大數(shù)據(jù)玩行銷創(chuàng)新 1 數(shù)據(jù)融合、以人為中心—看清消費者輪廓
對零售品牌企業(yè)的行銷人來說，最常關(guān)注的數(shù)據(jù)可能只有從POS機得來的銷售數(shù)據(jù)，大多的零售促銷計劃都仰賴過去的銷售數(shù)字來做事前規(guī)劃及事后檢視，有時候多加一點資深行銷人的經(jīng)驗做些微調(diào)；這樣經(jīng)驗驅(qū)動的行銷決策看似煞有其事，說穿了只是因為沒有其他能夠參考的指標，在整個環(huán)節(jié)中也一點都沒有將消費者考慮進去，如此的決策背后隱含著許多不確定性，既不科學也無標準可循，反而讓行銷失準，造成不必要的浪費。透過數(shù)據(jù)驅(qū)動的數(shù)據(jù)分析卻能有效降低這種不確定性，透過物聯(lián)網(wǎng)設(shè)備搜集現(xiàn)場人流信息，再將POS交易數(shù)據(jù)、物聯(lián)網(wǎng)傳感設(shè)備所搜集到的現(xiàn)場人流、以及像是天氣、開放數(shù)據(jù)整合在一起，套入自行研發(fā)的數(shù)據(jù)分析演算模型，經(jīng)由系統(tǒng)的自動優(yōu)化與機器學習能力，從各種不同面向進行數(shù)據(jù)分析，就能確實看清消費者樣貌，掌握消費者的動態(tài)喜好，甚至能透過數(shù)據(jù)為零售業(yè)者建立特定領(lǐng)域的消費者全景，提供例如消費者下次購買時間、某產(chǎn)品下次被買走的時間、消費者下次進入實體通路的時間等的預測信息，從“隨客而變”做到“先客而變”。
這樣的技術(shù)已成功應(yīng)用到運動產(chǎn)業(yè)，為提供給消費者更好的服務(wù)，知名國際運動品牌在旗艦店及一般門市安裝了熱點人流偵測裝置，收集了店里店外的人流數(shù)據(jù)后進行分析，結(jié)合交易數(shù)據(jù)交互比對之后，發(fā)現(xiàn)一些驚人的現(xiàn)象。以前品牌商根本不知道消費者在每一個柜位停留的時間與頻率，但在導入物聯(lián)網(wǎng)傳感設(shè)備與數(shù)據(jù)分析模型后，成功地搜集到消費者在門市的信息，像是每一個柜位駐足停留的消費者人數(shù)…等，結(jié)合該柜位所擺放的產(chǎn)品與銷售數(shù)據(jù)，就能知道店內(nèi)哪一區(qū)的坪效/業(yè)績最好，另外，根據(jù)這些信息調(diào)整店內(nèi)的人力配置、動線設(shè)計與產(chǎn)品陳列，讓消費者能夠更快地找到想要的產(chǎn)品，成功體現(xiàn)透過數(shù)據(jù)做到以人為中心的全景行銷，有效提升成交率。
大數(shù)據(jù)玩行銷創(chuàng)新 2 抓對時間，讓顧客"再買一次"締造驚人回購比
但零售業(yè)掌握以人為中心的全景就夠了嗎？其實"人"充滿了許多變量，這些變量中其實只要掌握最關(guān)鍵的"時機"，就能以簡馭繁，創(chuàng)造更大利潤。許多企業(yè)對于開發(fā)新顧客非常熱衷，幾乎所有行銷活動都是針對招攬更多新顧客上門而量身打造，雖然在開拓新客上有一定成效，但是這樣的行銷模式往往卻忽略"時間"這個影響人的關(guān)鍵因素，只要掌握消費者的動態(tài)，就能在對的時間讓既有顧客乖乖上門，讓快流失的舊客再回來購買一次，在營收上產(chǎn)生不小的貢獻。
