[Data Analytics] 消費者分析：如何在巨量資料中發掘有價值的洞見

【原文】Customer Analytics: How to Derive Valuable Insights from Big Data

【摘譯】
消費者分析是完全從資料出發的一套方法，主要的功能在培養消費者的忠誠度，以及提高特定產品的市場需求。

一般來說，消費者分析會從結構化的交易資料開始，包括地理資訊、消費歷史、購買與退貨的資訊等等。常用的統計方法包括線性回歸、叢集分析、和 RFM（recency, frequency, monetary value），可以協助企業區分消費族群、理解購物模式，並且結合預測模型來預測未來的消費行為。

為了提高預測的準確度，還可以進一步利用其他非結構性的資料，例如客服中心的通話記錄，電子郵件的通訊記錄，網站瀏覽的記錄，社群網路的紀錄等等。這個部分是大部分企業還沒有涉及的，涉及了文字分析以及自然語言處理（Natural Language Processing, NLP）的技術。

另一種可以結合的資料是「態度資料」，通常是由市場研究的管道取得。這樣的資料可以幫助企業了解消費者比外顯行為更深一層的心理狀態。

這個領域有很多新的分析工具與方法正在研發當中，IBM 的 Smart Planet 系列報導有許多實際的案例，也可以參考他們提供的資訊圖表 "power in data"，來進一步認識更多的可能性。