2016年5月18日 星期三

Big Data Product 四面剖析

長期收看本部落格的朋友,相信已經對 Big Data、Data Product、Data Science,都有了基本的認識。用這三個 Keyword 對本部落格做搜尋,應該會找到許多相關的文章。

最近為了準備一場演講,特別整理出剖析 Big Data Product 的四個面向。

圖 1. 剖析 Big Data Product 的四個面向

它們是:應用類型、技術類型、終點類型、使用者類型,以下分別說明。

2016年4月22日 星期五

以 DMP 抓人

「以 DMP 抓人」,是指透過 DMP (Data Management Platform),行銷人員可以抓出特定的使用者 (UU,Unique User),以便精準地執行後續的行銷活動,如廣告投放、eDM 發送、簡訊發送等。

※ 關於 DMP,可以參考我同事寫的這兩篇文章:《大數據的行銷應用,建構企業私有 DMP》、《從 Data Warehouse Offload、Data Lake 到 Data Management Platform》。

DMP 抓的到底是什麼人?

以私有 DMP (或謂第一方 DMP) 來說,資料來源主要都跟人有關,包含:
  1. 線上資料:來自企業自家 Web 或是 App 上的
    • 人的行為資料
    • 人的交易資料
    • 人的地理資料
    • 人的設備資料
  2. 線下資料:來自企業 CRM 的
    • 人的 (會員) 身份資料
    • 人的 (會員) 交易資料
其中線上資料部分,還可再細分匿名者 (Anonymous) 與已登入者 (Logged in) 所留下來的資料。

若是匿名資料,雖然無法得知他/她是王小明或是陳淑華、但還是可以賦予其一個獨一無二的使用者編號 (User ID)。所以即便是匿名蒙面人 A007,我們還是可以蒐集他/她的行為、地理、設備等資料,等其進行 Login,掀開蒙面布,就可加以識別,在對應之後發覺,「阿,原來 A007 就是王小明」。

DMP 小宇宙中的真實與擬真

以 DMP 抓人的流程,通常需經過資料蒐集、結構化入庫、基因 (屬性) 運算、分群運算 (針對一群人)、圖譜描繪 (針對一個人)。


圖 1. DMP 抓人流程

2016年3月31日 星期四

1st-Party, 2nd-Party, 3rd-Party,讓我們結成資料黨

為行銷服務,本來就是 Big Data 的先鋒大用,MarTech (Marketing Technology) 生態系統雖然多樣,但卻很直接,樣樣多是行銷人員能夠懂得、用得。面對資料驅動的 MarTech,「莫止於行銷作業的執行,而是要去發展新的行銷系統。」(Patrick Spenner, CEB) 可說是資料經濟時代,對企業 CMO、行銷主管最中肯的建議。

匯聚多方資料 

如筆者上一篇《MarTech、Marketing Software、與 Marketing Technology 生態系統》文章所提的,行銷科技有六大類軟體或服務,以「Marketing Operations」來說,其中包含網站/App 流量分析、消費者洞察(會員行為分析)、多通路分析等,關鍵字是「分析」;以「Marketing Experiences」來說,主要是透過各種行銷通路,來傳遞設計過的訊息或活動,吸引受眾的注意、觸發行動,如各種廣告投放 (Banner、關鍵字、影音、社群)、電子郵件行銷、內容行銷、SEO、事件行銷等,關鍵字是「行動」。

圖 1. 多方資料,集結成黨

為了要得到高轉化率的行動結果,事前的分析必須精準到位;而分析要能夠精準,使用來自多方的資料,是其中的關鍵要素。多方的資料,以 Data User  (通常即是要執行分析或行動的企業) 的視角來看 Data Owner,包含:

2016年2月23日 星期二

MarTech、Marketing Software、與 Marketing Technology 生態系統

經過 2015 整年的媒體報導與熱議,相信應該有不少人都聽過 FinTech (Financial Technology,金融科技),其意涵與應用領域,大家多少有些了解。相對的,MarTech 則是較為陌生的名詞。

什麼 MarTech?

