01 最佳關鍵字（Keyword Confirm）

1-1 找出最佳關鍵字（Best Keywords group）

1-2 用pytrends 獲取 Google 搜尋趨勢

1-3 「最佳關鍵字」的實務戰術



02 流行趨勢分析（Dedicated analytics）

2-1 「流行趨勢分析」與「最佳關鍵字」進階應用

2-2 實例1：「台灣十大美妝品牌，近三個月，流行趨勢比較分析」

2-3 實例2：「美國十大化妝品牌，近三個月，流行趨勢比較分析」

2-4 實例3：「關鍵字搜尋比較」- 台灣地區

2-5 實例4：「關鍵字搜尋量比較」- 台灣依都市別分析

2-6 實例5：「主要運動服潮牌」之關鍵字聲量比較

2-7 實例6：「關鍵字相關度搜尋量比較」- 現在排名及上昇中排名

2-8 實例7：日本、韓國及美國「即時夯話題」

2-9 實例8：Covid-19 台灣地區「關鍵字聲量」及區域別分析

2-10 實例9：品牌、產品或關鍵字的靈活運用策略

2-11 實例10：品牌、產品或關鍵字的靈活運用策略

2-12 結論



03 客戶搜尋（Customer Search）

3-1 用AI 創造現有客戶的貢獻度

3-2 用AI 進行交叉銷售和追加銷售

3-3 專業行銷人員用不同的做法

3-4 AI 實例：從現有客戶中找出「新商品」的潛在客戶



04 顧客分眾（Customer Targeting）

4-1 什麼是顧客分眾？

4-2 什麼是LRFM？

4-3 使用LRFM的結果？

4-4 AI 實例：用行銷學的LRFM 和AI 大數據演算來進行顧客分眾

4-5 數學統計方法，用「權重方式」進行「顧客分眾」：（RFM、LRFM、RFM_SUM 指標）

4-6 用行銷學Length、Recency、Frequency、Monitory四者間互動關係，用3D圖呈現

4-7 用LRFM/RFM 進行「顧客分眾」後，找出重要的行銷答案

4-8 數學統計方法：綜合指標計算（RFM_Sum、LRFM_Sum）

4-9 AI 人工智慧方法進行分群並預測業績



05 賣場客戶類型分析（Feature Modeling）

5-1 客戶類型和賣場經營的關係

5-2 用人工智慧改變客戶體驗

5-3 AI 方法：用「融合模型」（Emsemble）投票及權重方式，來提昇準確率

5-4 AI 實例: 用大數據預測客戶消費品項及消費頻率



06 廣告媒體選擇（Media Selection）

6-1 媒體選擇的策略

6-2 Who（與誰溝通）：即確定目標受眾。

6-3 How（如何溝通）：考慮溝通方式的五個因素

6-4 針對「媒體的用途」以找出最適合的行銷媒體

6-5 「媒體分析」AI 實例：從消費者社群媒體習慣分析廣告投放媒體

6-6 跳脫媒體平台的分類，以全球線上購物來看廣告趨勢

6-7 2020年全球媒體廣告行為分析



07 風向內容分析（Content Analysis）

7-1 「風向內容分析」的目的

7-2 什麼是NLP？

7-3 NLP未來的發展趨勢？

7-4 如何讓電腦準確的理解中文語言？

7-5 中文詞性分析的方法

7-6 NLP 技術商品化方向

7-7 「風向內容分析」AI 實例：從消費新聞分析「美妝產品」的流行趨勢



08 客戶心理分析（Psycho Modeling）

8-1 ISTJ（負責執行傾向）：「調查員」個性類型

8-2 ISFJ（專注管理傾向）：「守衛者」個性類型

8-3 INFJ（遠見啟發傾向）：「提倡者」個性類型

8-4 INTJ（願景策略傾向）：「建築師」個性類型

8-5 ISTP（敏捷務實傾向）：「鑑賞家」個性類型

8-6 ISFP（務實看守傾向）：「探險家」個性類型

8-7 INFP（機警戰鬥傾向）：「協調者」個性類型

8-8 INTP（擴增分析傾向）：「邏輯者」個性類型

8-9 ESTP（靈活新進傾向）：「企業家」個性類型

8-10 ESFP（熱情改進傾向）：「表演者」個性類型

8-11 ENFP（熱情催化傾向）：「競選者」個性類型

8-12 ENTP（創新探索傾向）：「辨論家」個性類型

8-13 ESTJ（效率主導傾向）：「總經理」個性類型

8-14 ESFJ（信實建造傾向）：「事務官」個性類型

8-15 ENFJ（積極動員傾向）：「教育家」個性類型

