從社群數據看柯文哲如何打贏選戰
從社群數據看柯文哲如何打贏選戰
2014.12.27 | 行銷

2014九合一地方選舉甫結束,政治上的翻轉已經非常明顯。然而柯文哲在勝選感言中的一句「這是一場網路主導的選戰」,後續在各類媒體引發了非常多的討論。大數據分析、社群行銷、開放政府、網路治理等等,過去這些主要停留在技術層面和專業領域的議題討論,隨著這場選戰浮出水面。

在此針對2014年台北市兩位主要市長候選人柯文哲(已當選)與連勝文的 Facebook 社群數據,以資料分析搭配新聞紀要時間軸,搭配Socialbakers社群監測工具予以探討。

enter image description here

一、選民結構

分析選民結構是決定選戰勝負的最重要因素。台灣選舉長期以來的經驗,多以國民黨(藍)與民進黨(綠)的「雙峰結構」來作為選民區隔,故此次選舉前,一般媒體與政治觀察者多認為,以台北市藍:綠為55:45基本結構,國民黨只要推出的人選有一定水準,就基本面而言都擁有較高的勝算。

但於此次選戰擔任柯文哲競選總幹事的姚立明,曾於媒體公開表示,他從洪仲丘事件、太陽花學運等大型社會運動的觀察,認為台北市的藍綠基本板塊已經發生鬆動。選民對於政黨傾向的偏好已經下降,更專注於候選人所拋出的議題與市政願景。

就專家的社會現象觀察如此,就數據面的呈現是如何呢?我們用台北市政府民政局所公佈,1997-2013年間台北市人口結構變化來探討。若以中華民國規定的20歲選舉人資格劃分,1997年前20歲以下的選民,於16年後的今日擁有了投票權,成為「首投族」與「青年選票」,這群人數約76萬、佔台北市總選舉人口 36% 的選民,其政黨傾向低,更關心切身的社會議題,如薪資、房價、食安等等。

有趣的是,如果把剩下 64% 仍保有藍綠意識的傳統選民,其中的50% 歸類為淺藍、淺綠的偏中立選民,加上前述 36% 的新興選民,則2014年台北市的選民結構中,廣義的中間選民佔了 68%,恰巧符合統計理論中的常態分佈(Normal distribution,又稱高斯分佈)。也就是說,台灣政治傳統的雙峰結構,在2014年選舉中,極有可能已經變成單峰結構。

而以資策會2014年的最新數據,20-40歲這個階層的新興選民,同時也是最主要上網人口。至此,將網路社群行銷操作納入選舉策略考量,已經是個相當合理的設定。

enter image description here

enter image description here

二、社群數據

我們用第三方社群監測工具Socialbakers,分別監測台北市長候選人柯文哲連勝文的官方粉絲團。

Socialbakers 是 Facebook 官方指定的行銷合作夥伴(Facebook PMD),專精於開發社群數據監測與分析技術,能有效協助社群管理者判讀關鍵數據(如下圖),其中最重要的參數之一莫過於互動率(Engagement rate,簡稱ER)。透過分析單篇發文(簡稱Post ER)以及社群整體(簡稱Page ER)的互動率,除了讓管理者檢視行銷成效並修訂策略執行,也能夠觀察競爭對手的經營狀況。

enter image description here
(資料來源:Socialbakers,ADPartner 整理)

擷取2014年7~9月期間,觀察兩位台北市長候選人的Facebook數據,可以發現柯文哲雖然整體粉絲人數(61.6萬)較連勝文為多(23.7萬),但Post ER並沒有特別突出(兩人都在9~10%),甚至柯文哲整體 Page ER 的30天移動平均數值(Moving average,MA)有下滑的趨勢,顯示在這段期間連勝文在網路媒體這部份搶走了比較多的議題設定。列表觀察這段期間實際發生的議題如下:

enter image description here
(資料來源:維基百科「2014台北市長選舉爭議事件」,ADPartner 整理)

就這段期間分析,連勝文相關的議題主要是與個人施政能力有關,部份爭議經過幕僚處理後,對藍營基本盤的影響尚低,而文宣爭議則顯示其並不關注亦不瞭解青年世代所代表新興選民。而柯文哲的MG149議題,則涉及了近年台灣政治最敏感的貪污問題,而性別歧視則確實對女性選票產生影響。加之連營幕僚採用攻擊型的策略試圖拉回基本盤對決,使得一直專注於政見發布的柯營顯得措手不及。

直到9月,柯營於Facebook與記者會針對涉及性別歧視的發言公開道歉,初步止血之後,並於9月18日公佈所有 MG149 的帳目清冊。該篇新聞稿的Post ER達到14.6% 的高峰,並有13.3% 的分享率(Share rate),擴散效果驚人。

觀察Page ER的趨勢變化更為明顯。在柯文哲發表 MG149 聲明以前,整體的Page ER始終維持在 5% 上下,無法有效吸引新興選民的目光,這對訴求年輕族群的柯營相當不利,因此即便民調領先,柯營幕僚在媒體前始終沒有輕鬆的表現。直到9月的道歉聲明以及公開透明的消毒處理後,Page ER開始快速上升,並於其後穩定維持在 10%以上,這直接反應到柯文哲在年輕選民獲得80% 的支持率,並贏得大部分中間選民的支持乃至最終勝利。

enter image description here

@@ACTIVITYID:350@@

往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