行銷5.0是行銷大師菲利浦‧科特勒Philip Kotler、陳就學、伊萬‧塞提亞宛 2021年出版的新書，相較於前幾個x.0版本分別著墨在顧客（行銷2.0）、價值（行銷3.0）及數位（行銷4.0）
| 1.0 | 2.0 | 3.0 | 4.0 | 5.0 | |
| 原則 | 產品為中心 | 顧客導向 | 價值驅動 | 從傳統到數位 | 有人性的科技 |
| 驅動力量 | 工業 革命 | 資訊 革命 | 新一波 科技 | Web 4.0 | 行銷科技 |
| 價值定位 | 功能 | 功能、情感 | 功能、情感、心靈 | 功能、情感、心靈、自創 | 功能、情感、心靈、自創、人機 |
| 行銷概念 | 產品開發 | 差異化 | 價值 | 大量客製化 | 個人化 Segment of One |
| 跟客戶間互動關係 | 1對多交易 | 1對1關係 | 多對多合作 | 多對多共創合作 | 人機協作 |
作者在行銷 5.0 提出了5大要素（大數據、敏捷、預測、情境、增量），5項要素中作者認為大數據、敏捷行銷最為關鍵重要，以敏捷行銷最難執行，因為敏捷行銷需要有扁平化組織、跨領域合作、精實開發、快速試錯調整等能力。
企業組織在轉型邁向行銷5.0的過程中，多多少少會遇到一些難題，
作者舉數據驅動行銷失敗為例，蠻多公司砸了許多錢導入新技術系統後，才開始發現很多大數據應用帶來的成果沒有一開始想像中的好，作者認為造成數據驅動行銷失敗主要有3個原因：
- 公司通常把數據驅動行銷當成IT專案，正確心態應該是當成行銷專案，IT架構技術應該要跟著行銷策略而走，行銷人把整個流程定義出來，讓IT專案遵從整個流程來開發設計，而我個人認為應該是要從使用者的角度出發，設法在商業、用戶體驗以及技術間找到平衡點
- 把大數據分析當成解決任何行銷問題的招式，大數據分析確實有用，但大數據沒辦法取代傳統的行銷研究方法，例如民族誌、易用性測試等，作者認為大數據跟市場研究間應該是互補、增量的關係，我個人想到的案例是Covid-19疫情，疫情剛開始初期，如果利用過往大數據累積的資料來做餐飲、旅遊業相關的行銷應用，過去的AI演算法適用度肯定不高，如果能善用大數據即時分析的能力、訪談、心理研究分析等等，或許能在疫情期間反敗為勝。
- 覺得大數據分析可以自動導航，AI人工智慧常常讓行銷人認為只要把資料數據匯入平台，人工智慧演算法就能解決企業所遇到的難題，實際上大數據工具只能算是一種輔助，還是要透過行銷人員對數據的洞察、以及針對洞察做策略調整
資料矩陣：當行銷策略目標決定後，行銷人可以利用「資料矩陣」事先確定如果想將目標量化，有哪些資料來源不足、甚至是沒有收集到的。
將「分析需求」列出成縱軸、「資料來源」列出成橫軸，從水平的角度來看，以「分析需求」當中的內容分析為例，便可以知道如果今天想做內容相關的分析，需要收集網站、社群媒體的資料；從垂直的角度來看，以「資料來源」的網站為例，可以知道網站資料可以做受眾、內容分析相關的應用。
我個人認為確認資料需求、有否收集、完整一致性等事項，很多公司都交由資料團隊處理，不過若行銷單位、其它部門可以事先收集到對的資料，便能加快數據專案完成的速度，
數位化除了帶給一般人許多便利之外，其實也帶來許多負面影響，作者列出世代差異、世界兩極化、數位落差3大挑戰，共花了3大章節來介紹，很有意思的是作者提到了行銷人員也會因為自己的世代觀念不同，在公司中會有意見想法的衝突，
| 世代 (出生時間） | 品牌偏好 |
| 戰後嬰兒（1946～1964） | 消費能力最強，偏愛有名的品牌 |
| X世代（1965～1980） | 同上 |
| Y世代（1981～1996） | 偏好體驗、而非擁有 |
| Z世代（1997～2009） | 偏好體驗、互動 |
| Alpha世代（2010～2025） | 偏好互動 |
作者認為接下來10年，X世代是唯一經歷過行銷1.0到行銷4.0的世代，而X世代是最有資格帶領企業轉型服務Z世代及Alpha世代，至於Y世代的角色是協助X世代的好幫手，哪家企業能夠贏得Z世代、Alpha世代的信任，便能在行銷5.0的競賽中獲勝。
雖然戰後嬰兒世代對企業的消費貢獻度最高，Y世代、Z世代擁有獨特生活風格、數位原生能力，其實他們是企業主要建立品牌最大的資產來源，Y世代、Z世代甚至也影響了戰後嬰兒、X世代的消費習慣，所以企業主應該要在價值營收創造跟未來的品牌定位間找到平衡點
總而言之，整本書作者提到的觀點看似簡單，業界也有好多成功案例以及行銷科技應用工具能使用，公司組織在轉型過程中也是需耗費不少時間心力，
這本書推薦給企業高層主管、行銷從業人員、數據相關工作者。
