實務做法</strong></h2><p>品牌掌握大數據是一個重要的戰略，它可以幫助品牌企業更好地了解客戶、市場和業務運營，並做出更明智的決策。以下是品牌如何掌握大數據的步驟：</p><ol type="1"><li><strong>確定目標和需求</strong>：首先，品牌企業需要明確訂定掌握大數據的目標和需求，像是了解客戶行為、預測市場趨勢、改進產品和服務、提高銷售業績等。<strong>明確的目標和需求有助於指導後續的數據收集和分析，並幫助盤點所需數據與資源</strong>；反之，曖昧不明的目標可能使得專案難以推動，或是資源配置的錯誤。</li><li><strong>建立數據收集系統</strong>： 掌握大數據的第一步是建立有效的數據收集系統，這不限於系統開發，而是包含使用工具與人員安排的體系。例如，品牌企業可以通過GA4進行網站和應用程式分析、用輿情工具監測社群媒體聲量、透過問卷進行客戶調查等方式來收集數據。重要的是要<strong>確保數據收集的準確性和完整性</strong>。</li><li><strong>清理並整合數據</strong>： 大數據通常來自多個來源（如官網、APP、社群、廣告、實體店等），且包括結構化和非結構化數據，往往<strong>格式不一且充滿雜訊</strong>，使得企業在處理與使用上難度更高。因此，品牌企業需要確實做好<strong>資料清理</strong>，並且<strong>整合</strong>這些數據，建立完整的客戶數據庫，以獲得全面的洞察力。</li><li><strong>數據分析</strong>：數據分析可說是是掌握大數據的關鍵鑰匙。除了Excel之外，品牌企業還可以使用各種分析工具和技術，如SQL、python等程式語言，以及數據挖掘、機器學習、人工智能、ETL等資料科學技術，來進行數據分析。透過分析與資料視覺化，品牌可以發現隱藏在數據中的規律和趨勢，提取有價值的洞察。</li><li><strong>建立數據驅動文化</strong>：掌握大數據需要全企業的共同努力。品牌企業應該建立一個數據驅動的文化，鼓勵各部門和團隊使用數據來做出決策和優化業務運營，將數據思維融入組織精神。要注意，組織的「數據轉型」，不只要從上到下發起、更要由下到上落實，企業領導者應提供員工足夠的訓練與可依循的準則，並確認跨部門達成共識。</li><li><strong>用戶個性化體驗</strong>：大數據可以應用於企業運營的許多面向，其中最有價值的領域就是實現用戶個性化體驗。通過分析歷史與即時的全渠道顧客數據，品牌可以<strong>掌握顧客的完整輪廓</strong>、了解甚至預測顧客的需求和偏好，進而提供個性化的產品、服務和行銷推薦內容，提高轉換率、留存率並增強顧客忠誠度。</li><li><strong>持續優化和改進</strong>：掌握大數據是一個不斷改進的過程。品牌企業應該持續監測數據分析結果，及時調整策略和行動，以確保數據的價值最大化。除了像是透過A/B Test判斷更有效的策略，品牌在應用大數據後也會不斷產生與收集到新的數據，將這些數據持續積累並透過AI模型等進行分析，便能<strong>打造循環的數據生態系</strong>。</li></ol><div class="break"></div><p>總結來說，品牌企業掌握大數據需要建立有效的數據收集和整合系統，進行數據分析，建立數據驅動文化，實現用戶個性化體驗，並持續優化和改進。如此一來，品牌企業便能發揮大數據的潛力，提高競爭力並實現持續成長。</p><div class="break"></div><h2><strong>品牌應用大數據的三個案例</strong></h2><p>以商業應用來說，大數據可以應用的範圍非常廣泛，以下列舉三個品牌實際應用大數據的案例：</p><div class="break"></div><h3><strong>1. <a href="https://pages.awscloud.com/rs/112-TZM-766/images/%28CHT-EXT%29%E7%94%A8%E7%A7%91%E6%8A%80%E8%B4%8F%E6%88%B0%EF%BC%81AWS%E4%BA%9E%E9%A6%AC%E9%81%9C%E7%9A%84%E5%80%8B%E4%BA%BA%E5%8C%96%E8%88%87%E9%A0%90%E6%B8%AC.pdf" target="_blank" rel="noreferrer">Amazon — 個性化電商推薦系統</a>：</strong></h3><p>Amazon 是一個典型的應用大數據的品牌，他們利用大數據分析來實現個性化的產品推薦系統。通過收集和分析消費者的購買歷史、瀏覽行為、點擊率等數據，Amazon能夠深入了解每個用戶的喜好和需求。基於這些電商數據，Amazon能分析消費者喜好並預測購買行為，在對的時間推薦與他們興趣相關的產品，提高銷售轉化率和客戶滿意度。</p><div class="break"></div><p>甚至，這樣的技術也能進一步延伸運用到「<a href="https://medium.com/@lndata-taiwan/%E6%94%B9%E8%AE%8A%E5%BB%A3%E5%91%8A%E5%83%B9%E5%80%BC%E9%8F%88-%E7%82%BA%E4%BB%80%E9%BA%BC%E9%9B%B6%E5%94%AE%E5%AA%92%E9%AB%94%E8%81%AF%E6%92%AD%E7%B6%B2rmn%E6%84%88%E4%BE%86%E6%84%88%E9%87%8D%E8%A6%81-890763f56e3" target="_blank" rel="noreferrer">RMN 零售媒體聯播網</a>」的概念上。