臺大管理學院研究方法系列工作坊 Making Sense of Data in Business Research: Exploring Large-Scale Consumer Data

院行政辦公室

撰文者／國際企業學系博士生幸心兒

管理學院舉辦之研究方法系列工作坊，於114年7月4日與行銷學群共同主辦系列工作坊第三場次活動，由國際企業學系何筱文副教授邀請澳洲墨爾本La Trobe University行銷與管理學系Dr. Jeeyeon Kim(金志衍)助理教授蒞院演講。金教授在數位行銷、零售業、社群媒體、數位醫療保健、行銷科技以及網紅與流行文化等領域擁有豐富的研究經驗，擅長運用大數據分析、文本挖掘以及圖像處理進行研究，以創新的市場視角在頂尖期刊發表重要研究成果，像是Journal of Retailing and Consumer Services, International Journal of Consumer Studies, Journal of Interactive Marketing等，為行銷領域表現卓越的年輕學者。值得一提的是金教授曾在國立中山大學管理學院任職助理教授，對於台灣的研究環境與學術發展有深入的了解。

  

此次工作坊以「Making Sense of Data in Business Research: Exploring Large-Scale Consumer Data」為當日活動主題，為與會教師、博士生及研究人員深入解析大規模消費者數據在行銷研究中的應用與實踐。在工作坊的開場，金教授首先介紹當前大數據使用的趨勢，研究者可以透過社群與網站活動追蹤了解消費者偏好，以及人工智慧(AI)工具的重要性，並詳細說明如何獲取研究所需的特定數據與分析方法。本次工作坊採用理論與實務並重的方式，分四個主要部分進行：(1)行為數據與數位足跡 (Behavioural Data and Digital Traces)：金教授的研究發現，有線上購物或行動上網經驗的人，更容易下載購物App，也更容易透過其消費；反而平常只用其他非購物類App的人，對購物App的興趣就沒那麼高，此項研究結果提醒企業行動購物和純線上購物還是有差異，行銷策略必須依照不同族群的數位熟練度進行設計。(2)文本數據與電子口碑行銷 (Text Data & EWOM)：透過文字資料分析，將沒有結構的文字(像評論、留言)整理，做斷詞、去除無用字，再去分析字詞出現頻率、情緒傾向。(3)圖像數據與視覺感知 (Image Data & Visual Perception)：圖片看起來很直觀，但在進行數據分析前，仍需要將其轉成數值或類別特徵，主要方法有二，一是自己訓練模型(如CNN)，其二是用現成的雲端API(如Google Vision、AWS Rekognition)，可以快速拿到臉部表情、顏色、物件類型等資訊。(4)多模態研究 (Multimodal Research)：把不同型態的資料結合起來，例如行為數據(點擊、購買)、文字(評論、留言)、圖片(產品照、網紅照片)、影音(直播)、甚至生理訊號(眼動、腦波)，這麼做的意義在於消費者實際體驗品牌時，本來就是視覺、語言、行為同時作用的，單一資料看不到全貌，多模態資料可以讓研究結果更貼近真實情況，也更有理論價值，而且能用人工智慧/機器學習工具提升預測精度。每個部分，金教授都會介紹不同類型數據的使用方法，提供具體的應用建議，並搭配實際操作環節，讓參與者透過 Google Colab 平台，親身體驗數據分析的過程，加深對理論的理解。

工作坊的最後階段安排了自由討論與提問環節，參與者根據實際操作的結果提出問題進行討論，同時也針對自身目前的研究主題如何結合本次介紹的方法進行深入探討。金教授對每個問題都給出了詳細的建議和回饋，展現了她在跨領域研究方面的深厚造詣。這次工作坊不僅為參與者提供了最新的研究方法和技術工具，更重要的是開拓了他們對於大數據在商學與管理研究中應用的視野。透過理論講解與實務操作的結合，參與者能夠更好地理解如何在自己的研究中運用多樣的研究方法，為台灣學術界在數位行銷研究領域的發展佔有一席之地。