（2020-06-12）在消費者的消費歷程為非線性的時代，數據扮演行銷成功與否的重要關鍵，如何跟著數據驅動的浪潮前進，成為每個行銷人員即將或正在面臨的課題...
（2020-06-12）在現今消費者的消費歷程為非線性的時代，數據扮演行銷成功與否的重要關鍵，如何跟著數據驅動的浪潮前進，成為每個行銷人員即將或正在面臨的課題。
尤其GDPR（General Data Protection Regulation）生效後，用戶隱私與數據蒐集限制更加嚴謹，因而降低行銷人員對第三方數據的依賴，更加重視來自用戶同意而取得的可信且透明的數據，亦即對第一方數據的管理應用。
有鑑於此，本期專題將從第一方數據出發，討論其價值與可能的運用方式，幫助行銷人員思考如何跨出以數據為中心的第一步，讓數據輔助關鍵決策。
觀念翻轉！「大數據」不靠量取勝，質才是關鍵
消費者的數位足跡遍及各處，因此能獲取用戶足跡的管道也相當多元，但對品牌主而言，直接向自身用戶蒐集而來的資訊，更是具獨特性、與競品具差異化的數據資產，將是幫助強化自身品牌的產品、服務，優化個人化行銷、實踐提升用戶體驗的關鍵。
在凡事講求數據的時代，很多人著迷於「大數據」一詞，誤以為數據蒐集的重要性為「數量」，因而盲目地蒐集各方數據，實際上，數據的「質量」才是應該要優先把關的。
累積數據建置屬於自己的資料庫，目的是為了能分析具參考價值的洞察，以作為後續優化使用，如果未能判斷各數據來源對於品牌的價值，一味追求多方數據來源，反倒蒐集含有過多雜訊的資料，對於品牌主判讀數據以挖掘現有用戶洞察、優化用戶體驗與預測用戶行為等的應用方式可能會有所偏誤。
觀念確立！有價值的數據，應擁３大特性
身為行銷人的你，可能很容易會遇到以下熟悉的情境：
情境１
「客戶說，XX產品我們要主打的客群是25－34歲的年輕女性，所以我們的廣告只需要投遞給這群人看。」
提醒：這時決策的方式並不是仰賴數據分析，僅是根據直覺做出的決定。
情境２
「上一檔產品靠著口碑分享，在沒有太多媒體資源的情況下卻賣得超好！這次XX新品也可以仿照這種模式進行。」
提醒：汲取過往成功經驗做出決策似乎已經是家常便飯，但你真的理解每一次影響成功的因素是哪些嗎？
情境３
「官網的年度目標是衝出更高的流量，我希望以最便宜的CPC買到最多的流量！」
提醒：乍聽之下好像沒什麼問題，但決策的背後其實忽略了衝高流量與商業目標的關聯性，假設我們追求流量的目的是為了創造銷售，那麼可以思考的是，這樣的策略對於達成目標的方向是否具備關聯性？
從上述例子可以了解到，不論是依據直覺或以過往經驗進行推論，都會導致缺少關鍵證據而誤下決定。因此，「數據決策」思維的出現，幾乎翻轉了行銷人衡量成效與優化成效的方法，如何透過分析各種數據並應用到行銷決策，成為行銷人必學的功課。
然而，如果用來依循的數據是透過不可靠的方法取得、或是易受人為操弄、與真實狀況有顯著差距等情況，那麼後續延伸的分析結果與策略方向就容易產生偏誤，因此確認資料來源會是我們做各種資料探勘等應用的第一步。
總結來說，具參考價值的數據應該具備以下三大特性：
- 可信任：資料的來源或蒐集的方法論是可被理解及信賴的，且可接受驗證。
- 透明化：能夠即時被監測，而非透過人為提供，並能反映現實狀況的資料來源。
- 關聯性：前端資料能夠跟後端數字連結，即使有誤差，也在可接受範圍之內。
數據洞察！1st Party Data常見的３大應用
對品牌主而言，第一方數據是各種資料來源中最具價值也最應該優先重視的，因為是自身用戶同意而直接獲取的資料，兼具可信任、透明化與關聯性。也因此，在重視數據洞察的時代，如何能有效掌握與管理第一方數據是個值得深思的議題。
目前市面上「第一方數據」常見的應用主要可分為以下三大類：
- 受眾洞察：分析品牌主的用戶輪廓與行為，以輔助創新或改善產品、服務、溝通訊息。