8-16 ENTJ（策略引導傾向）：「指揮官」個性類型

8-17 「傾向分析」AI 實例：用機器學習判斷個性類型



09 聲量分析（Talk Trends）

9-1 討論度與網路聲量

9-2 AI 實例：品牌網路聲量溫度計

9-3 跳脫聲量迷思看廣告趨勢



10 推薦系統（Recommendation System）

10-1 什麼是AI 推薦系統？

10-2 AI 推薦系統應用實例

10-3 「推薦系統」AI 實例：線上影片平台推薦系統



A 實戰演練

A-1 用「最佳關鍵字」進行「品牌定位」（Keyword Confirm）

A-2 從「夯話題」進行「流行趨勢分析」（Dedicated analytics）

A-3 用「交叉銷售」找出「潛在客戶」（Cross Sell）

A-4 用AI「顧客分眾」法進行「精準行銷」（Customer Focus）

A-5 用AI 進行「產品及客戶類型分析」（Featuring Modeling）

A-6 用AI 分析消費者習慣以進行「廣告媒體選擇」（Media Selection）

A-7 用AI 進行「媒體風向分析」以掌握市場脈動（Content Analysis）

A-8 用NLP 進行「客戶心理分析」（Tendency Modeling）

A-9 用「討論度分析」找出目標客戶（Talk Trends）

A-10 用準確的「推薦系統」建立客戶忠誠度（Recommendation System）

01 最佳關鍵字（Keyword Confirm）
1-1 找出最佳關鍵字（Best Keywords group）
1-2 用pytrends 獲取 Google 搜尋趨勢
1-3 「最佳關鍵字」的實務戰術

02 流行趨勢分析（Dedicated analytics）
2-1 「流行趨勢分析」與「最佳關鍵字」進階應用
2-2 實例1：「台灣十大美妝品牌，近三個月，流行趨勢比較分析」
2-3 實例2：「美國十大化妝品牌，近三個月，流行趨勢比較分析」
2-4 實例3：「關鍵字搜尋比較」- 台灣地區
2-5 實例4：「關鍵字搜尋量比較」- 台灣依都市別分析
2-6 實例5：「主要運動服潮牌」之關鍵字聲量比較
2-7 實例6：「關鍵字相關度搜尋量比較」- 現在排名及上昇中排名
2-8 實例7：日本、韓國及美國「即時夯話題」
2-9 實例8：Covid-19 台灣地區「關鍵字聲量」及區域別分析
2-10 實例9：品牌、產品或關鍵字的靈活運用策略
2-11 實例10：品牌、產品或關鍵字的靈活運用策略
2-12 結論

03 客戶搜尋（Customer Search）
3-1 用AI 創造現有客戶的貢獻度
3-2 用AI 進行交叉銷售和追加銷售
3-3 專業行銷人員用不同的做法
3-4 AI 實例：從現有客戶中找出「新商品」的潛在客戶

04 顧客分眾（Customer Targeting）
4-1 什麼是顧客分眾？
4-2 什麼是LRFM？
4-3 使用LRFM的結果？
4-4 AI 實例：用行銷學的LRFM 和AI 大數據演算來進行顧客分眾
4-5 數學統計方法，用「權重方式」進行「顧客分眾」：（RFM、LRFM、RFM_SUM 指標）
4-6 用行銷學Length、Recency、Frequency、Monitory四者間互動關係，用3D圖呈現
4-7 用LRFM/RFM 進行「顧客分眾」後，找出重要的行銷答案
4-8 數學統計方法：綜合指標計算（RFM_Sum、LRFM_Sum）
4-9 AI 人工智慧方法進行分群並預測業績

05 賣場客戶類型分析（Feature Modeling）
5-1 客戶類型和賣場經營的關係
5-2 用人工智慧改變客戶體驗
5-3 AI 方法：用「融合模型」（Emsemble）投票及權重方式，來提昇準確率
5-4 AI 實例: 用大數據預測客戶消費品項及消費頻率

06 廣告媒體選擇（Media Selection）
6-1 媒體選擇的策略
6-2 Who（與誰溝通）：即確定目標受眾。
6-3 How（如何溝通）：考慮溝通方式的五個因素
6-4 針對「媒體的用途」以找出最適合的行銷媒體
6-5 「媒體分析」AI 實例：從消費者社群媒體習慣分析廣告投放媒體
6-6 跳脫媒體平台的分類，以全球線上購物來看廣告趨勢
6-7 2020年全球媒體廣告行為分析

