淺談資料類型 — 初級資料與次級資料

1.初級資料. 初級資料（primary data）是由研究者主動自己收集的資料（第一手），例如：自己所進行的市 ... 跳到主要內容 淺談資料類型 — 初級資料與次級資料 取得連結 Facebook Twitter Pinterest 以電子郵件傳送 其他應用程式 - 5月24,2018 搜集行銷資料是一件很耗時費工的事，更重要的是，它還可能很「花錢」。

在進行行銷資料科學之前，先來看一下資料的另一種分類方式「初級資料」與「次級資料」。

1.初級資料 初級資料（primarydata）是由研究者主動自己收集的資料（第一手），例如：自己所進行的市調。

舉例來說，行銷研究中常會調查消費者的態度、認知、意圖、動機與行為。

在傳統的行銷研究裡，常見的初級資料蒐集方法包括：面談法、問卷法、觀察法、實驗法…等，如圖1所示。

圖1、初級資料的蒐集方法。

繪圖者：周晏汝 而在行銷資料科學中，初級資料的蒐集方法還包括網路探勘（WebMining）等，詳細的內容於往後再陸續介紹。

2.次級資料 次級資料（secondarydata）是指間接取得別人所整理的資料（第二手），例如：引用政府開放資料。

次級資料是相對於初級資料所命名，雖然次級資料在字面上看起來像是二手數據，但所謂的「二手」，並不像現實世界中的「二手車」，是已被他人使用過的那種意思。

次級資料一般分為「內部次級資料」與「外部次級資料」，如圖2所示。

次級資料的蒐集成本通常較低並且有效率，但所獲得的資料卻未必適合企業自身所需。

圖2、次級資料的種類。

繪圖者:周晏汝 （1）內部次級資料 內部資料成本低而且取得容易，同時符合企業所需，故內部資料為次級資料的重要來源。

內部次級資料包括：銷售資料、生產資料、財會資料、人資資料…等。

（2）外部次級資料 資料本身並非為特定問題或研究而蒐集，可能是因其他的研究或報告而已被彙整成為檔案。

例如政府或企業的出版品或報告。

常見的外部次級資料包括：政府機構的統計資料、公會、協會、學會、媒體業、學術機構、行銷研究機構之產業報告、調查報告、研究報告…等。

「次級資料」通常有一定的限制。

例如不同機構收集的資料可能無法比較。

換句話說，資料收集不會採用統一的基礎，或者來源不完整，又或者收集的目的不是為行銷研究所專用。

有關次級資料進一步的闡釋，將於下一篇文章中進行介紹。

羅凱揚（台科大兼任助理教授）、蘇宇暉（台科大管研所博士生） 取得連結 Facebook Twitter Pinterest 以電子郵件傳送 其他應用程式 留言 這個網誌中的熱門文章 價值？成本？讓RFM模型輕輕鬆鬆評估一切！（附實現程式碼） - 5月24,2018 在RFM模型「系列1」- 常貴客？新客？讓RFM模型簡簡單單解釋一切！（附實現程式碼），我們利用了R與F的交叉分析，簡簡單單推導出不同客群的行銷方案。

並在假設條件下，該商場可以利用R與F的交叉分析，在一年多賺進168萬元的淨利。

而本次我們將專注在RFM模型中的消費金額（Monetary）分析，並回答系列1的三個問題：有這麼多顧客區隔，更細部來說，這些區隔都值得我注意嗎？難道一次客真的要放棄嗎？可以使用消費金額（Monetary）及成本評估顧客終生價值嗎？那該如何評估？如何整合時間序列分析？難道時間序列沒有其他用途嗎？在開始進行消費金額（Monetary）分析前，要請讀者先行了解四個概念：商品毛利（GrossMargin,GM）：每一件產品的毛利；簡單來說，就是「產品營收」-「進貨的成本」。

顧客終身價值（CustomerLifetimeValue,CLV）：每一個顧客為我們貢獻的收入；簡單來說，就是對每個顧客購買的每一件商品進行「商品毛利」之加總。

顧客購買（取得）成本（CustomerAcquisitionCost,CAC）：為了要賣出商品，在每一個顧客上所花費的成本。

顧客獲利率（CLV/CACRatio）：每一CAC可以為我們賺進多少的CLV。

哪些顧客區隔應該要放棄？應該要保留？有了上述概念後，接下來，讓我們來回答問題一：「有這麼多顧客區隔邊界，更細部來說，這些區隔都值得我注意嗎？難道一次客真的要放棄嗎？可以使用消費金額（Monetary）及成本評估顧客終生價值嗎？那該如何評估？」資料：我們一樣透過上一篇文章的賣場資料，接著本篇在加入每個顧客的CAC（CAC資料下載）與CLV資料（直接以程式碼透過商品毛利計算）。