有個同時經(jīng)營便利商店、超市以及百貨購物中心的大型連鎖零售品牌投入數(shù)據(jù)采集及研究已有一段時日，旗下?lián)碛谐^七百萬的有效會員，內(nèi)部設(shè)置有會員數(shù)據(jù)分析部門，長期搜集并維護會員的主檔并記錄完整的會員交易數(shù)據(jù)，該品牌每波檔期活動的溝通轉(zhuǎn)換率都穩(wěn)定的維持在40%-45%（當波活動會員回購人數(shù)/當波活動溝通會員人數(shù)），對比其他同類型競爭品牌動輒只有7%-10%的活動回應(yīng)率已算有相當驚人的成效。但這個轉(zhuǎn)換率仿佛觸及到成長瓶頸，隨著競品不斷地投入市場競爭搶分消費市場，該品牌已經(jīng)有一段時間找不到更好的變項或是新參數(shù)可以突破自己設(shè)下的成效門檻，促使分析團隊開始嘗試尋求更有效的數(shù)據(jù)導入方案。
在兩個星期的數(shù)據(jù)準備期間，根據(jù)NPT（Next Purchase Time）模型需求導入了顧客數(shù)據(jù)、顧客交易數(shù)據(jù)兩大類數(shù)據(jù)，雙邊團隊決定要以該品牌關(guān)鍵檔期活動來驗收新模型的預測成效，為比對出品牌傳統(tǒng)模型與NPT模型的差異，決定讓雙邊團隊用各自的預測模型挑選等量的溝通會員名單，統(tǒng)一交由行銷單位在相同時間、透過同樣的溝通工具傳遞相同的活動訊息，看看經(jīng)過11天的活動走期后，兩份名單的轉(zhuǎn)換率是否有顯著的差異；檔期活動剛結(jié)束一周，NPT模型所預測的回購率就已經(jīng)超越了40%，最終，NPT模型在整體轉(zhuǎn)換率上繳出了一張86.1%轉(zhuǎn)換率的亮眼成績單，在銷售貢獻度上，更高出品牌傳統(tǒng)預測模型近9,000萬元新臺幣的營業(yè)額。
這個結(jié)果表示轉(zhuǎn)換成效能有效的突破品牌自己設(shè)定的成長障礙，創(chuàng)造歷史新高的轉(zhuǎn)換記錄；NPT預測模型已經(jīng)在許多零售產(chǎn)業(yè)的品牌中復制并取得穩(wěn)定的成功，這同時也讓零售行銷業(yè)界重新思考過去傳統(tǒng)屬性標簽的價值，除了透過這樣簡單的概念以簡馭繁之外，也讓品牌開始重新正視"時機"這個長久以來被低估的行銷預測變項。
零售科學：用大數(shù)據(jù)翻轉(zhuǎn)行銷創(chuàng)新
零售業(yè)是一個擁有歷史脈絡(luò)的產(chǎn)業(yè)，面對消費者劇烈變動的今天，零售業(yè)正面臨一個前所未有的世代沖擊與競爭挑戰(zhàn)，基于大數(shù)據(jù)行銷所發(fā)展的零售科學架構(gòu)，透過數(shù)據(jù)科學建立零售業(yè)與消費者之間更好的溝通默契，"零售科學"將結(jié)合零售業(yè)自有數(shù)據(jù)、物聯(lián)網(wǎng)（IoT）數(shù)據(jù)以及開放數(shù)據(jù)，打造出屬于零售業(yè)的全景視野，傾聽消費者真實的需求與聲音，用以創(chuàng)造更個性化、更貼心的消費者零售服務(wù)體驗
大數(shù)據(jù)已經(jīng)成為零售業(yè)創(chuàng)造新價值的決勝點，在這個關(guān)鍵時刻，零售業(yè)者不能再思考要不要導入數(shù)據(jù)分析，而是該思考如何以人為中心，透過數(shù)據(jù)采集與分析，看見顧客全景樣貌，時時刻刻掌握顧客需求與偏好的變化，搶在對的時機溝通，才能成功的在未來的商務(wù)世界里用大數(shù)據(jù)玩出一席之地。