MarTech 不是摩洛哥來的科技,也不是只屬於三月的科技,它其實是 Marketing Technology (行銷科技) 的簡稱。

MarTech 真的很冷門嗎? Google 一下,看起來似乎不是如此。

源於舊金山的 MarTech Conference,2016 邁入第三年,且規模逐年擴大。這個會議號召 Marketing Technologist (行銷科技者),包含數位行銷、行銷操作、資訊技術、軟體產品、廣告操作、行銷創意等領域的科技人員,一同群聚參與。

那麼到底在這個聚會裡,參與者都在討論什麼呢?我們不妨來看看主辦人 Scott Brinker 為去年 MarTech Conference 2015 所寫的總結文《9 big takeaways from last week’s MarTech conference》,其中歸納了 9 個來自大廠行銷科技者所闡釋的重要觀點:
  1. 使用敏捷開發 (Agile Methodologies) 來驅使行銷創意者與行銷技術者進行協作。~ Thomas Stubbs, Coca-Cola
  2. 敏捷原則與實踐是現代行銷的核心。~ Jeff Gothelf, author of Lean UX
  3. 行銷自動化 (Marketing Automation) 之前,先用人工來逐步拆解,以便正確地設計顧客互動流程。~ Corey Craig, Dell
  4. 莫止於行銷作業的執行,而是要去發展新的行銷系統。~ Patrick Spenner, CEB
  5. 行銷人員常掛在嘴上的理想情境,如 360 度單一顧客樣貌、體驗差異化等,可以用一個具有 Customer Actions / Frontstage Actions / Backstage Actions / Support Processes 上下四層的架構來對應處理,將可消弭說與做之間的落差。~ Jeff Cram, ISITE Design
  6. 在行銷投資回報的高低上:Creativity > Analytics > Technology。而行銷科技可以協助發展另一種層級的創意。~ Gerry Murray, IDC 
  7. 行銷自動化就像是軟體工程學;MarkOps 則是新型態的 DevOps。~ Isaac Wyatt, New Relic
  8. 一股巨大的行銷科技獨角獸公司 (Multi-billion Dollar Companies) 新浪潮即將到來。CDP (Customer Data Platform;顧客資料平台) 會是其中一種重要的類別。~ David Raab, RaabGuide
  9. 跑在最前面的行銷科技者會善用各種的 APIs。~ Tony Ralph, Netflix
對軟體領域熟悉的朋友不難看出,以上 9 點都跟軟體脫不了關係。我們可以這樣說:所謂的 MarTech,重點就是要善用軟體,來改革或是革傳統行銷的命

Marketing Software

行銷產業的趨勢,的確正朝著使用軟體來顛覆傳統行銷的方向在發展。在這條路上,出現了所謂的 Marketing Software 軟體類別,並具有不小的市場規模。

根據 IDC 研究員 Gerry Murray (即上述第 6 點的闡釋者) 在其報告《Worldwide Marketing Software Forecast 2014-2018: $20 Billion and Growing Fast》中指出,Marketing Software 還可細分以下四種子類:
  1. Interaction Systems (互動系統)
    包含終端客戶會看到或使用的功能,如廣告、電子商務、行銷自動化、網站體驗管理、行動 App、社群媒體工具等。 
  2. Data and Analytics (資料與分析系統)
    包含資料儲存與處理,以產生洞見的各類商業智慧、預測、行銷等分析軟體。
  3. Content Production and Management (內容製作與管理系統 )
    包含內容編輯與出版工具、平台、數位資產管理 (DAM) 平台等。
  4. Management and Administration (管理與行政系統)
    包含內部通訊、工作流程、預算、費用、專案管理、協作工具等。

圖 1. 全球 Marketing Software 2014-2018市場分類與規模
(Source: IDC 2014)

以市場規模來看,如上圖 1. 所示,Interaction Systems 與 Data and Analytics 為其中的前兩大子類,合佔 70% 以上的市場營收,且年年成長。更重要的是,這兩類都需要或就是需要大量仰賴資料的處理與分析,才有辦法做好,可說是 Data-driven 的行銷軟體。

MarTech 生態系統

由 Scott Brinker 所維護的 Marketing Technology Landscape 生態系統圖 2015 版如下圖 2. 所示: 

點圖放大
圖 2. Marketing Technology Landscape Supergraphic 2015
(點圖放大)

