零售業(yè)在大數(shù)據(jù)的推波助瀾下,早已顛覆了過去的銷售模式,帶來的是新一波智慧零售,主要是以個(gè)別消費(fèi)者為核心,利用大數(shù)據(jù)分析其需求特性,并藉此提供個(gè)別化之營銷策略,以期透過個(gè)人需求的滿足以提高企業(yè)的獲利;由于每位消費(fèi)者的身上有其專屬的行為模式與消費(fèi)習(xí)慣,只要零售業(yè)廠商有意蒐集其各項(xiàng)數(shù)據(jù),透過數(shù)據(jù)驅(qū)動(dòng)分析(data driven analysis)的分析方式,便可以從中挖掘個(gè)別消費(fèi)者的訊息,并提高零售業(yè)的精準(zhǔn)營銷,是為新一代的商業(yè)智慧(Business Intelligence, BI);而本中心智慧零售團(tuán)隊(duì)即是此一領(lǐng)域的翹楚,并已應(yīng)用在百貨及電信業(yè)者的客戶消費(fèi)行為分析上。
以百貨業(yè)的客戶消費(fèi)行為分析為例,透過分析持有Happy Go卡消費(fèi)者在遠(yuǎn)東百貨的消費(fèi)資訊(已經(jīng)去除可識別特定個(gè)人之?dāng)?shù)據(jù))的數(shù)據(jù),便可分析持卡者于消費(fèi)時(shí)在柜位間的移動(dòng),進(jìn)而提供遠(yuǎn)東百貨在柜位的調(diào)整,希望藉此提供更能滿足消費(fèi)者購物需求的動(dòng)線設(shè)計(jì);其次,在DM的發(fā)送上,也因?yàn)榇髷?shù)據(jù)分析而改變過去通用型DM發(fā)送模式,透過大數(shù)據(jù)對客戶消費(fèi)內(nèi)容進(jìn)行分析,進(jìn)而針對其特定需求來客制化DM,以彈性地變更DM內(nèi)容,讓DM更可以打動(dòng)個(gè)別消費(fèi)者的心,增加其來電購買意愿,提高百貨公司的獲利能力。
圖二:建構(gòu)于消費(fèi)者行為理論與生活型態(tài)理論的BI介面
圖二為該團(tuán)隊(duì)所建立的BI應(yīng)用系統(tǒng),此一系統(tǒng)之建立系以營銷領(lǐng)域中的消費(fèi)者行為理論(customer behavior)、生活型態(tài)理論(life style theory),配合多因子分析(factor analysis)的統(tǒng)計(jì)方法,找出關(guān)鍵的影響因子;以DM的發(fā)送為例,透過數(shù)據(jù)驅(qū)動(dòng)分析制成BI,百貨業(yè)者便便可藉此而更為精準(zhǔn)地發(fā)送個(gè)別化DM,實(shí)現(xiàn)精準(zhǔn)營銷的最高奧義;換句話說,以往百貨公司在進(jìn)行周年慶時(shí),所發(fā)送的DM都是無差異化的,因此印制成本甚高,成效如何也甚難評估;現(xiàn)在透過大數(shù)據(jù)分析的BI系統(tǒng),因已知個(gè)別客戶的需求特性,因此將過去厚厚一本的DM進(jìn)行客制化制作,甚至以eDM的方式來進(jìn)行精準(zhǔn)廣告的投放,不只能提高進(jìn)準(zhǔn)度,同時(shí)亦降低了DM的印制成本;綜上所述,透過對百貨業(yè)之顧客的大數(shù)據(jù)分析所提供的BI,除了更能了解顧客的消費(fèi)型態(tài)外,亦可協(xié)助百貨業(yè)者透過柜位安排以及精準(zhǔn)營銷的推動(dòng),進(jìn)而提升百貨業(yè)者的獲利能力。
圖三:電信業(yè)使用者之社會(huì)網(wǎng)絡(luò)圖
而該團(tuán)隊(duì)另一研究則是在電信業(yè)客戶數(shù)據(jù)的分析,目前,臺灣各大電信業(yè)者皆積極進(jìn)行大數(shù)據(jù)之加值應(yīng)用,希望從中找到新的獲利管道,而使用者社會(huì)網(wǎng)絡(luò)分析即是一種可能的方式;一般來說,可以將電信業(yè)區(qū)分成兩個(gè)數(shù)據(jù)集(DataSet),分別為語音通話數(shù)據(jù)和3G、4G上網(wǎng),其中消費(fèi)者的語音使用本身便可分析其社會(huì)網(wǎng)絡(luò)(如圖叁),比如說親朋好友、網(wǎng)內(nèi)、網(wǎng)外互打等,從中分析語音服務(wù)使用者的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu),并從中判讀意見領(lǐng)袖與其影響力路徑;此部分的分析可以搭配簡訊傳送數(shù)據(jù)來進(jìn)行,以Aster