行銷人員的AI百寶盒
黃義軒 著/AI人工智慧大現場作者群
- 出版商: 博碩文化
- 出版日期: 2021-09-06
- 定價: $650
- 售價: 7.8 折 $507
- 語言: 繁體中文
- 頁數: 488
- 裝訂: 平裝
- ISBN: 9864348469
- ISBN-13: 9789864348466
-
相關分類:
行銷/網路行銷 Marketing
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$352軟件項目估算 Software Project Estimation -
生成深度學習｜訓練機器繪畫、作曲、寫作與玩遊戲 (Generative Deep Learning)$580$458 -
AI 醫療 DEEP MEDICINE (Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again)$680$578 -
2022 新趨勢計算機概論$540$405 -
深度學習 -- 最佳入門邁向 AI 專題實戰 (書籍有些許瑕疵,不介意再下單)$1,200$792 -
最強行銷武器 — 整合行銷研究與資料科學$580$435 -
SEO 與網路行銷超級工作術：觸及率翻倍的網站贏家攻略$450$351 -
GA 到 GA4: 掌握網站數據分析新工具的技術原理與商業思維$500$395 -
網路規劃與管理實務 - 協助考取國際網管證照, 3e$980$774 -
Python 網路爬蟲：大數據擷取、清洗、儲存與分析 -- 王者歸來, 2/e$750$495 -
影音行銷最佳幫手-免費視訊剪輯軟體全攻略$580$452 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
人工智慧再進化：聯邦學習讓資料更安全穩固$880$748 -
Python 資料分析必備套件！Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$616 -
圖解 Docker & Kubernetes 的知識與使用方法$620$465 -
AWS 自學聖經：5大必學雲端主題・超圖解入門 (全彩印刷)$690$545 -
AutoML 自動化機器學習：用 AutoKeras 超輕鬆打造高效能 AI 模型 (Automated Machine Learning with AutoKeras: Deep learning made accessible for everyone with just few lines of coding)$690$587 -
打下最紮實 AI 基礎不依賴套件：手刻機器學習神經網路穩健前進$1,200$792 -
集成式學習：Python 實踐！整合全部技術，打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$593 -
數據分析之道： 用數據思維指導業務實戰$636$604 -
行動行銷的12堂關鍵必修課：社群‧APP‧LINE‧大數據‧抖音‧元宇宙‧Mobile SEO‧GA到GA4$620$484 -
NFT 實戰勝經：劉呈顥教你用 NFT 創造財富的 10種方法$520$468 -
物聯網時代的 15堂資安基礎必修課$620$465 -
Arduino 專題製作與應用：Python 連線控制篇$500$390 -
Tailwind CSS 3.0 從零開始 – 入門到實戰$700$553
相關主題
商品描述
- 人工智慧最強的功能是「從大量資料中創造規律性」並進行突破性的效率改善；人工智慧用在行銷上即稱為「AI Marketing」；意即用人工智慧來協助行銷人員，能夠即時改善行銷效率的系統性知識。
AI和AI Marketing是快速發展的科學。作為一個行銷人員或企劃人員，要如何理解並運用AI作為行銷工具呢？
一定有人告訴你：「AI有那麼多東西要學」
本書將產品銷售週期分為六個階段，再針對不同階段的需要來設計出適當的AI工具，讓行銷人員可輕易上手，達成業績目標。
自2017年以後，AI技術已大量用在社會科學方面，不論在心理學、財務投資、行銷學都已大量使用AI Marketing的工具；以行銷學來說，從行銷初期的趨勢分析、客戶鎖定，到後期的客戶忠誠度培養都可大量使用到AI工具。
本書的重點：
行銷人員如何使用AI Marketing工具來強化行銷。
作者簡介
- 主要作者
黃義軒
專長：軟體語言、人工智慧演算、大數據分析
工作經歷：
曾任遠傳電信網路事業協理
曾任光寶科技公司系統資深處長
現任美國聯合科技公司技術總監
IT/AIoT相關產業經驗25年
作者來自「人工智慧大現場」團隊。
人工智慧大現場聯結方式：igreener.tw@gmail.com
目錄大綱
- 01 最佳關鍵字（Keyword Confirm）
1-1 找出最佳關鍵字（Best Keywords group）
1-2 用pytrends 獲取 Google 搜尋趨勢
1-3 「最佳關鍵字」的實務戰術
02 流行趨勢分析（Dedicated analytics）
2-1 「流行趨勢分析」與「最佳關鍵字」進階應用
2-2 實例1：「台灣十大美妝品牌，近三個月，流行趨勢比較分析」
