人工智慧最強的功能是「從大量資料中創造規律性」並進行突破性的效率改善；人工智慧用在行銷上即稱為「AI Marketing」；意即用人工智慧來協助行銷人員，能夠即時改善行銷效率的系統性知識。
AI和AI Marketing是快速發展的科學。作為一個行銷人員或企劃人員，要如何理解並運用AI作為行銷工具呢？
一定有人告訴你：「AI有那麼多東西要學」
本書將產品銷售週期分為六個階段，再針對不同階段的需要來設計出適當的AI工具，讓行銷人員可輕易上手，達成業績目標。
自2017年以後，AI技術已大量用在社會科學方面，不論在心理學、財務投資、行銷學都已大量使用AI Marketing的工具；以行銷學來說，從行銷初期的趨勢分析、客戶鎖定，到後期的客戶忠誠度培養都可大量使用到AI工具。
本書的重點：行銷人員如何使用AI Marketing工具來強化行銷。
作者
黃義軒
專長：軟體語言、人工智慧演算、大數據分析
工作經歷：
曾任遠傳電信網路事業協理
曾任光寶科技公司系統資深處長
現任美國聯合科技公司技術總監
IT/AIoT相關產業經驗25年
作者來自「人工智慧大現場」團隊。
人工智慧大現場聯結方式：igreener.tw@gmail.com
目錄
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）
