國立中興大學教學大綱
課程名稱 (中) 應用行銷資料解析(7221)
(Eng.) Applied Marketing Analytics
開課單位 行銷系
課程類別 選修 學分 3 授課教師 曹修源
選課單位 行銷系 / 碩士班 授課使用語言 中文 開課學期 1142
課程簡述 課程核心理念
本課程以「理論引導實務，AI賦能決策」為核心，結合深厚的行銷學理論基礎與前沿的人工智慧技術，賦予生成式AI行銷領域智慧，培養學生在數位時代下的AI行銷決策能力與創新思維。課程特色在於不僅教授生成式AI的操作技巧，更強調以經典行銷理論框架指引AI應用，確保技術服務來自於行銷智慧的商業策略與行動，而非盲目追求技術創新的採用。

課程特色與價值主張
🎯 理論與實務並重 課程涵蓋從Keller品牌金字塔、Aaker品牌個性理論到服務失誤補救與公平理論、服務品質等經典框架，學生將學會如何運用這些行銷理論的智慧，引導AI生成具有行銷智慧的內容與策略行動。

🤖 四維技術整合
• 生成式AI：掌握Prompt工程、ChatBot、Vibe Coding、AI-Agent以及Fine-Tuning等實戰技巧
• 機器學習：運用分群、分類、預測分析進行市場洞察
• 傳統統計：建立紮實的數據分析基礎，理解各方法的適用情境
• 行銷素養: 紮實的行銷STP、服務失誤補救、公平理論、創新策略等理論與實務技能
先修課程名稱
課程與核心能力關聯配比(%) 課程目標之教學方法與評量方法
課程目標 核心能力 配比(%) 教學方法 評量方法
策略思維能力：能運用AI進行市場區隔、品牌定位與競爭分析，制定數據驅動的行銷策略
技術應用能力：熟練使用各種AI工具進行內容創作、數據分析與客戶服務自動化
批判思考能力：理解AI的能力邊界，能在人機協作中發揮人類創意與判斷力的獨特價值
未來適應力：掌握AI行銷工具生態系統，具備持續學習新技術的基礎與方法
1.批判思考
2.專業知識
4.全球視野
50
25
25
專題探討/製作
習作
討論
講授
書面報告
出席狀況
口頭報告
作業
實作
授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習)
週次 授課內容
第1週 (02/25)
課程介紹 如何運用AI導入數據分析與行銷決策
如何衡量你的人生 & 論文結構
第2週 (03/04)
1.生成式AI的運作邏輯（Prompt、Few-shot、Fine-tuning）。
2.案例展示（客服回覆）。基於SFR&JT生成生客訴回覆文。
3.案例展示：
(1) AI自動生成旅宿業服務失誤補救問卷題目/服務品質&
(2) IPA(Importance-Performance Analysis) 分析

方法:ChatGPT/Claude AI: 請其產生問卷文字檔，然後貼上Google Apps Scripts *.gs 執行

4.如何自動化做資料清理並請AI進行分析
案例展示：AI自動生成旅服問品質IPA問卷題目
自動化資料清理並請AI進行IPA分析，一鍵產生行銷視覺化框架，並提供行動決策分案。
第3週 (03/11)
根據Keller品牌知識金字塔、Aaker品牌個性、Park品牌概念，發展品牌定位。
案例展示：基於品牌行銷理論基礎，針對雨傘產品價值分析與品牌建構。
根據Keller品牌知識金字塔、Aaker品牌個性、Park品牌概念，發展品牌定位。
案例展示：
AI生成品牌LOGO、品牌故事、品牌文案。發展衡量AI行銷領域智慧方法與步驟。
第4週 (03/18)
行銷數據類型與應用情境。
基礎介紹：生成式AI與傳統數據分析的差異。

案例展示用：使用蒐集之資料集，使用傳統的工具(XLSTAT/SPSS/R/Python)進行
簡單迴歸分析
ANOVA分析
中介分析
傳統統計:(XLSTAT/SPSS/R)

