我在學校固定開設一門網路數據分析的課程，也鼓勵學生多考各家平台自己發的證照，由於LINE 在台灣的使用人數不少，所以想來研究看看 LINE 的證照，因此去年詢問 LINE 是否可以讓我報名 LINE Ads Platform 的LINE廣告投手訓練營，但由於我自己學期中也很忙，所以整個課程只有出席一堂，其他內容都是課後看講義補課；以下為此次課程中的心得。 客戶可以自操的LINE廣告類型主要有兩大塊，LINE Ads Platform (LAP) 與官方帳號，前者開發新客、後者維繫關係。兩者皆有共同的追蹤碼 LINE Tag 可以了解轉換及事件，並藉此建立受眾，LAP 也可以埋 utm 碼來追蹤。 LAP LINE 廣告平台的架構與 Google / Facebook 都類似，都是 Campaign / Ad Group / Ad 三個層級，對已經有 Google / Facebook 基礎的學生而言，入門理解不難，預算、走期、受眾、出價、預算等邏輯也大致相同。 由於 LINE 的特性，所以講師建議操作的廣告活動目標與其他平台不太相同，較重視LINE加好友以及App的安裝、互動，操作自動化訊息也很方便。也因為LAP獨有的加好友廣告的關係，所以 LINE推薦自己的行銷漏斗：加入好友(加好友廣告) / 推播訊息互動(官方帳號) / 好友完成購買行動。 對於電商客戶而言，LINE的講師建議找到明星商品 / 爆品做為帶路雞，這與我之前看其他做電商的影片建議類似。今年備課看到一個說法，就是只要發現在任何平台表現好的內容/廣告，就不要去更動，以免影響演算法，我自己在YouTube上面也有同樣經驗，原本成效很好的影片，手賤增加描述後，流量完全消失。所以找到一個爆款明星商品後，維持維持廣告設定不要動，持續投放一直到量沒有可能是一個好的作法。 官方帳號 官方帳號是企業在LINE的門面，在基本設定需要提供詳細資訊，如基本介紹、營業時間、地址、網站等等，讓使用者更容易聯繫店家。 設定歡迎訊息，同時提供圖文選單，可以加速 Call for Action 。設定回應非常重要，包含自動回應（智慧聊天/罐頭訊息）與手動回應。 就 LINE 建議的邏輯，官方帳號用來維繫熟客，促成回購率，與 LAP 帶入新好友功能互補。 媒體的意義 LAP 適合針對習慣使用手機的用戶，如果新媒體成立，透過 LAP 與
暑假看了幾本數位轉型與數據轉型的書，覺得這兩者之間可能有層次與因果的關係。一間企業如果成功的「數據轉型」，必然會有良好的數位轉型。但如果只是數位轉型，有可能並沒有數據轉型。
前 P&G 的數位服務 VP Tony Saldanha 談數位轉型的著作《 Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead》 （數位轉型為什麼會失敗：從起飛到領先的驚奇原則）提到了數位轉型的5個階段，每個階段都是從部門到跨部門到全公司的改善，其中數位轉型的5個階段分別為：
- Foundation：公司開始使用外部的SaaS等方案來改善流程
- Siloed：部分部門開始利用數位工具來產生新的商業模式
- Partially Synchronized：公司間有些部門的數位 / 數據工具可以對接
- Fully Synchronized：全公司的內部系統都已經數位化並且在同一個系統上
- Living DNA：變成一家純數位公司，這並不是說傳統業務並不要做，例如一間物流公司，純數位化之後，就是一間有貨車的數位公司。
這5個階段既是數位轉型的階段，從下面的例子可以看到，也必然需要數據分析作為基礎。
在台灣以《輕鬆搞懂數字爆的料》走紅的 Thomas H. Davenport，2017年也出版了 Competing on Analytics 更新版，雖然書本不是談數位轉型，但其中提到的企業數據轉型的5個階段，其實也與數位轉型息息相關。Davenport認為企業在數據轉型的5個階段分別是：
- Analytically impaired: 前數據階段的公司，公司當然有數據、公司當然有分析，但都是只在基本「商業計算」的層次，沒有任何分析策略。我認識很多中小企業主，幾億身家的這種，都在這個階段，開心就好。
- Localized analytics: 與上面的數位轉型5的階段1與2有點類似，已經開始導入數位分析工具，但分析的層次以描述型分析為主。數據儲存在部門當中（數據孤島），沒有跨部門的數據倉儲或者現在流行的數據中台概念。
- Analytical aspirations: 高階主管開始關心數據分析，公司可能會有個數據長或者分析長 (Chief Data & Analytics Officer) 之類的角色，公司已經有大量的預測型分析的能力，也有資料倉儲，不過許多資料庫還是沒有完全整合、沒有標準化，無法跨部門使用，自然也無法跨部門分析，與前述數位轉型的 Partially Synchronized 非常類似。
- Analytical companies: 全公司已經完全數位轉型也數據轉型，公司具有成熟的預測型分析、指示型分析能力，也導入了即時自動分析的能力，數據分析是公司的主要任務，資料儲存完全整合，數據分析可以跨部門。
- Analytical competitors: 到這個階段，公司不但已經轉型成數位公司，也是數據公司，公司的流程已經在數據的基礎上大量自動化，數據分析能力變成公司的主要競爭力。
數位轉型並不是在生產、物流、財務、人資等管道導入數位工具就好，否則這樣數位轉型也太簡單了。如果數位轉型沒有搭配數據轉型，數位工具可能很快就淪為數位化的閒置資產。一間公司要數位轉型到具備 Digital Living DNA，前提必然是先成為 Analytical company。
Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead 與 Competing on Analytics 兩書在數位轉型與數據轉型的5個階段如此相像，也能彼此對照驗證，相當有趣，非常推薦同時閱讀。