日期 | 模組 | 課程單元 | 時數 | 地點 |
|---|
結訓日前完成 | AI時代的風險與安全意識 | 網路詐騙的危害認識各類型網路詐騙與避
生成式AI風險全球AI治理與評測現況
為什麼資料要防護?個人日常中的資料防護
| 4H | 線上自學 |
8/6(四) | 消費行為分析基礎與數據 | 數據基礎與接觸點解析:辨識顧客旅程中的關鍵接觸點,建立數據反映需求的分析架構。顧客數據整理邏輯:學習常見零售數據結構清理,建立可用於 AI 分析的標準資料視角。顧客分群與輪廓建立:應用行為特徵辨識高價值客群,定義精確的顧客畫像(Persona)。AI 輔助數據洞察實作:運用 AI 快速生成數據解讀報告,從交易數據中發現潛在消費趨勢。
| 6H | 實體/線上同步 |
8/7(五) | AI 智慧行為預測與偏好挖掘 | 行為模式與關聯分析:運用 AI 深度辨識購買週期與商品關聯,從數據中精準挖掘顧客偏好與潛在消費趨勢。營運指標與價值評估:量化顧客價值與回購貢獻度,並透過 AI 評估行銷活動與定價策略之成效。LLM 智慧洞察生成:應用大型語言模型將複雜數據轉化為白話分析摘要,自動生成具備商業邏輯的營運建議。情境應用與策略實作:針對真實門市數據執行行為洞察演練,實作從數據發現問題到產出行動策略的完整流程。
| 6H | 實體/線上同步 |
8/12(三) | 個人化推薦與行銷自動化策略 | 推薦演算法與策略設計:設計關聯推薦與個人化優惠方案,建立顧客有感的互動機制。AI 驅動文案與溝通設計:運用生成式 AI 針對不同分群自動產生個人化推播文案。行銷自動化流程規劃:設計任務導向的行銷工作流(如:購物車提醒、回購通知)。智慧行銷專案設計:整合分群與預測結果,設計一套具備高轉化率的 AI 智慧行銷方案。
| 7H | 實體/線上同步 |
8/14(五) | 營運整合應用與成效驗證 | 數據導向營運決策:將 AI 分析結果對接至店鋪運營與採購策略,提升經營綜效。成效評估與模型迭代:建立測試機制驗證 AI 決策效益,並持續優化推薦精準度。數位化應用風險管理:探討數據隱私保護與 AI限制,確保數據應用符合倫理法規。成果發表與評審回饋:完成數據洞察與行銷執行方案的專題,進行成果簡報分享。
| 7H | 實體/線上同步 |
註 : 主辦單位保留變更課程內容與講師之權利。