簡單來說，就是把個人化推薦與廣告結合，讓電商平台可以藉此賺取更多利潤。</p><div class="break"></div><p>除此之外，對於市場需求的精準預測，也助於Amazon優化他們的庫存與物流系統。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.53125px;height:462.453125px" data-scale="2.3293977577140588" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/018cd45b-2aeb-447f-8977-0ec2ee22d551.png" alt="大數據分析對於當代零售業者至關重要(Source: AWS)" data-size="{&quot;height&quot;:472.453125,&quot;width&quot;:1100.53125}" data-alignment="center"/><span class="alt-text">大數據分析對於當代零售業者至關重要(Source: AWS)</span></div></figure><h3><strong>2. <a href="https://www.inside.com.tw/article/14034-netflix-ai" target="_blank" rel="noreferrer">Netflix — 電影和節目推薦</a>：</strong></h3><p>Netflix是另一個成功應用大數據的品牌。他們通過分析用戶的觀看歷史、評分、停留時間等數據，來了解用戶的喜好和觀影習慣。憑藉這些數據並配合不同演算法，Netflix能夠向用戶推薦高度個性化的電影和節目片單，幫助用戶更輕鬆地找到感興趣的內容，讓人忍不住<strong>一部接著一部地看</strong>，進而提高用戶留存率和平台使用時長。</p><div class="break"></div><p>當然，這些觀看數據與用戶行為部只能做到這些，Netflix還能藉此掌握消費者喜好，以持續投資與產製更多人愛看的節目。甚至包含制定行銷策略、妳並不同地區的方案定價策略、節目縮圖如何更吸引點擊等，此外Netflix也是透過這些觀看數據來推出全新的廣告方案。</p><figure><div style="margin:0 auto;width:1090.53125px;height:461.46875px" data-scale="2.3342612845496125" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/285e7acf-2b85-42df-b86f-9f5e32f4beff.png" alt="Netflix 利用演算法來推薦最合觀眾喜好的影片內容(Source: AppWorks)" data-size="{&quot;height&quot;:471.46875,&quot;width&quot;:1100.53125}" data-alignment="center"/><span class="alt-text">Netflix 利用演算法來推薦最合觀眾喜好的影片內容(Source: AppWorks)</span></div></figure><h3><strong>3. <a href="https://www.find.org.tw/index/wind/browse/7ac52da4d96c62b9982bfddaae1563fb/" target="_blank" rel="noreferrer">星巴克 — 數據與咖啡體驗</a>：</strong></h3><p>星巴克是國際知名的連鎖咖啡店品牌，相信你我都不陌生，但你知道星巴克的咖啡香背後也充滿各種數據嗎？他們收集消費者點餐、人流、店內停留時間等線下數據，了解不同分店的客流量和高峰時段，進而優化店鋪配置和人員安排。，並透過大數據分析，星巴克能夠了解不同店鋪的客流量和高峰時段，進而優化店鋪配置和人員安排。</p><div class="break"></div><p>同時，星巴克還通過數據分析來了解新產品和促銷活動的效果，以便調整行銷策略和產品組合，近年來更是著重在數位轉型，透過App數據進一步改進你我的「咖啡體驗」：</p><div class="break"></div><p>結合行動app與會員忠誠度系統，讓消費者可以透過手機輕鬆客製化咖啡、預約取餐、累積點數，藉此逐步擴大收集消費者特徵與數據，並將購買行為與其他參數（如天氣、節慶等）統合運算，適時地提供消費者購買建議，鼓勵消費者消費。