- 個人化體驗：
1、提供網站、App、店內的客製化體驗。
2、客製化行銷訊息推播。 - 預測：
1、預測用戶未來行為模式，預先提供解決方案。
2、輔助拓展新客。
接下來，就讓我們透過實際的案例，具體了解「第一方數據」常見的應用方式。
洞察受眾：追蹤點閱行為，鋪路分眾行銷
「受眾洞察」應用案例：追蹤蒐集點閱行為，增加既有會員資料維度，以作為後續分眾應用的依據。
比如：發送電子報時，除了關注開信率，同時也能追蹤會員點閱的內容，以理解每個會員感興趣的內容（e.g.日式食譜 vs. 西式食譜）；另外，對特定內容感興趣的人對於相關商品是否有進一步了解的意願（e.g.食譜所需的相關廚具或食材等需求）。
此外，能用來觀察各用戶不同互動狀況以判斷不同受眾特性的媒介很多，包括了EDM、網站、App、實體店面。不過，想要挖掘洞察，要點在於先釐清需要的數據維度，並且具備能力判讀各數據間的關聯與意義，後續才有辦法發揮洞察的價值，應用於規劃個人化溝通策略或內容的參考依據，提升行銷活動與訊息對於各用戶的關聯性。
優化體驗：興趣標籤助攻，推薦專屬內容
「個人化體驗」應用案例１：根據用戶興趣與行為，個人化推薦商品內容。
鼓勵用戶設定自己的偏好風格、品牌等興趣標籤，優先展示喜好的商品類型。比如：產品線多元的電商品牌，鼓勵用戶設定自己的興趣標籤，甚至系統可分析瀏覽偏好、購物偏好等數據，把握第一時間接觸用戶時就提供專屬內容，以期提升轉換率，將優化個人化體驗與銷售目的結合。
另外，資訊型平台如新聞類網站，也很適合推薦用戶主動標示興趣，作為判斷偏好的基礎，甚至結合站內的瀏覽、收藏等各種互動行為，實時分析用戶，以提供更貼近需求的推薦內容，改善使用者體驗，並優化進站效益。
此重點在於各品牌需要的數據維度屬性不盡相同，審慎規劃與不斷測試及學習，才能提升進站流量的效益。
情境設計：分析用戶喜好，推播客製訊息
「個人化體驗」應用案例２：針對不同屬性用戶，推播客製化訊息。
LINE官方推出「Smart Channel」（個人化訊息推播），系統可蒐集用戶使用行為的資料，透過數據演算來分析用戶的喜好，推薦給用戶更客製化的訊息，包括天氣、新聞、貼圖、LINE POINTS點數活動等內容服務；舉例來說，系統就可以依據用戶的生日資料推播對應的星座運勢。
個人化訊息推播應用的範疇可以是很廣泛的，其中的含金量也不容小覷，因此許多企業主前仆後繼地想要朝這個方向拓展商機。需要思考的是，能成就這樣的客製化內容服務，關鍵其實在於「情境設計」。
比如：上述案例中使用星座運勢作為客製化訊息設計，並非適用於所有品牌，因此如何設計透過個人化訊息推播，提升用戶黏著度，並提升使用者體驗，除了仰賴數據技術去落實個人化推播以外，品牌也需要數據分析的專業人才針對最終目標去設計消費者體驗的運作機制。
預測行為：動態投遞廣告，將效益極大化
「預測」應用案例１：動態廣告根據使用行為，提供個人化廣告內容。
現今多家廣告平台多推出動態再行銷廣告機制，運作邏輯不外乎針對用戶造訪網站的行為，動態產出對應的廣告內容，差別在於各家平台有自己獨有的機器學習模型，因而會有不同的優化投遞結果。
建議無論使用哪個廣告平台，都要根據自有用戶的規模與使用習性等設計投遞受眾的分群，以極大化效益。
預測模型：深挖潛在受眾，輔助拓展新客
「預測」應用案例２：分析既有用戶以找出相似的受眾，輔助拓展新客。
除了一般人口統計資料之外，各廣告平台也會根據興趣組成、網站互動行為等不同資料維度，發展自己的預測模型，協助品牌主利用既有用戶為種子去預測類似潛在受眾群，以提升廣告受眾精準度。
需要注意的是，以什麼方法篩選出我們要用來作為預測基準的種子用戶，而不是沒經過研究、規劃就讓系統分析整包資料，而無法有效觸及真正類似的受眾群。
DMP建不建有學問！品牌決策４個思考面向
