【 5th 下學期專案紀實】聯合利華、台灣大哥大、@cosme、和雲行動服務

10 min readJul 29, 2024

第六屆社員已經開始招生囉🔥：https://forms.gle/xaZwWpk7R6eB7pGu8

下半年度的企業合作專案精華來啦～

NTU DAC 第五屆除了有專業的數據分析工具課程，以及舉辦各式探索職涯課程讓社員們認識不同領域產業外，這一年來我們不斷與外部企業合作，希望讓同學們實際運用企業提供的數據，使用相較上學期更加熟練的統計、爬蟲技巧與建立預測模型等技巧，為企業解決商業問題，並提供商業洞察報告與決策建議，進而提升自身的實戰能力。

這學期我們很榮幸能與 聯合利華、台灣大哥大、@cosme、和雲行動服務 四家不同的企業進行專案合作，快來一起看看下半年社員們走過了哪些吧！

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

業主簡介

🔖 聯合利華：聯合利華為全球知名的快速消費品產業（Fast-Moving Consumer Goods, FMCG）龍頭，旗下品牌與產品多元，包含食品、個人及家庭用品等民生必需品。在快速變動、生命週期短的產業特性中，透過紮實的數據分析以及堅定的企業使命，打造普及化的永續生活。

🔖 台灣大哥大：台灣領先的電信服務提供商，致力於為客戶提供先進的通信和數位解決方案。而由台灣大哥大提供技術支援的雲端遊戲服務 GeForce NOW，則透過強大的雲端運算技術，為玩家帶來全新的遊玩體驗，讓玩家可以擺脫以往玩遊戲時間與空間的限制，跨平台遊玩高效能遊戲。

🔖 和雲行動服務：專注於創新和科技的領先移動服務企業，提供全面的行動通信和雲端服務解決方案。旗下業務包含 iRent 共享汽機車、和運門市租車、和雲停車場、和運專車接送，透過數據分析雲端服務，致力使每一位使用者能夠隨時隨地享受便捷、安全和快速的移動體驗。

🔖 @cosme：@cosme TAIWAN 源於 2003 年成立的 i-TRUE（艾思網絡股份有限公司）。公司首創台灣化妝品使用心得平台 UrCosme，致力於提供最新最完整的化妝品資訊。2017年，i-TRUE 加入日本最大美妝資訊網站 @cosme的 istyle 集團，UrCosme 更名為 UrCosme (@cosme TAIWAN)，成為 @cosme 海外發展的第一站。作為 istyle 集團成員，@cosme TAIWAN 汲取全球領先的美妝平台經驗，持續為台灣消費者和美妝產業創造價值，為消費者提供可靠的美妝資訊。

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

聯合利華

| Group 1 |

專案目標：分析 Lux Hair 的廣告成效，以提升消費者在旅程中的考慮程度（consideration）。

研究方法：利用 Excel 、Tableu、與 Python 等工具，分析兩項產品線的 Meta 與 YouTube 廣告資料。

最終產出：呈現廣告數據的分布與趨勢，提供相關洞察與策略建議。

組員真心話：非常感謝業主提供本次專案機會，並在專案過程中即時回答我們的問題！當初拿到這麼龐大的數據，其實很缺乏頭緒，在 Mentor 們的引導下，才慢慢學會與業主溝通，重新聚焦專案目標。過程中，我們不僅學會運用資料解決實際的商業問題，更獲得許多練習管理業主期待的機會！

| Group 2 |

專案目標：分析 OMO Bailan 的廣告成效，以提升消費者在旅程中的考慮程度（consideration）

研究方法：聚焦於廣告 TA 設定、素材與 KOL 三個面向，分析 2022–2023 檔期 campaign 資料，透過在確保某些要素相同的狀況下比較其他因素，來推論差異來源。

最終產出：為兩個產品線提出相對應的 TA 設定、素材與 KOL 的整體行銷策略，並納入多個 KOL 人選提供業主參考。

組員真心話：很感謝業主慷慨提供資料，親切地回覆小組組員的訊息，讓我們有機會透過分析真實的資料，運用課堂上學習到的資料分析工具與技巧，在討論中逐步突破前期的瓶頸，更了解 FMCG 產業與廣告設的實務，積累解決問題的寶貴經驗！

