2016年7月19日 星期二

我的資料很值錢,然後呢?

近年來,針對「資料經濟」(Data Economics) 的討論風氣日盛。而筆者也說過,最能夠發揮資料價值的載體,應該就是資料產品 (Data Product)。

資料產品通常是由一或多種原始資料 (Raw Data) 加工、加值而來。相較於具有實體原物料的、農產、水產、石化加工產品,資料產品所用的原始資料,具有強大的「用過不滅」、「越用越有價值」等特性。

買賣實體原物料的市場機制,已經存在人類社會數千年。但若是講到「某某資料集值多少錢」,事涉利益關係人 (Stakeholders) 盡皆認可的市場交易機制,至今尚未具體地存在。

註 1:本文探討的是「有買有賣」的資料交易,牽涉更廣的資料交換,不在討論範圍。

筆者在 Etu 的日常工作中、在 Big Data 跨域整合聯盟的各種活動中,不時會碰到一些資料擁有者,他們可能是某個行業裡的指標廠商,對於他們各自擁有的資料,抱持以下三種不同的態度:
  1. 交易絕緣者:我的資料很獨特,為確保不喪失競爭優勢,所以打死也不願意拿出去交易。
  2. 市場參與者:我的資料具有價值,願意在合理的條件下進行交易。
  3. 價值輕忽者:我的資料可能有價值,不是很在意資料給出去的條件。
註 2:以上尚不討論個資議題與特許行業的管制。

很顯然的,1. 交易絕緣者與 3. 價值輕忽者對資料交易的需求低,所以資料要怎麼交易,對他們的影響並不大。

但對 2. 市場參與者來說,資料交易的機制,就非常重要,參與到一個對的資料交易市場,將讓資料的價值,可以在獲得保障的情況下,重複地展現。

圖 1. 資料交易價格訂定,是一門人類還不熟悉的市場學門
(圖片來源:Flickr Public Domain)

2016年6月23日 星期四

Big Data 要發功?你找對顧問了嗎?

筆者在《2016 台灣 Big Data 市場五大趨勢預測》中曾說:

2016 年在特定行業,跟進的速度,會有突出的進展,如高科技製造、電信、金融、零售、甚至是教育。然而,在企業跟進探索 Big Data 價值的過程中,會發現如果內部人員沒有先期的養成、一段時間的應用 Practice,將會被許多的大小石頭絆倒。這樣的痛,特別是在採用比 Hadoop 還要新的其他 Open Source 技術時 (如 Spark),更會被放大。2016 年,將更能凸顯能夠提供穩定產品、應用架構顧問、技術支援服務、及時回應企業問題的專業廠商價值。

(詳見原文 5. 跟隨標竿企業的 Big Data 應用導入速度加快,但痛過才知該如何擁抱 Open Source 軟體)

2016 年已經過去快一半了,現在先來檢視此項預測,準確度還不低。怎麼說?
照片來源:Flickr CC

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)