</p><div class="break"></div><figure><div style="margin:0 auto;width:1090.53125px;height:463.453125px" data-scale="2.3244777400085805" class="flex-col-center iframe-wrapper"><img width="100%" src="https://test-internal.lndata.com/frontend_api/postImages/5fdbe73f-5db9-4f7c-8edc-610154860a59.png" alt="星巴克行動預點服務 (Source: 星巴克)" data-size="{&quot;height&quot;:473.453125,&quot;width&quot;:1100.53125}" data-alignment="center"/><span class="alt-text">星巴克行動預點服務 (Source: 星巴克)</span></div></figure><p>在美國，星巴克還在APP中推出「My Starbucks Barista」咖啡師服務，運用AI技術搭配聊天機器人，讓消費者透過簡單的對話，即可在APP介面中直接下單購買咖啡或餐點，直接線上完成付款。</p><div class="break"></div><h2><strong>結語：下一步是什麼？</strong></h2><p>上述案例顯示，品牌在應用大數據方面可以從多個角度獲得價值，<strong>不論對內或是對外</strong>；透過大數據分析，品牌能夠更好地了解消費者需求，提供更個性化的產品和服務，並優化業務運營，進而提高客戶滿意度、增加銷售、留住顧客，甚至能提升效率與降低成本。</p><div class="break"></div><p>隨著各家企業紛紛投入大數據運用，相關技術日新月異，品牌需在這方面隨時做好準備且保持領先，以維持企業競爭力。</p><p>此外，在使用大數據之前，記得<em>確認這幾件事</em>：</p><ul><li><strong>資料量充足嗎？</strong>資料不足的大數據容易存在偏差，且無法用於機器學習</li><li><strong>資料與業務目標一致嗎？</strong>企業往往容易花費無謂時間在與業務無關的資料上找答案</li><li><strong>資料來源與指標夠多嗎？</strong>掌握不同渠道與多樣指標，能得到更完整的洞察</li><li><strong>資料本身真實可信嗎？</strong>使用錯誤或不準確的來源可能造成誤判</li><li><strong>資料可以被即時處理嗎？</strong>龐大的數據常因難以即時處理而錯過最佳時機</li><li><strong>資料可以被合規使用嗎？</strong>尤其注意是否可能會侵犯個人隱私</li></ul><div class="break"></div><p>最後，如果還是覺得處理這些大數據很棘手，或是難以落地執行的話，不妨<em>參考以下作法</em>：</p><ol type="1"><li>招募並積極培養資料科學人才</li><li>按部就班，先從較小範圍的數據著手</li><li>使用適合的數據工具 (如: <a href="https://www.lndata.com/CDP?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">CDP</a>、<a href="https://www.lndata.com/data-middle-platform?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">數據中台</a>等)</li><li>尋找可信任且高效率的<a href="https://www.lndata.com/about?utm_source=direct&amp;utm_medium=blog" target="_blank" rel="noreferrer">數據服務商</a></li></ol><div class="break"></div><div class="break"></div><ul><li><strong><em>延伸閱讀：<a href="https://medium.com/@lndata-taiwan/1st-2nd-3rd-party-data-796dcf30a800" target="_blank" rel="noreferrer">新時代工作者必知！第一方、第二方、第三方數據是什麼</a></em></strong></li><li><strong><em>延伸閱讀：<a href="https://medium.com/@lndata-taiwan/machine-learing-rookie-b088f7507199" target="_blank" rel="noreferrer">文組也該懂的機器學習！從行銷、管理到金融都有用</a></em></strong></li></ul>

隨著數位科技的蓬勃發展，數據的成長速度呈現指數上升，「大數據」已經成為當今社會的一個關鍵詞。不僅數據的規模和變化速度驚人，從社群媒體的互動到企業的運營，每個領域都產生著龐大而複雜的數據。那麼，當我們談論大數據時，它到底有多大？對於企業品牌而言，又該如何掌握這個龐大的資源？

大數據應用實務解析：隨著數位科技的蓬勃發展，數據的成長速度呈現指數上升，「大數據」已經成為當今社會的一個關鍵詞。不僅數據的規模和變化速度驚人，從社群媒體的互動到企業的運營，每個領域都產生著龐大而複雜的數據。那麼，當我們談論大數據時，它到底有多大？對於企業品牌而言，又該如何掌握這個龐大的資源？

數據＋

CDP顧客數據平台：為企業提供全面的顧客洞察

2023 年想成為數據工程師的 12 項必備技能

你的品牌代言人真的適合你嗎？認識這5種不同類型的網紅

大數據到底有多大？品牌該如何掌握大數據

不容錯過