Discovery Platform的方式找出通路網(wǎng)絡(luò)中的意見領(lǐng)袖,從中辨識出網(wǎng)路中心點(diǎn)─即核心使用者(如圖四),并以Customer Behavior Segmentation建立分群,找出諸如「高花費(fèi)、偶欠費(fèi)、常抱怨」、「愛撿便宜、買錯(cuò)方案、不怕違約」的客群,并對其發(fā)展客制化的營銷方案;此一分析結(jié)果應(yīng)用上較為成功的案例,如電影院業(yè)者與意見領(lǐng)袖的合作,透過簡訊通知這些核心使用者,并表示若其發(fā)送電影折價(jià)訊息給其他網(wǎng)絡(luò)成員,且這些訊息接收者也因此而前往電影院消費(fèi)時(shí),則此一意見領(lǐng)袖即可獲得一些獎(jiǎng)勵(lì),效果非常的顯著,據(jù)了解整體票房可提升至30%左右?!?/p>
圖三:Aster Discovery Platform
另一方面,從3G、4G使用者的上網(wǎng)數(shù)據(jù)來看,電信業(yè)者可以取得用戶各項(xiàng)使用資訊,簡單來說,就是用戶逛了哪些網(wǎng)站、停留網(wǎng)站多久時(shí)間、使用了哪些APP等,事實(shí)上,這些行為是相當(dāng)紊亂的,故取得數(shù)據(jù)后如何利用統(tǒng)計(jì)技術(shù)將這些混雜的巨量數(shù)據(jù)壓縮成幾個(gè)大面向,就顯得相當(dāng)重要,以購物網(wǎng)站為例,有各大購物類網(wǎng)站、APP或是關(guān)鍵字搜尋等,然后透過機(jī)器學(xué)習(xí)(Machine Learning),利用大量數(shù)據(jù)立自己的「智慧」,進(jìn)而預(yù)測、分類或是分群等動(dòng)作,如搜尋規(guī)則及關(guān)鍵字的建立等,進(jìn)而分析使用者在網(wǎng)路上的行為,如逛購物類網(wǎng)站的時(shí)間比重、購物行為,甚至是使用者的生活型態(tài)、社經(jīng)地位等,也就是說可以藉由統(tǒng)計(jì)分析去辨識該位使用者的身份,如上班族、學(xué)生族、銀發(fā)族等,該團(tuán)隊(duì)積一直極于發(fā)展顧客動(dòng)向洞察研究,協(xié)助業(yè)者深度認(rèn)識顧客生活型態(tài)、社交網(wǎng)路,并發(fā)展留住舊客、開發(fā)新客的顧客關(guān)系管理新方法,目前已提升女性用戶的市場滲透率 (penetration rate) 3%,未來將加入位基服務(wù)(LBS; location-based) 數(shù)據(jù),將有利于精確判讀用戶行為。
在龐大且復(fù)雜的數(shù)據(jù)中,如何進(jìn)行蒐集以及如何有效處理各種消費(fèi)數(shù)據(jù),透過巨量數(shù)據(jù)分析深入了解消費(fèi)行為,在抽絲剝繭中找出關(guān)鍵分群,進(jìn)而掌握先機(jī)并創(chuàng)造商機(jī)。而曾芳美院長率領(lǐng)該團(tuán)隊(duì)與業(yè)界知名百貨業(yè)、電信業(yè)共建良好合作模式,便是將所有的應(yīng)用淋漓盡致地體現(xiàn)出來,將理論模型與實(shí)務(wù)需求結(jié)合并利用大數(shù)據(jù)解決方案,洞見消費(fèi)者需求并依此發(fā)展精準(zhǔn)營銷方案、發(fā)展Online to Offline(O2O)零售商業(yè)模式等,并用以整合至企業(yè)內(nèi)部既有的結(jié)構(gòu)化數(shù)據(jù),從而發(fā)展出一套整合分析模式,為經(jīng)營者帶來洞察力。最后,值得一提的是,在這些大數(shù)據(jù)分析與應(yīng)用的背后,也帶來個(gè)資隱私保護(hù)的疑慮,不過再去除可識別化數(shù)據(jù)后,便可進(jìn)行上述分析,進(jìn)一步提升BI在零售業(yè)的重要性。
(本文作者:由吳相勛教授、廖東山教授研究團(tuán)隊(duì)提供)