首先來看一下上一篇R與F交叉分析的資料格式：將原始資料轉換成R與F模型可分析的形式那我們再將CLV與CAC的資料加入考量，其中我們假定三樣商品的商品毛利：瓶裝水=10牛奶麵包=50高麗菜=10最終生成下述每個顧客CAC與CLV的資料。

每個顧客的CAC與CLV資料結構最後結合CLV與CAC的資料表就產生出來了！也就是在這張資料 閱讀完整內容 還在用人工聽打？讓您6小時快速學會AI聽打 - 5月24,2018 「速學Python語音轉字檔Workshop」（課程優惠實施中）在這AI爆炸的時代，似乎什麼都要來AI一下，不會AI技術好像就落後了一樣，但以現實狀況來說，對於不懂AI技術但又有商業或立即性需求的人來說，根本無從下手。

好在Google在近年提供了AI雲端相關服務，讓對AI需求者可以透過GoogleAPI，套用深度學習工具，快速產出可交付成果。

這些深度學習的工具概括了:自然語言處理語音辨識影像處理及時語譯等等…不勝枚舉的應用，有關更多資訊可以參考Google機器學習。

而有鑑於我周遭朋友，如：記者、公關、研究生、演講者、聽打者與語音轉文字的需求者對逐字稿「聽打」的需求與日俱增，我們便深入研究AI聽打的可能性。

經過數些時日的研究與編程，我們特地將Google聽打機器學習的複雜的流程優化成一組組的Python套件，讓我們能以簡單易懂、事半功倍的方法讓機器實行「AI語音轉文字」。

不僅如此，我們還發現實用該方法的幾項好處:Google平台有贈送價值$9,000元新台幣的語音轉字稿額度，讓我們可以輕鬆使用GoogleAPI的服務，換算下來，共約有200小時的免費額度，讓AI聽打使用無負擔，同時也省下不少成本!共1個小時的錄音檔，只需要花費9分鐘就可以完成!(如果錄音取樣頻率為16KHz)，就算是高音質錄音檔(取樣頻率48KHz)，也僅要花大約25分鐘左右的時間就可以精確完成!相較於人工處理的方式，要自己花3小時批打30分鐘的逐字稿內容，這樣比較起來，AI聽打絕對是不錯的選擇!使用Python，我們搞定了語音檔與逐字稿的對應分鐘數，這往往是我們是花我們要從錄音檔中一個個去聆聽才能知其內容的成本，用Python輕鬆搞定~!將影片語音檔進行AI聽打，省力、省成本。

許多公司或個人都會有影片上字幕的困擾，可以先使用AI聽打+對應分鐘數，節省聽打前製0–1人工打字幕的前置作業。

情感資源分析，讓公司或個人能透過網路評論或者語音檔，立即知道客戶情緒，或者進行週及月不同情緒上的關鍵字詞。

自動化字稿備份，讓解譯出來的文字稿能夠立即自動化上傳google雲端，做好備份保存。

深度學習工具，實踐AI聽打功能，部分Demo更多內容，請歡迎參加我們的課程，學會更多!AI聽打範例，雖然無法 閱讀完整內容 TMRmarketingdatascience 瀏覽簡介 文章 2018 26 五月2018 20 大數據（BigData）的發展 行銷資料科學三種應用層次 價值？成本？讓RFM模型輕輕鬆鬆評估一切！（附實現程式碼） 行銷研究、資料庫行銷與行銷資料科學之比較-1 行銷研究與行銷資料科學 行銷研究與行銷資料科學的歷史發展 行銷研究、資料庫行銷與行銷資料科學之比較-2 行銷的量化研究、質化研究與神經研究 我的競爭優勢？視覺化口碑定位雷達圖輕鬆搜出來！（附實現程式碼） 淺談資料類型 — 資料類別排列組合 淺談資料類型—總體（宏觀）資料與個體（微觀）資料 「全球第一家笑多少、收費多少的喜劇院」 — 行銷資料科學在定價上的應用 還在用人工聽打？讓您6小時快速學會AI聽打 淺談資料類型 — 初級資料與次級資料 淺談資料類型 — 研究資料 什麼?祕書也快被取代?打造你自己的專屬行動祕書（附實現程式碼） 資訊與行銷人必看的行銷資料科學入門課-含範例與R程式碼 何謂「行銷資料科學」 人臉辨識系統的應用 科技發展促使大數據浪潮的出現 四月2018 2 三月2018 4 CH1 行銷資料科學的起步 行銷新顯學 CH2 淺談資料格式 淺談資料類型 CH14 別把「大數據」想得太難！ 檢舉濫用情形