07 風向內容分析（Content Analysis）
7-1 「風向內容分析」的目的
7-2 什麼是NLP？
7-3 NLP未來的發展趨勢？
7-4 如何讓電腦準確的理解中文語言？
7-5 中文詞性分析的方法
7-6 NLP 技術商品化方向
7-7 「風向內容分析」AI 實例：從消費新聞分析「美妝產品」的流行趨勢

08 客戶心理分析（Psycho Modeling）
8-1 ISTJ（負責執行傾向）：「調查員」個性類型
8-2 ISFJ（專注管理傾向）：「守衛者」個性類型
8-3 INFJ（遠見啟發傾向）：「提倡者」個性類型
8-4 INTJ（願景策略傾向）：「建築師」個性類型
8-5 ISTP（敏捷務實傾向）：「鑑賞家」個性類型
8-6 ISFP（務實看守傾向）：「探險家」個性類型
8-7 INFP（機警戰鬥傾向）：「協調者」個性類型
8-8 INTP（擴增分析傾向）：「邏輯者」個性類型
8-9 ESTP（靈活新進傾向）：「企業家」個性類型
8-10 ESFP（熱情改進傾向）：「表演者」個性類型
8-11 ENFP（熱情催化傾向）：「競選者」個性類型
8-12 ENTP（創新探索傾向）：「辨論家」個性類型
8-13 ESTJ（效率主導傾向）：「總經理」個性類型
8-14 ESFJ（信實建造傾向）：「事務官」個性類型
8-15 ENFJ（積極動員傾向）：「教育家」個性類型
8-16 ENTJ（策略引導傾向）：「指揮官」個性類型
8-17 「傾向分析」AI 實例：用機器學習判斷個性類型

09 聲量分析（Talk Trends）
9-1 討論度與網路聲量
9-2 AI 實例：品牌網路聲量溫度計
9-3 跳脫聲量迷思看廣告趨勢

10 推薦系統（Recommendation System）
10-1 什麼是AI 推薦系統？
10-2 AI 推薦系統應用實例
10-3 「推薦系統」AI 實例：線上影片平台推薦系統

A 實戰演練
A-1 用「最佳關鍵字」進行「品牌定位」（Keyword Confirm）
A-2 從「夯話題」進行「流行趨勢分析」（Dedicated analytics）
A-3 用「交叉銷售」找出「潛在客戶」（Cross Sell）
A-4 用AI「顧客分眾」法進行「精準行銷」（Customer Focus）
A-5 用AI 進行「產品及客戶類型分析」（Featuring Modeling）
A-6 用AI 分析消費者習慣以進行「廣告媒體選擇」（Media Selection）
A-7 用AI 進行「媒體風向分析」以掌握市場脈動（Content Analysis）
A-8 用NLP 進行「客戶心理分析」（Tendency Modeling）
A-9 用「討論度分析」找出目標客戶（Talk Trends）
A-10 用準確的「推薦系統」建立客戶忠誠度（Recommendation System）