生成式AI:(ChatGPT/ClaudeAI)。
第5週 (03/25)
1.IPA 分析實作報告
2.生成式:
AI Prompt/ Vibe Coding
進行RFM與MBTI行為與心理區隔實例。
運用分群分析(Segmentation)發展推薦策略。
Datat Preparation and Feature Selection Clustering K-Mean
市場區隔 (Segmentation/ Clustering) 資料檔(Major League Baseball)
(練習資料檔: onlineOnlinestorestore) (in XLSTAT & R)
區隔價值顧客範例(ｉｎ　Ｒ）
第6週 (04/01)
AI如何協作電子商務行銷研究[業師: 竿位市場研究總監: 陳孟宏]
第7週 放假(04/08)
第8週 (04/15)
網路爬蟲 [台北城市科大企管系 林慶昌 老師]
第9週 (04/22)
Respondent Analysis/ Factor Analysis (PCA, EFA)
購物車關聯分析(Basket Analysis/ Association & Recommendation)
資料檔 (SuperMarket) (in XLSTAT & R) 購物車分析（in R) 推薦系統
產品定位(Differentation&Positioning / Correspendence Ana;ysis) (in XLSTAT & R) 產品定位範例(in R)
回應分析(Positioning)發展品牌認知圖。

策略調色盤 行銷策略分析 [自主學習: 收看老師線上教學影片
https://www.youtube.com/playlist?list=PLYRFygSk3wHB_MFivSr71ug6dO_6uL7IH]
第10週 04/29
服務品質IPA(Importance Performance Analysis)及文字分析行動策略框架(From Text to Action Framework)
案例展示：
運用AI進行 評論分析（TripAdvisor/Google）。Transformers AI情感分析 + FTTA 行銷建議。
第11週 (05/6)
Machine Learning
論文:Campbell, Colin, Sean(05/18) Sands, Carla Ferraro, Alexis Mavrommatis, Hsiu-Yuan (Jody) Tsao (2020), “From Data to Action HOW MARKETERS CAN LEVERAGE AI” , Business Horizons, Vol 63, No2,pp.227-243.( SSCI, Impact Factor=3.444,Q2=54/152) (Reading)
Decision Tree Entropy (Decision Tree) 決策樹(in R)
Random Forest 隨機森林(in R) Ensemble ML(in R)
第12週 (05/13)
Azure Machine Leraning Studio Demonstration (神經網路)
DataRobot ML Demonstration (神經網路)
CARET in R
SPSS NN
第13週 (05/20)
個案研討:策略選擇、雙元創新、策略繪圖師
實例展示:利用AI產出並修正一份策略調色盤及策略繪圖師。
第14週 (05/28)
Microsoft AZ-900, DP-900, PL-300 認證說明
資料視覺化 Power BI & Copilot 人機協作
第15週 (06/3)
AI代理人個案範例
第16週 6/10
專題報告
以小組繳交報告取代筆試
自主學習
內容		    03.製作專題報告
   04.產官學機構參訪與實務體驗
學習評量方式
作業(30%) (個人)
專題(60%) 三次 (小組) (每組2人為原則)
出席與參與(10%) (個人)
教科書＆參考書目(書名、作者、書局、代理商、說明)
Tools & Languages used :

1.輿情系統 (informiner)

2.R語言 & Python (https://posit.cloud/)

邁向大數據的第一步！R 語言程式設計精要 (R for Everyone: Advanced Analytics and Graphics, 2/e)
Jared P. Lander 著、鍾振蔚 譯
出版商:旗標科技
出版日期:2018-01-0

3.Excel+XLSTAT IBM　ＳＰＳＳ

4.Azure Machine Learning Studio/ DataRobot

AI必修課：日本情感研究權威的人工智慧秒懂攻略
坂本真樹先生が教える 人工知能がほぼほぼわかる本
作者： 坂本真樹
譯者： 陳朕疆
出版社：世茂
出版日期：2018/10/03

5.Power BI
課程教材（教師個人網址請列在本校內之網址）
https://aimv.sidrlab.net/
Google Classroom dijmteh
課程輔導時間
週三下午 1:00 ~ 3:00
週四下午 1:00 ~ 3:00
聯合國全球永續發展目標(連結網址)
提供體驗課程：N
請尊重智慧財產權及性別平等意識，不得非法影印他人著作。
更新日期 西元年/月/日：2026/03/04 10:03:20 列印日期 西元年/月/日：2026 / 3 / 22
MyTB教科書訂購平台：http://www.mytb.com.tw/