台灣大哥大

專案目標：找出 GeForce NOW 高風險流失的付費訂閱戶，以提升其留存率與續留意願。

| Group 3 |

研究方法：採用基礎預測模型與時間序列預測模型深入分析用戶特徵和行為記錄，並識別影響流失的重要特徵（分別針對訂閱方案以及訂閱時段）。

最終產出：提出三個主要策略：針對月訂用戶的「遊戲時光獎勵計畫」、為假期用戶設計的「假期後彈性方案」，以及一項橫跨所有用戶的「遊戲合作活動」，提升用戶的留存率。

組員真心話：

本次的專案讓我們獲益良多，其中包含針對業主期待產出成果的滾動性調整、善用 AI 相關工具協助專案執行，以及培養快速學習新技術的能力。很開心有機會參與本次專案，不僅能提升自己的數據分析相關經驗，更讓我們認識一群志同道合的朋友！

組員小告白：

很感謝台灣大哥大的 Shane 給予小組很大的發揮空間、並且提供了非常豐富的資源，每次業主會議也都能提供正向回饋給小組，讓我們信心滿滿。期待能從業主端學習到更多產業相關知識，應更有助於小組成員對於遊戲產業的了解，並有更多收穫。

| Group 4 |

研究方法：運用 EDA 找出可能特徵，製作每位會員的特徵資料表放入機器學習模型（Decision Tree）。

最終產出：

使用業主給予的新資料測試，最終模型準確率達 0.75。最後，根據模型結果產出直觀解釋，並針對預測為高風險流失的顧客分群，再透過分群結果與模型特徵重要性結果產出「常態性策略建議」與「分群客製化策略建議」。

組員真心話：

很感謝本次遇到的組員們都很凱瑞，非常認真也很積極討論，每週兩次的會議都能從組員身上學習很多他們過往累積的經驗與知識。經過一學期的專案讓我們不僅對於遊戲產業有更深入的了解，更是有機會實際運用社課上所學習到的機器學習完成企業交付的任務，對於過去沒有機器學習相關經驗的人來說，是一趟非常扎實的旅程！

希望在本學期的專案過程中，能夠給予每一位參與專案的社員從問題拆解、機器學習、以及模型運用和簡報呈現等多面向的學習機會，讓社員可以在迭代學習的過程中精益求精，並增加溝通上的專業度。再次感謝本學期與 DAC 合作的四間企業，提供寶貴的內部數據資源與專業知識，使得專案能順利進行，為社團在學習資料分析與解決問題上，帶來深遠的幫助！

最後也要感謝每位辛苦的組員，相信這一年來在 DAC 所學習到的內容會是學習數據分析過程中的一大里程碑，將會為各位奠定紮實基礎，為日後的職涯帶來直接的正向影響✨

和雲行動服務

| Group 5 |

專案目標：分析停車場資訊與周邊地點，以預測和雲停車場臨停收入。

研究方法：運用 Python 中的各式套件進行 API 串接與網頁爬蟲，蒐集特徵資料、資料前處理、特徵工程和訓練機器學習模型，最後運用 Power BI 製作儀表板以視覺化呈現最終成果－透過現有停車場之重要特徵預測全台灣不同地方設立停車場之收入。

最終產出：透過特徵工程、模型訓練與評估的反覆迭代，調整出表現最佳的模型，辨識出各式重要特徵並預測停車場之收入作為未來決策之參考依據。

組員真心話：很開心有機會參與本學期的企業專案，也非常感謝業主、組員與幹部的協助！透過這個專案，不僅逐步練習與業主確認、定義、拆解問題，進而發想假說並蒐集資料驗證，更從使用者角度進行分析與溝通，檢視產出的結果是否能應用於業主的日常營運中。在過程中，我們也學習到如何用淺顯易懂的方式，將過於技術性的分析方法解釋給不同專業領域的人士理解，是非常寶貴的一次經驗！

＠cosme

| Group 6 |