關於數據分析：要追蹤用戶的程度，受限於你對事件分析的想像力。

目前主要分析用戶在互聯網數據的追蹤，以下面兩種為主：

• 分析網站用戶活動：Google Analytics（GA）
• 分析 APP 用戶活動：FireBase

現在數據分析的底層技術也不斷的在演變、進化

Benefits of App+Web Properties

• Flexible and Efficient：Overlap User Profile，可以更快的 Segment 出人群的畫像，並可以隨著時間的變化，動態呈現 Overlap 的移動樣貌。
• Implementation Ease：Analysis Exploration、Pathing 更即時找出數據隱含的痛點，在不熟悉數據意含的分析人員需要的時候，發現同樣數據背後的 insights。
• Cross-Platform：Powered by User ID，其實 Google 在 GA 裡面對 User 的分析，是讓你原本在站上的 Cookies ，經由同意授權並跟 Google、Facebook、Double Click 等資料整合在一起比對所呈現出來的結果。
• Ad Hoc Analytics：
• Intelligent：過去在使用資料維度的時候，需要人工的去檢視判斷，或是異常流量的判讀等。但整個過程其實是可以被定義為機器篩選的。（ex. 當今天的資料量比昨天多 50% 的時候，套用某一種資料維度格式，什麼樣的情況是異常流量等）

理性看 Martech 資料的分析與應用

從行銷角度看台灣現況，從政府的 Open Data 開放資料來看，人口動態網數位遷移的發展很快，但同樣的也開始造成彼此的成長越來越慢（競爭越來越多，人口越來越少，成效越來越差）。

廣告效益下降：相同的預算下 ROI 下降，怎麼辦呢？

• 優化轉換率（Conversion Optimization）
• 找出更精準的目標對象與投放方式
• 善用 1st Party 資料，用 Own Media 或其他較便宜的方式去做行銷（找出容易 Reach 的 Intention）

認識 Data Driven Marketing：江湖傳說案例

如果資料可以被妥善的整合與利用：Martech ＆O2O

• 啤酒與尿布：Wallmart 在颱風天來的時候，利用數據找出更適合鋪貨的商品。
• 未婚懷孕的少女：Target 利用懷孕前與懷孕後的購物差別，計算出一個懷孕指數，依照指數寄送相關的廣告 DM 給她們。

為了要清楚能辨識出一個人並接觸他，會需要哪些資料？

• Web Behavior：Intention
• CRM：歷史互動行為
• APP：延伸與客戶的互動場景
• POS：消費數據
• Marketing Automation：自動化行銷流程

數據關連間的潛在相互影響「線上有行為、到店消費」

現在做數據分析，重點思考可以將資料整合後再分析會更好！因為光看行銷資料，可能就是各自獨立的。

培養 Data Driven Creative：善用數據洞察刺激出可創建轉換、觸動人心的場景

透過資料分析，了解 TA 的行為及喜好，動態的回應、創造需求反饋給用戶，用更有創意方式的傳遞訊息。