跳到主要內容

LINE LAP 的教學想像

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

企業到底要數位轉型還是數據轉型？

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。

標籤：

這個網誌中的熱門文章

Google 專案管理認證如何準備？值得考嗎？ Project Management Professional Certificate

Google 2021年開始在 Coursera 上開設了一系列以科技業就業為導向的 Certificate 課程，我今年6月底到7月初，大概花了2週的時間，從早學習到晚，取得了 Google Project Management Professional Certificate 這個認證，覺得可以來談談這個認證，並且推薦年輕朋友考一張看看。 結論先講 這是一個不錯的初階認證課程，有系統、有難度。我覺得上過這個課，對於專案管理的流程、文件、軟技能都有基礎的認識，應該需要知道的細節都有基本的知識，重要的文件都自己寫過一次，建議生涯初階的人可以考看看。從用人主管的角度來看，我覺得這個認證是有效的。 什麼是 Certificate Certificate 在美加的教育環境中，就是一個最基本的職業文憑，很多大專院校，會同時頒發 Certificate、Diploma與Degree， Certificate  差不多就是一年的課程（Diploma 2年、Degree 4年），一般學校都要求10-30學分左右的課程份量，大概是150到500小時的學習。一張Certificate通常有發證單位的背書，證明具有尋求該職業最低的要求，但不是「大學學歷」。 Google 每一張 Certificate 都是說 Prepare for an entry-level job as a ________. 然後在課程中會引導學員了解這個證書也不是 讓你幻想拿到之後就可以到跨國外商 PMO 管理大型專案 ，而是只能從各種 助理工作 開始。 Google Certificate 要求 6 個月的學期，課程安排大概是27週左右，每週要求10小時左右的學習，我覺得大概有台灣的大學10-20學分的份量（看是什麼大學），大概比台灣很多大學的「學分學程」少一點。 Google Project Management Professional Certificate 難不難？ 我先簡單說一下我的背景，我沒有留學美國的經驗，但Toeic裸考9xx分，並且有在外商參與各種大小本土與跨國專案的經驗。 對台灣人而言，這個課程有 三個難度 ，一個是課程難度、一個是語言難度、一個是個人時間管理難度。 課程難度 ：課程難度我覺得還好，如果都是用中文上課，台灣國中會考5B的學生還算可以應付。 英語難度 ：加上英文之後，就
閱讀完整內容

Google Data Analytics 數據分析專業認證介紹

Google 在 2021 年開了5個他們認為低學歷也可以進入網路科技業的墊腳石課程，都是 Certificate 程度，也就是美式求職證照中的最低階。 我先前已經先考過了 專案管理的專業認證 ，這次繼續花大約2周的時間來完成數據分析師 / 資料分析師認證，看看這張證書是否值得推薦。 Google Data Analytics Certificate 結論先講 如果你具有任何一個非數據類的專業（aka良好的大學文憑）或者在工作上累積了不錯的專業知識 (Domain Knowledge) ，這門課可以 提高你的專業知識與求職機會 （前提是你真的 所有作業 都做完哦～～） 這門課的重點是 Data，不是 Business ，主要提供你與 Data 最基本的互動知識，但談不上 Business Analytics ，使用的工具、課程內容重點都不同。 課程難度 Google Data Analytics Professional Certificate 這門課是全英文的，你要全程用英文參與課程、學簡單 Coding，完成作業，語言上有難度。不過與另外一門 Project Management Certificate 相較，我覺得英文要求沒有那麼高，畢竟沒有 Peer Review，等於是沒有對英語寫作的要求。 課程的工具核心有三個，分別是 Excel（試算表）、SQL與R，假如這三樣你都沒學過，也沒有任何寫程式的基礎（這種人現在也不多就是了），可能會有一點點學習上的門檻，但如果你已經有任何一個程式的基礎，相信不會太難。 課程安排 這個專業認證課由8個課程組成，課程架構與大部分數據分析、商業分析的都差不多，Google 這邊使用的為 Ask、Prepare、Process、Analyze、Share與Act六大步驟，除了第一個課程是數據分析快速入門外，後面5個就是Google數據分析的前5個階段，然後第7個課程專門講R，第8個是專題作業。 Ask 階段主要是定義商業問題與需求，Prepare階段讓你了解數據、欄位等特性，規劃資料需求並且取得資料。  Process階段就專門談資料的清理、整理，花了很多時間在談清理的樣態、手工清理與SQL清理，令人驚訝的是完全沒有介紹 OpenRefine 。 Analyze階段講得比我想像的要少，重點還是在試算表與SQL的使用，完全沒有提到商
閱讀完整內容

Kaggle 競賽一點也不難！用 Excel 樞紐分析也可以完成你的第一次數據競賽！

資料科學社群中有一個很重要的平台 Kaggle，裡面從競賽、資料分享、經驗交流到社群都有，因為經營太成功了，後來（不意外地）被 Google 買下。我之前在參加 Google 數據分析師專業認證課 時，課堂中有要求要開一個帳號，並且上去問答。問答完之後，就會看到你的帳號狀態中，顯示「你只要上傳一次數據競賽」就可以脫離新手村。 衝啊！ Kaggle 中有非常多的數據競賽，而且有些競賽的數據集非常好，獎金也很高。不過菜鳥先不要想那麼多，也做不了這麼高深的比賽。許多人都推薦，Kaggle 競賽可以先從 Titanic 鐵達尼競賽 開始。這是一個沒有獎金，只有評分與排名的競賽，而且資料集非常單純，你不會寫程式、不懂機器學習，即便用Excel這種試算表也可以獲得不錯的成績。 什麼是 Kaggle 競賽 Kaggle 上有大大小小的競賽，從給錢的、給（虛擬獎牌）到老師自己在課堂上舉辦的都有，參加辦法其實很簡單，許多比賽都會將一份資料集拆成兩個： 訓練集 Train Dataset，讓你實際去訓練機器學習或者用各種你會的方法來跑模型的資料集。 測試集 Test Dataset，通常與訓練集來自同一個資料庫，就像富春山居圖分成兩塊一樣，Test Dataset 是讓你去測試你的模型是否正確，會比訓練集少一些欄位，然後把你的結果上傳到競賽中，競賽就會與原本的資料比對，吻合程度越高就代表你的模型越好。 鐵達尼資料集 Kaggle上的 鐵達尼資料集 來自真實的數據，但與真實完整的欄位有一點點落差，這些欄位包含： survival 倖存與否 pclass 艙等 sex 性別 Name 姓名 （包含頭銜） Age 年齡 sibsp 手足、配偶人數 parch 父母、子女人數 ticket 船票編號 fare 票價 cabin 艙房編號 embarked 登船口岸 但這些資料集中有嚴重的資料疏漏，所以需要用各種技巧來處理。 資料分析 在Excel有很多方式可以分析這個檔案，第一是採取 Logistic Regression，這樣不用針對數據的特徵有任何分析，直接硬算即可。 另外一種方法就是針對數據的特徵分析之後，你可以不斷透過樞紐分析往下找到各種特徵。 當Rose與Jack要逃下船時，誰的機會比較大呢？我們先從性別來看，可以很快發現最明顯的特徵，就是女性大部分都活下來了，
閱讀完整內容