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$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)

  • 行銷人員的AI百寶盒-preview-1
  • 行銷人員的AI百寶盒-preview-2
  • 行銷人員的AI百寶盒-preview-3
  • 行銷人員的AI百寶盒-preview-4
  • 行銷人員的AI百寶盒-preview-5
  • 行銷人員的AI百寶盒-preview-6
  • 行銷人員的AI百寶盒-preview-7
  • 行銷人員的AI百寶盒-preview-8
  • 行銷人員的AI百寶盒-preview-9
  • 行銷人員的AI百寶盒-preview-10
  • 行銷人員的AI百寶盒-preview-11
  • 行銷人員的AI百寶盒-preview-12
  • 行銷人員的AI百寶盒-preview-13
  • 行銷人員的AI百寶盒-preview-14
  • 行銷人員的AI百寶盒-preview-15
  • 行銷人員的AI百寶盒-preview-16
  • 行銷人員的AI百寶盒-preview-17
行銷人員的AI百寶盒-preview-1

買這商品的人也買了...

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)