Section 1 導論與環境設定



　chapter 1 資料科學與行銷



Section 2 導論與環境設定



　chapter 2 關鍵績效指標與視覺化

　chapter 3 行銷參與度背後的驅動因素

　chapter 4 從參與度到轉換率



Section 3 產品可見度與行銷



　chapter 5 產品分析5

　chapter 6 推薦對的產品



Section 4 個人化行銷



　chapter 7 消費者行為的探索式分析

　chapter 8 預測行銷參與度的可能性

　chapter 9 顧客終身價值

　chapter 10 以資料驅動的顧客區隔

　chapter 11 留住顧客



Section 5 更好的決策



　chapter 12 運用 A/B測試發展更佳行銷策略

　chapter 13 下一步？

序



　　無論是小型公司或大型企業組織，在行銷實務中採用資料科學與機器學習的趨勢大幅增加，日益成為顯學。資料科學可以幫助組織更好地釐清過往成功或失敗的行銷策略背後的驅動因素，更加瞭解消費者行為與產品之間的互動。您還可以預測消費者行為，建立更準確且個人化的行銷策略，改善「每取得成本（Cost Per Acquisition）」、提高轉換率以及增加銷售額。這本書能夠幫助您應用各式各樣的資料科學技法來建立以資料驅動的行銷策略。



　　這是一本可以幫助您完成入門與進階行銷任務的實用指南。您將使用資料科學來瞭解驅動銷售量與消費者參與的原因。您將使用機器學習來預測哪些特定消費者更有可能與產品進行互動、哪些消費者具有最高的預期生命週期價值。您同時還會使用機器學習，透過資料分布來瞭解不同消費者族群，並推薦合適產品給最有可能購買的消費者。閱讀完本書後，您將熟悉各種資料科學與機器學習技法，掌握如何將它們運用於不同的行銷目的。



　　筆者個人也因本書而獲益不少。當我展開資料科學與行銷的職涯之時，各種資料科學和機器學習技法的理論文獻與細節研討不勝枚舉，但是關於如何在行銷領域中應用這些技術與技法的論述或整理則相當少見。學習理論知識與將這些技法實踐到行銷領域的商業應用之間，存在天壤之別的差異。在這本書中，我將會分享在多年職涯中不斷試錯迭代而獲得的經驗與知識，如何將資料科學與機器學習應用到不同的行銷目的。您將會瞭解哪一類的技術與技法應用於哪些特定行銷案例、在何處可以找到補充資源，以及完成閱讀本書後的下一個學習目標。



　　本書使用Python與R來實踐資料科學與機器學習。Python與R是資料科學家、資料分析師以及機器學習工程師最常使用的兩種程式語言，具有容易上手、使用者社群廣泛、在資料科學與機器學習領域擁有豐富資源等優勢。在每一個章節中，我們將會引導您瀏覽與安裝不同的函式庫，讓您在閱讀此書時無須擔心不知該在電腦上安裝哪些元件。