01 最佳關鍵字（Keyword Confirm）

1-1 找出最佳關鍵字（Best Keywords group）

1-2 用pytrends 獲取 Google 搜尋趨勢

1-3 「最佳關鍵字」的實務戰術



02 流行趨勢分析（Dedicated analytics）

2-1 「流行趨勢分析」與「最佳關鍵字」進階應用

2-2 實例1：「台灣十大美妝品牌，近三個月，流行趨勢比較分析」

2-3 實例2：「美國十大化妝品牌，近三個月，流行趨勢比較分析」

2-4 實例3：「關鍵字搜尋比較」- 台灣地區

2-5 實例4：「關鍵字搜尋量比較」- 台灣依都市別分析

2-6 實例5：「主要運動服潮牌」之關鍵字聲量比較

2-7 實例6：「關鍵字相關度搜尋量比較」- 現在排名及上昇中排名

2-8 實例7：日本、韓國及美國「即時夯話題」

2-9 實例8：Covid-19 台灣地區「關鍵字聲量」及區域別分析

2-10 實例9：品牌、產品或關鍵字的靈活運用策略

2-11 實例10：品牌、產品或關鍵字的靈活運用策略

2-12 結論



03 客戶搜尋（Customer Search）

3-1 用AI 創造現有客戶的貢獻度

3-2 用AI 進行交叉銷售和追加銷售

3-3 專業行銷人員用不同的做法

3-4 AI 實例：從現有客戶中找出「新商品」的潛在客戶



04 顧客分眾（Customer Targeting）

4-1 什麼是顧客分眾？

4-2 什麼是LRFM？

4-3 使用LRFM的結果？

4-4 AI 實例：用行銷學的LRFM 和AI 大數據演算來進行顧客分眾

4-5 數學統計方法，用「權重方式」進行「顧客分眾」：（RFM、LRFM、RFM_SUM 指標）

4-6 用行銷學Length、Recency、Frequency、Monitory四者間互動關係，用3D圖呈現

4-7 用LRFM/RFM 進行「顧客分眾」後，找出重要的行銷答案

4-8 數學統計方法：綜合指標計算（RFM_Sum、LRFM_Sum）

4-9 AI 人工智慧方法進行分群並預測業績



05 賣場客戶類型分析（Feature Modeling）

5-1 客戶類型和賣場經營的關係

5-2 用人工智慧改變客戶體驗

5-3 AI 方法：用「融合模型」（Emsemble）投票及權重方式，來提昇準確率

5-4 AI 實例: 用大數據預測客戶消費品項及消費頻率



06 廣告媒體選擇（Media Selection）

6-1 媒體選擇的策略

6-2 Who（與誰溝通）：即確定目標受眾。

6-3 How（如何溝通）：考慮溝通方式的五個因素

6-4 針對「媒體的用途」以找出最適合的行銷媒體

6-5 「媒體分析」AI 實例：從消費者社群媒體習慣分析廣告投放媒體

6-6 跳脫媒體平台的分類，以全球線上購物來看廣告趨勢

6-7 2020年全球媒體廣告行為分析



07 風向內容分析（Content Analysis）

7-1 「風向內容分析」的目的

7-2 什麼是NLP？

7-3 NLP未來的發展趨勢？

7-4 如何讓電腦準確的理解中文語言？

7-5 中文詞性分析的方法

7-6 NLP 技術商品化方向

7-7 「風向內容分析」AI 實例：從消費新聞分析「美妝產品」的流行趨勢



08 客戶心理分析（Psycho Modeling）

8-1 ISTJ（負責執行傾向）：「調查員」個性類型

8-2 ISFJ（專注管理傾向）：「守衛者」個性類型

8-3 INFJ（遠見啟發傾向）：「提倡者」個性類型

8-4 INTJ（願景策略傾向）：「建築師」個性類型

8-5 ISTP（敏捷務實傾向）：「鑑賞家」個性類型

8-6 ISFP（務實看守傾向）：「探險家」個性類型

8-7 INFP（機警戰鬥傾向）：「協調者」個性類型

8-8 INTP（擴增分析傾向）：「邏輯者」個性類型

8-9 ESTP（靈活新進傾向）：「企業家」個性類型

8-10 ESFP（熱情改進傾向）：「表演者」個性類型

8-11 ENFP（熱情催化傾向）：「競選者」個性類型

8-12 ENTP（創新探索傾向）：「辨論家」個性類型

8-13 ESTJ（效率主導傾向）：「總經理」個性類型

8-14 ESFJ（信實建造傾向）：「事務官」個性類型

8-15 ENFJ（積極動員傾向）：「教育家」個性類型

8-16 ENTJ（策略引導傾向）：「指揮官」個性類型

8-17 「傾向分析」AI 實例：用機器學習判斷個性類型



09 聲量分析（Talk Trends）

9-1 討論度與網路聲量

9-2 AI 實例：品牌網路聲量溫度計

9-3 跳脫聲量迷思看廣告趨勢



10 推薦系統（Recommendation System）

10-1 什麼是AI 推薦系統？

10-2 AI 推薦系統應用實例

10-3 「推薦系統」AI 實例：線上影片平台推薦系統



A 實戰演練

A-1 用「最佳關鍵字」進行「品牌定位」（Keyword Confirm）

A-2 從「夯話題」進行「流行趨勢分析」（Dedicated analytics）

A-3 用「交叉銷售」找出「潛在客戶」（Cross Sell）

A-4 用AI「顧客分眾」法進行「精準行銷」（Customer Focus）

A-5 用AI 進行「產品及客戶類型分析」（Featuring Modeling）

A-6 用AI 分析消費者習慣以進行「廣告媒體選擇」（Media Selection）

A-7 用AI 進行「媒體風向分析」以掌握市場脈動（Content Analysis）

A-8 用NLP 進行「客戶心理分析」（Tendency Modeling）

A-9 用「討論度分析」找出目標客戶（Talk Trends）

A-10 用準確的「推薦系統」建立客戶忠誠度（Recommendation System）