2-3 實例2：「美國十大化妝品牌，近三個月，流行趨勢比較分析」
2-4 實例3：「關鍵字搜尋比較」- 台灣地區
2-5 實例4：「關鍵字搜尋量比較」- 台灣依都市別分析
2-6 實例5：「主要運動服潮牌」之關鍵字聲量比較
2-7 實例6：「關鍵字相關度搜尋量比較」- 現在排名及上昇中排名
2-8 實例7：日本、韓國及美國「即時夯話題」
2-9 實例8：Covid-19 台灣地區「關鍵字聲量」及區域別分析
2-10 實例9：品牌、產品或關鍵字的靈活運用策略
2-11 實例10：品牌、產品或關鍵字的靈活運用策略
2-12 結論
03 客戶搜尋（Customer Search）
3-1 用AI 創造現有客戶的貢獻度
3-2 用AI 進行交叉銷售和追加銷售
3-3 專業行銷人員用不同的做法
3-4 AI 實例：從現有客戶中找出「新商品」的潛在客戶
04 顧客分眾（Customer Targeting）
4-1 什麼是顧客分眾？
4-2 什麼是LRFM？
4-3 使用LRFM的結果？
4-4 AI 實例：用行銷學的LRFM 和AI 大數據演算來進行顧客分眾
4-5 數學統計方法，用「權重方式」進行「顧客分眾」：（RFM、LRFM、RFM_SUM 指標）
4-6 用行銷學Length、Recency、Frequency、Monitory四者間互動關係，用3D圖呈現
4-7 用LRFM/RFM 進行「顧客分眾」後，找出重要的行銷答案
4-8 數學統計方法：綜合指標計算（RFM_Sum、LRFM_Sum）
4-9 AI 人工智慧方法進行分群並預測業績
05 賣場客戶類型分析（Feature Modeling）
5-1 客戶類型和賣場經營的關係
5-2 用人工智慧改變客戶體驗
5-3 AI 方法：用「融合模型」（Emsemble）投票及權重方式，來提昇準確率
5-4 AI 實例: 用大數據預測客戶消費品項及消費頻率
06 廣告媒體選擇（Media Selection）
6-1 媒體選擇的策略
6-2 Who（與誰溝通）：即確定目標受眾。
6-3 How（如何溝通）：考慮溝通方式的五個因素
6-4 針對「媒體的用途」以找出最適合的行銷媒體
6-5 「媒體分析」AI 實例：從消費者社群媒體習慣分析廣告投放媒體
6-6 跳脫媒體平台的分類，以全球線上購物來看廣告趨勢
6-7 2020年全球媒體廣告行為分析
07 風向內容分析（Content Analysis）
7-1 「風向內容分析」的目的
7-2 什麼是NLP？
7-3 NLP未來的發展趨勢？
7-4 如何讓電腦準確的理解中文語言？
7-5 中文詞性分析的方法
7-6 NLP 技術商品化方向
7-7 「風向內容分析」AI 實例：從消費新聞分析「美妝產品」的流行趨勢
08 客戶心理分析（Psycho Modeling）
8-1 ISTJ（負責執行傾向）：「調查員」個性類型
8-2 ISFJ（專注管理傾向）：「守衛者」個性類型
8-3 INFJ（遠見啟發傾向）：「提倡者」個性類型
8-4 INTJ（願景策略傾向）：「建築師」個性類型
8-5 ISTP（敏捷務實傾向）：「鑑賞家」個性類型
8-6 ISFP（務實看守傾向）：「探險家」個性類型
8-7 INFP（機警戰鬥傾向）：「協調者」個性類型
8-8 INTP（擴增分析傾向）：「邏輯者」個性類型
8-9 ESTP（靈活新進傾向）：「企業家」個性類型
8-10 ESFP（熱情改進傾向）：「表演者」個性類型
8-11 ENFP（熱情催化傾向）：「競選者」個性類型
8-12 ENTP（創新探索傾向）：「辨論家」個性類型
8-13 ESTJ（效率主導傾向）：「總經理」個性類型
8-14 ESFJ（信實建造傾向）：「事務官」個性類型
8-15 ENFJ（積極動員傾向）：「教育家」個性類型
8-16 ENTJ（策略引導傾向）：「指揮官」個性類型
8-17 「傾向分析」AI 實例：用機器學習判斷個性類型
09 聲量分析（Talk Trends）
9-1 討論度與網路聲量
9-2 AI 實例：品牌網路聲量溫度計
9-3 跳脫聲量迷思看廣告趨勢
10 推薦系統（Recommendation System）
10-1 什麼是AI 推薦系統？
10-2 AI 推薦系統應用實例
10-3 「推薦系統」AI 實例：線上影片平台推薦系統
A 實戰演練
A-1 用「最佳關鍵字」進行「品牌定位」（Keyword Confirm）
A-2 從「夯話題」進行「流行趨勢分析」（Dedicated analytics）
A-3 用「交叉銷售」找出「潛在客戶」（Cross Sell）
A-4 用AI「顧客分眾」法進行「精準行銷」（Customer Focus）
A-5 用AI 進行「產品及客戶類型分析」（Featuring Modeling）
A-6 用AI 分析消費者習慣以進行「廣告媒體選擇」（Media Selection）
A-7 用AI 進行「媒體風向分析」以掌握市場脈動（Content Analysis）
A-8 用NLP 進行「客戶心理分析」（Tendency Modeling）
A-9 用「討論度分析」找出目標客戶（Talk Trends）
A-10 用準確的「推薦系統」建立客戶忠誠度（Recommendation System）
