數據管理平台與行銷分析之可行性研究—以台灣汽車品牌為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：108

、訪客IP：3.145.41.253

姓名

林佳寶(Chia-Pao Lin) 查詢紙本館藏

畢業系所

資訊管理學系在職專班

論文名稱

數據管理平台與行銷分析之可行性研究—以台灣汽車品牌為例

相關論文

★ 影響ERP導入過程及成效因素之研究 - 單一公司兩次導入SAP系統之比較分析	★ 運用資料倉儲技術建置物力動員資訊系統之開發
★ 買方採用自有電子市集之個案研究─以台塑企業為例	★ DEA模型評估經營效率之研究—以某綜合證券商為例
★ 尋求卓越：中小企業資訊部門的管理之個案研究	★ 「證券商共同網路交易平台」之可行性分析
★ 產業競合模式策略探討－以自行車產業為例	★ RFID導入航空貨運站出口作業流程應用之研究
★ 綠色供應鏈活動建構之個案研究-以筆記型電腦製造業為例	★ 導入資訊科技服務管理之評估-以遠東銀行為例
★ 資訊系統導入歷程中專案團隊決策衝突之探討	★ 應用資源基礎理論探討持久競爭優勢-以智慧型手機H公司為例
★ 服務導向架構為基礎的企業流程管理之探討 - 以瀚宇博德股份有限公司為例	★ 沙賓法案實施與企業遵循個案研究--以K公司為例
★ 資訊服務委外之個案分析－以銀行簡訊為例	★ 有線電視業者經營IPTV之競爭優勢分析—以個案公司為例

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

在各行各業之中，建立一個成功的自有品牌是許多企業的目標，而隨著網路世代的來臨，任何行為都會留下數據軌跡，潛藏在零散片段數據資料之中的是消費者在網路另一端的實際需求，如何洞察出其中的意義，制定客制化的行銷策略，已成為品牌經營成功的關鍵之一。
Apache Hadoop的出現，為各種大數據的分析需求，提供了一個簡便、成本低廉的解決方案。而品牌經營者透過應用Apache Hadoop技術建置數據管理平台 (Data Management platform, DMP) ，讓管理人員或行銷人員有足夠的數據分析資訊，以營運策略的高度，思考如何以消費者的角度，傳達品牌的核心理念、消費者價值 (Consumer Value) ，洞察出消費者的輪廓、發揮出數據資料的商業價值。
本研究以台灣汽車品牌業者進行個案探討，研究在導入數據管理平台的過程中，個案如何整合各方資料、多元社群軌跡，分析出客群行為特徵、使用者輪廓、行銷管道效益，進而持續優化行銷方案，提升客戶黏著度，傳播企業品牌。
透過數據管理平台的導入，整合線上線下資訊，以數據對行銷成效進行量化分析，使用大數據的分析結果重新審視品牌與產品能否真正符合消費者需求，讓行銷策略以數據驅動行銷，翻轉品牌價值。

摘要(英)

Amongst the various different types of business industries, building a successful private brand is a goal for many enterprises. On the Internet, any form of behavior will produce a data trajectory. Hidden within the fragmented scattered data is the actual requirements of consumers at the other end of the network. How to provide insights into the meaning of these data, and using this information to set customized marketing strategy, should be one of the key requirements of successful brand management today.
The emergence of Apache Hadoop, used for various big data analysis, provides a simple, low cost solution. By using Apache Hadoop technology, brand operators can setup a Data Management Platform (DMP) that allows management and marketing staff to have sufficient information for effective decision making from the perspective of business strategy, reflecting on how to view from a consumer’s perspective, conveying the brand’s core idea and consumer value, and providing insight into the consumer’s profile. This in turn unleashes the true business value of the data.
This study uses a Taiwanese automobile brand as the case for investigation. The study investigates the process of DMP implementation, how the data of individuals can be combined from different aspects, how multi-community trajectory provides analysis for the characteristics of customer behavior, profiles of users, and the benefits of marketing channel. All these can serve as a basis for delivering an efficient marketing strategy in the future.
Through the introduction of a data management platform, integrating online and offline information, the firm can carry out quantitative analysis on marketing effectiveness with appropriate data analytics. The analysis results of big data can ensure whether brands and products can really meet consumer needs, and drive marketing strategies with data, thereby enhancing brand value.