不過，具備了掌控與運用自己數據資產的基本技能，品牌主可能會更進一步思考：第一方數據的規模有限，如何能結合各方來源以豐富我們可運用的數據資產？
例如，與第三方數據比對以分析受眾的其他站外行為、了解興趣輪廓等，這時候會需要一個能幫助你彙整處理各方資料的DMP（Data Management Platform，數據管理平台）。
簡單來說，DMP是提供品牌主彙整管理各方數據（包含線上及線下）的技術平台，幫助企業分析與分類消費者，進而將消費者洞察應用至不同行銷渠道。那麼，品牌主應該要擁有自己的DMP嗎？以下提供大家進行決策時應思考的四大面向：
1、使用DMP的目的
- 目前品牌面臨的問題的急迫性
- 需要運用數據做的決策複雜程度
無論自建或向供應商購買技術，從規劃到實際建置與運作都需要時間，因此若問題急迫或資料維度不複雜，且不只一個解決途徑，建置DMP未必是首選。
2、龐大的數據量需要管理
當可運用的數據資產量大且有不同來源需要梳理整合，倚賴技術幫助能達到有效管理與分析，甚至將數據決策結果應用到不同的行銷渠道，例如與DSP對接以實踐精準的受眾購買、優化成效，或許需要考慮規劃投資DMP建置。
3、擁有技術、數據分析的人才
除了技術導入，也需要具備相應的人才。從資料導入DMP甚至到分析、對接其他平台以導出資料供運用，各個過程可能都需要有技術背景的角色；處理後的數據也需要有判讀與分析的角色。
4、具備足夠的資金
- 技術導入（無論自建或向技術供應商購買）
- 處理的數據量
- 專業人才
- 既有工作流程的配套措施（例如：目前數據蒐集的維度與形式是否需要調整）
甚至也會同步衡量能應用到的面向帶來的效益，評估目前處境是否適合導入。
DMP並非一次性的硬體（技術平台）投資，還需要有軟體（人才）的支撐，且需要評估的面向不只新技術導入的成本及效益，也包含既有內部作業需如何因應調整。
如果我們品牌還處在一個對於數據應用掌控度較低的狀態，可以先從比較淺顯的應用先學習利用數據做決策，例如EDM內容的優化、廣告動態再行銷的應用等。當我們有實際應用第一方數據的經歷後，對於進階到建置DMP的決策才能更準確評估。
３招教戰：助你做出聰明且關鍵的數據決策
那麼，如何透過DATA輔助你做出聰明且關鍵的決策？其實可歸納出以下三點觀察：
1、取得具備可信任、透明化、關聯性三種特性的數據
透過今天的分享，首先解構數據的要素，並非擁有巨量的數據資料，而在於能夠檢視所獲取的數據來源是否有符合可信任、透明化、關聯性的特性，當行銷人員面對五花八門蒐集數據的渠道時，要重視數據本身的「質」，而非只著重於擴充「量」，來作為我們取用與分析數據的篩選標準。
2、從自身擁有的第一方數據出發，以個人化體驗實踐數據決策的第一步
第一方數據對於行銷決策上最有價值應用在於「行銷客製化」。
無論擁有幾種資料來源，第一方數據通常是最貼近品牌客群的真實反饋，相關性與影響價值是第二、第三方數據難以比擬的。如前述的電商案例，蒐集第一方數據後，不僅分析且立即反饋於投遞給用戶的客製化內容，甚至可結合銷售評估優化使用者體驗的策略。
3、透過DMP技術整合多方數據，協助落實更繁雜的客製化應用
擁有第一方數據並不等於得到行銷特效藥，關鍵仍在於「如何使用」。邁向數據導向的前置作業，不僅需要評估品牌面臨的困境與現況，確認最迫切需要解決的問題，也要審視能投入多少資源以及條件，才能評估合適的解決方案。
自身擁有的第一方數據固然重要，但是可分析的維度較有限，因此與第二方、第三方數據的整合是很多品牌主規劃或已經在運作的方向。
近幾年業界興起推行DMP的潮流，我們建議，品牌在決定投入建置DMP前，應該先具備對數據應用的經驗，並確認可用資源限制，才能對後續是否建置DMP與細節規劃能更貼近自身需求去評估與設計，達到以數據輔助聰明且關鍵決策的目的。
文章轉載自凱絡「數位智庫」