圖 2. 密密麻麻地擠了 43 子類 1,876 家公司。在此僅由底而上列出 6 大類,讓讀者了解這個生態系統的架構邏輯:
  • Infrastructure:基礎架構,包含 DB 與 Big Data 平台。
  • Internet:網路行銷的環境。
  • Backbone Platforms:各類營運環節的基礎平台。
  • Middleware:各種行銷中介資訊與整合機制。
  • Marketing Experience:各種消費者體驗的觸點。
  • Marketing Operations:提供行銷營運與績效管理。
欲知詳情,可以直接點按圖 2. 看放大版原圖。我們就先在這裡打住,後續再來聊聊其中與 Big Data 或 Data Analytics 比較相關的子類。

別走開。




2016年1月26日 星期二

資料分析,新時代的算命術

算命這門學問,以中國來說,可以追溯到戰國時代的鬼谷子,已經有兩千多年的歷史。算命文化甚為普遍,不管是東洋還是西洋,各國民間的接受度也很高,總而言之,算命應該是一門好生意,歷久不衰。

其實,資料分析 (Data Analytics) 跟算命很像,它們都可用來歸納過去、了解現在、以及預測未來。資料分析,是一種新的算命術。

圖 1. 算命是門好生意,全世界歷久不衰
(Photo Credit: Flickr Commons)

2015年12月26日 星期六

2016 台灣 Big Data 市場五大趨勢預測

再過幾天,全世界一年一度的各時區輪流新年倒數、高空煙火四飛的時刻就要來臨。上一篇我們結算完《2015 年台灣 Big Data 市場五大趨勢預測》,又到了該提出新一年趨勢預測的時候了。

圖 1. Big Data 無所不在

面對 2016 年台灣的 Big Data 市場發展,有一個主旋律是要先哼唱上口的 ── Big Data 無所不在。如圖 1. 所示,幾乎 ICT 檯面上的熱議主題,底下都需要有一個 Big Data 平台,做資料分析與智慧行動的應用支撐。

2016 年台灣 Big Data 市場五大趨勢預測

以下即是筆者提出的 2016 年台灣 Big Data 市場五大趨勢預測:
  1. Big Data 多行業持續深化應用,零售、金融、高科技製造尤其顯著;
  2. Machine Learning 不是夢,但高價值應用聖杯不易尋
  3. 行銷人員對數位行銷閉環的操作日漸熟悉,工具日漸自主
  4. 資料擁有權與預算費用化兼具的虛擬私有雲會成為 Big Data 應用佈署的第三選項;
  5. 跟隨標竿企業的速度加快,但痛過才知該如何擁抱 Open Source 軟體。
各項預測說明如下:

2015年11月25日 星期三

年終結算《2015 年台灣 Big Data 市場五大趨勢預測》

好快,距離 2015 年的結束,只剩不到 40 天的時間。年終對工作者的意義,除了獎金,應該還有些寶貴的事情值得去做,比如:檢視過去 (已經飛逝的歲月) 與展望未來 (即將飛來又逝的歲月)。

翻開本格去年 12 月的年終文《2015 年台灣 Big Data 市場五大趨勢預測》,當時我們針對 2015 年台灣 Big Data 的市場發展,做了以下趨勢觀察:
  1. 客戶洞察成為所有 B2C 商業的顯學,社群媒體分析是 360° 單一顧客樣貌的新增要素; 
  2. In-memory 分散式運算開源軟體日益成熟,企業的近即時巨量資料應用成本降低,大大增加「快速偵知與快速反應」實現的可能; 
  3. 物聯網 (IoT) 與巨量資料分析結合,成就應用的區隔化與細緻化; 
  4. 資料產品雲服務化,讓中小企業有機會參與巨量資料的價值應用; 
  5. 資料分析人才需求持續增長,但唯有能結合領域知識者,才能成為箇中翹楚。
事隔一年,也到了該做結算的時候了。我們不妨來評量一下,一年前的預測,準確性有多少?各項的發展狀況如何?

圖 1. Big Data 潮來潮往,是要飛還是踏浪前行?
(photo credit: Flickr Commons)


且讓筆者從這一年自身的市場經驗與觸感,在此先做些剖析吧。