所有品牌都想要的數據是?

November 26, 2017

 

大數據時代,企業、媒體、代理商無不努力構建自己的數據銀行,但卻也發現,數據源變多,感覺自己擁有很多資產,執行層面看似應用機會無限,用於再行銷、用戶族群分類等構面,卻也同時發現宏觀的觀點變少了,主因就是缺乏分析語意的決心,掌握消費者動機數據,讓操盤者可探究宏觀的消費者洞察。

 

大致而言,數據可用兩個軸線分類為四塊,橫軸代表企業內部或外部的數據,縱軸則代表收集的是純粹互動的數據或是針對消費者的語意內容分析的數據。

 

 

1. 內、外部數據:

 

企業內部數據:企業在自媒體範圍內收集的數據都屬此類,包括:官網、App、社群平台互動、交易數據、自有通路的訪客數據等等

 

外部數據:泛指非自媒體的數據,包括:廣告點擊數據、媒體平台數據、產業數據、電信數據等,企業要獲得外部數據通常要經過交換、購買等方式才能獲得。

 

2. 互動和內容數據

 

互動數據:記錄消費者點擊或行動的數字資料,包括:廣告點擊、網站造訪、來店次數等資料,再藉此推敲消費者的動機,進行再行銷或輪廓分析。

 

內容數據:搜集消費者本著意圖而貢獻的內容,主要為分析語意內容,探究更深的語意。

 

在四個象限中,各有公司提供專精服務,包括 Data Management Platform就是在收集外部媒體的點擊數據。企業內部數據整合,則有許多公司協助整理CRM的資料庫,更甚者,也整合客服系統,協助分析消費者的語意,透過現下流行的客服機器人進行高效率的服務.

 

其中最複雜但又很重要的,當屬左上方象限的社群媒體數據或搜尋數據,量大又非結構化.偏偏又是消費者最常使用的平台、最有機會了解消費者的數據,但礙於門檻較高,所以多數公司串接內外數據時,總是猶豫不決,建構數據銀行時,也常常缺少這一塊。

 

社群媒體數據要處理得不吃力又有觀點,機器學習和語義分析扮演重要的角色。從操盤手的思維出發,透過機器學習操盤手的思維,精萃出關鍵所需語料,省下操盤手自己消化資料的大量時間,省下時間進行策略思考,才有機會「善用」社群數據,免得被數據淹沒。

 

Peekur結合營銷、心理、AI、NLP等背景的多元團隊,為了提升機器學習和語意分析對操盤手的價值,透過Peekur的技術支持,相比於過往的人工分析,從眾多社群數據中形塑消費者輪廓的效率提升20倍,而且可達到全量數據的分析,而非樣本數據投射。

 

在報告中,可了解品牌和兩個競品粉絲團的目標族群輪廓比較,報告內容包含兩大部分:一部分是臉譜和興趣分析,另一塊則是內容偏好分析。

 

臉譜和興趣分析:

 

幫您了解您的受眾是否與品排定位衝突?受眾目前最關注的議題?受眾的潛在興趣開發!

 

內容偏好分析:

 

協助您掌握粉絲近期喜歡的貼文風格?素材風格?粉絲的同溫層都在討論哪些話題?我們是否能夠講入粉絲的心坎中?

 

更重要的是,所需時間只要3天,就能得到完整的報告內容.

 

搶先看範例報告

想擁有自己的報告:info@peekur.com

 

Share on Facebook
Share on Twitter
Please reload

Featured Posts

搶救眼球大作戰:老闆們在意「粉絲數」,但FB更關注品牌與粉絲的實際互動

March 4, 2018

1/4
Please reload

Recent Posts
Please reload

Archive
Please reload

Search By Tags