關鍵字(中)

★ 大數據
★ 數據管理平台
★ 網路行銷

關鍵字(英)

★ Big Data
★ Hadoop
★ DMP

論文目次

中文摘要 I
Abstract II
誌謝 IV
目錄 V
表目錄 VII
圖目錄 VIII
第一章緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 3
1.4 論文架構 4
第二章文獻探討 5
2.1 數據管理平台 (Data management platform) 5
2.2 數據管理平台的資料處理架構 6
2.2.1 Hadoop 7
2.2.2 分散式檔案系統 (Hadoop Distributed File System, HDFS) 8
2.2.3 MapReduce 10
2.2.4 NoSQL 11
2.3 資料探勘 12
2.4 使用者標籤 (貼標) 13
2.5 文獻小結 15
第三章研究方法 16
3.1 方法基礎 16
3.2 採用方法 16
3.3 研究對象 17
3.4 資料蒐集來源與方式 18
第四章個案分析 19
4.1 個案背景 19
4.1.1 公司簡介 21
4.1.2 個案公司組織架構 22
4.2 個案分析 23
4.2.1 個案系統導入前現況 26
4.2.2 DMP專案目的及時程 27
4.2.3 DMP專案執行 28
4.3 個案發現 37
4.4 個案分析總結 44
第五章結論 57
5.1 研究總結 57
5.2 研究管理意涵或建議 57
5.3 研究限制 62
5.4 未來研究方向 62
參考文獻 64

參考文獻

【中文文獻】
1. 中華郵政官網 (2019)，107年郵政統計要覽一、概況，https://www.post.gov.tw/post/internet/Message/index.jsp?ID=1461828033477，存取時間：2020/4/3。
2. 石路遙，(2015)，廣告投放數據管理平台的設計與實現，北京交通大學軟體工程系碩士論文。
3. 台灣網路資訊中心 (2019)，2019台灣網路報告，https://report.twnic.tw/2019/，存取時間：2020/2/21。
4. 交通部公路總局 (2019)，新車領牌數，https://stat.thb.gov.tw/hb01/webMain.aspx?sys=100&funid=11200，存取時間：2020/5/1。
5. 自由時報 (2016)，特斯拉Model 3 訂單飆25萬輛，https://ec.ltn.com.tw/article/paper/975453，存取時間：2020/4/23。
6. 牧田幸裕、柯依芸譯，(2018)，數位行銷教科書—大數據的獲利管理學、虛實全通路導入，幸福文化出版公司，新北市。
7. 納智捷 (2020)，台灣顧客滿意度調查第一名，https://www.luxgen-motor.com.tw/luxgen_protection/Index，存取時間：2020/5/13。
8. 黃裕文、黃光璿，(2015)，基於 MapReduce 之架構解單一來源最短路徑問題，國立暨南國際大學資訊工程系碩士論文。
9. 鈕文英、吳裕益，(2015)，單一個案研究法：研究設計與後設分析，心理出版社，新北市。
10. 意藍科技官網 (2019)，什麼是 PeopleView 人群資料庫？，https://www.eland.com.tw/peopleview_1.html，存取時間：2020/4/23。
11. 駱德廉，(2017)，巨量資料分析與智能應用，深石數位科技，台北市。
【英文文獻】
1. Apache (2020), “Apache Hadoop” (Accessed 2020/5/1, available at https://hadoop.apache.org).
2. Chang, F., Dean, J., Ghemawat, S., Hsieh, W., Wallach, D., Burrows, M., Chandra, T., Fikes, A., & Gruber, R. (2006), “Bigtable: A Distributed Storage System for Structured Data,” in Proc. 7th USENIX Symp. Operating Systems Design and Implementation (OSDI’06), Seattle,WA.
3. Dean, J., & Ghemawat, S. (2004), “MapReduce: Simplified Data Processing on Large Clusters,” in Proc. 6th Conference on Symposium on Opearting Systems Design & Implementation, San Francisco, CA.
4. Frawley, W. J., Piatetsky-Shapiro, G., & Matheus, C. J. (1992), “Knowledge Discovery in Databases: An Overview,” AI Magazine, Vol. 13, No. 3. , pp. 57-70.
5. Ghemawat, S., Gobioff, H., & Leung, S. T. (2003), “The Google File System,” in Proc. Nineteenth ACM Symposium on Operating Systems Principles, New York, NY.
6. Han, J., Kamber, M., & Jian, P. (2012), Data Mining: Concepts and Techniques, Morgan Kaufmann, San Franscisco, CA.
7. LOTAME (2019), “1st Party Data, 2nd Party Data, 3rd Party Data: What Does It All Mean?” (Accessed 2020/5/8, available at https://www.lotame.com/1st-party-2nd-party-3rd-party-data-what-does-it-all-mean/ ).
8. Microsoft Azure (2020), “What is NoSQL?” (Accessed 2020/4/4, available at https://azure.microsoft.com/zh-tw/overview/nosql-database).
9. White, T. (2012), Hadoop: The Definitive Guide, O′Reilly Media, Sebastopol, CA.
10. Wikipedia (2020), “Kafka,” (Accessed 2020/3/20, available at https://zh.wikipedia.org/wiki/Kafka).

指導教授

王存國

審核日期

2020-6-19

推文