資料行銷
一句話定義
資料行銷是 行銷5.0 的基礎工程：先界定具體行銷目標，再蒐集、整合與解讀顧客資料，讓市場區隔、個人化、預測與場景回應都能建立在可操作的資料生態系上。
核心要點
- 第一步是目標，不是資料：數位時代的問題通常不是缺資料，而是不知道哪些資料重要；資料行銷必須從具體而狹窄的目標開始。
- 傳統研究仍有價值：大數據不能取代民族誌、可用度測試、口味測試等高感度研究；量化資料告訴你規模與模式，質化研究幫你理解原因。
- 市場區隔逐步細緻化：地理 / 人口統計區隔提供基礎理解，心理區隔與行為區隔讓 目標族群 更可行動；最終方向是一人市場行銷。
- 資料生態系需要共同鍵：理想狀態是把不同資料來源整合到同一顧客 ID；若受隱私限制，也可用可操作的客群名稱作為最大公約數。
- 行銷人仍負責解讀：電腦可以找出模式，但行銷人要負責界定流程、篩選型態、解讀洞見，並設計新的優惠、內容或體驗。
- 資料是預測與場景的燃料：沒有穩定資料生態系，預測行銷 的模型與 場景行銷 的即時回應都會變成猜測。
- 產品使用資料也可以成為銷售資料：在 產品引導銷售 / PLS 場景中，資料來源不只 CRM、廣告、交易與客服，還包含 workspace 活躍、使用頻率、邀請擴散、功能 gate 與 seat 增長等產品內訊號。
- 神經 / 生理資料是更高敏感層：神經行銷 用 fMRI、EEG、眼動與面部編碼觀察非自覺反應。這能補足自陳問卷盲點，但也把資料行銷推到更強的隱私、同意與操控邊界。
資料行銷三步驟
| 步驟 | 任務 | 失敗風險 |
|---|---|---|
| 訂定目標 | 先決定要解的問題、要優化的指標或要辨識的客群 | 變成「什麼都蒐集」的資料囤積 |
| 蒐集資料 | 取得交易、互動、行為、研究與第三方資料 | 資料多但不可比、不可用 |
| 建構資料生態系 | 用顧客 ID 或可操作客群整合多來源資料 | 無法連到具體行銷行動 |
與其他概念的關係
- 是 行銷5.0 的基礎層；預測行銷、場景行銷、增強行銷 都依賴它。
- 與 目標族群：資料行銷把傳統區隔推向更細緻的顧客剖析；但族群定義仍要服務共同需求與痛點，而不是只切資料欄位。
- 與 網站分析：網站分析是線上行為資料的典型來源；資料行銷則更廣，包含 CRM、交易、客服、問卷、研究與外部資料。
- 與 Goal-Signal-Metric：G-S-M 幫資料行銷回答「該量什麼」；否則會掉入資料過剩。
- 與 數據流：數據流是 UX 三刀流中的能力面，資料行銷是市場行銷中的資料基礎設施與決策流程。
- 與 數據驅動創意：兩者都用數據，但位置不同。資料行銷聚焦顧客資料與目標界定；數據驅動創意聚焦社群輿情如何成為創意發想前置。
- 與 產品引導銷售：PLS 是資料行銷在 B2B SaaS sales motion 的具體分支；它把產品事件資料接到 account prioritization、銷售提醒與 expansion playbook。
- 與 神經行銷：神經行銷是資料行銷的高敏感分支；它將注意、情緒、偏好與價格反應轉成可觀測資料，但不應取代使用者同意與倫理判斷。
相關來源
- 2026-05-06-行銷5.0數據推動行銷ML看書 — 資料行銷作為行銷5.0第一步；含一人市場、資料矩陣、資料生態系與行銷人解讀責任。
- 2026-05-07-曼報-EP25-產品導向式成長PLG — 補入 PLG / PLS 場景：產品使用資料是新一代 CRM / sales tooling 的核心輸入。
- 2026-05-07-Benzi-消費主義榨乾年輕人 — 補入 神經行銷：品牌可用 fMRI / EEG / 眼動 / 面部編碼跨過自陳回饋，觀察消費者非自覺反應。
備註
未來可補 CRM / CDP / 第一方資料治理 / 隱私法規 / consent management / attribution 等 MarTech stack 細節；若補 neuromarketing 原典，也需同步補研究效度與倫理邊界。