Etu Blog-藍衣人的視界

掌握大數據趨勢,解析消費者意圖

 

數據煉金不可不知的四個小秘訣

 

在零售業做顧問服務時,初期最常討論的主題總是會落在「資料能夠做什麼?」、「對經營決策輔助」或是「投資能有多少回收」,這樣的廣泛且模糊討論命題時,往往不容易得...

到具體可行的方案。因為「資料」的應用方向與方法可能性太多,從商品最佳組合、客訴分析、展店選址、通路鋪貨到供應商都是可能的分析方向,也都能找到相關案例來佐證。但產出每一項分析的背後都需要大量的人物力投資,所以當討論到問題瓶頸的時候,最常出現的一個問題就是,是否可以告訴我「到底資料哪一種分析是 C/P 值最高的呢的?」

 

(圖片出處:Etu)

 

在零售客戶擁有以下三種資料時 1. 網站的用戶瀏覽紀錄。2. 消費的歷史記錄。3. 顧客註冊資訊。未來含金程度最高的兩個應用方向是「還原客戶所想」、「猜測客戶所未想」。利用資料歸納的結果去推估用戶的性格與消費習慣。提高對顧客的理解再進行需求的預測,目標是創造個人化的服務,強化顧客互動可能性與提供服務的深度,使用資料背後代表的顧客意圖為企業產生更大價值。

 

其實大部分的顧客都相當認同這個答案,但實務上應該如何執行有哪些階段與方法,筆者以下先提出四種需要先思考的執行方法。

 

  • 個人化分析的新趨勢
    買尿布的人一起買啤酒的可能性比較高,這是經典的資料應用案例。但這樣的行為模式產生事奠基在具有父親身份與喜愛運動的族群上。每一個消費行為的背後,消費動機是跟個人背景、性格與所處情境習習相關。例如一個在外租屋的上班族與煩心家中清潔的母親,在考量清潔用品的屬性與被吸引的促銷方式就會截然不同。這時候研究若要做年前清潔用品週的特價品的銷售分析若無法區分顧客個人特質的差異,就很難觀察銷售成因。變成只能單從產品銷售結果與品項屬性來做關聯性的分析。所以如何取得更多的消費者屬性並還原消費情境?第一步就必須能夠區隔行為紀錄中的用戶差異,這是一般 web 瀏覽紀錄不易達成的。

     

  • 指向性的資料收集

    指向性的收集,是指資料在收集之前就已經先設計完成業務目標、分析方式與執行流程。資料有無指向性會造成資料處理流程與分析方式上的極大差異,但最重要的影響是分析時間與結果的可信度。

     

    無向性的資料:例如網頁的瀏覽紀錄,是因為網站可以讓使用者認識商品、購買商品、或是認識品牌,取得資訊等原因,而不是一開始就為分析顧客行為而設計。我們只是藉由先紀錄瀏覽行為,後續再分類網頁意義與行為的屬性,最後才用於區隔使用者特質。而指向性的資料是有目的性的設計資料的流程與反應,例如:利用以個人化的 EDM 去研究資深會員與新進會員對於新上架商品的反應與接受度。

     

    指向性的資料會在系統設計初期,就會對收集的內容與分析流程做細部的規劃,所以收集到的資料相對簡單與乾淨。不過目前大部分的商業資料都是為了滿足營業所需,較少事前的設計與規劃,所以在資料處理時必須先理解商業邏輯,在後續分析運用時相對耗時耗力。但這樣的前期規劃,若實務經驗不夠時,就比較難在服務規劃的初期就策劃資料的應用方式。此時透過專業的顧問服務來梳理出數據收集邏輯與方法與流程,就是比較容易的導入方式。

     

  • 納入消費者個人特質的分析

    零售業對於資料使用的最終目的,都還是想藉由對顧客的了解提升營運績效,預測未來的消費動向。想要在顧客的需求浮現時,甚至在顧客意識到自己的需求出現前就搶先進行個人化的廣告,是提升營運績效的重要切入點。因此,能夠以多少維度與面向繪製出顧客特質的「素描」,影響後續的行銷預測。

     

    行銷預測的方法可以分為兩類,一種是單一事件預測,另一種是複合消費者特質預測。差異在於,複合特質預測納入消費者各式行為資料,製作出顧客的特質素描,可作為長期行為預測。但單一事件的預測只能分析產品的銷售關聯,例如近一個月買 iPhone 的消費者,買保護貼的可能性提升 76.1%,從商品的角度去檢定各種商品之間銷售的關聯性程度。單一預測的缺點為只能在顧客特定行為出現以後 (如購買某商品) 才能進行關連銷售。

     

    複合特質預測的例子是:若有一資深會員平均每季來訪 8.2 次,訂單 5.7 張,高於平均資深會員 3.9 次,訂單 2.2 張,因此該會員下個月有消費的可能性是 82.1%,而且根據以往的資料分析發現,該顧客下個月的購買行為會集中在電子商品類,因此可以提供對應的個人化行銷策略。這樣的分析是從消費者本身的訪問密度、消費喜好以及個人特質等資料來做的預測,這種方法將可以把產業專家累積對客戶 Insight,可以更快速的納入執行流程,而不是僅靠複雜的演算方式來推估各商品的單一關聯。

     

    這兩種方法都能夠提升營業額,單一行為分析無需區隔行為紀錄中的個人差異,但複合消費者特質預測則需了解個別用戶,複雜性較高。但從複合分析能夠長期且重複以顧客為主體去規劃優化方式,並累積顧客認識。所以建議初期可以採用事件分析預測,而長期建議規劃消費者特質分析。

     

  • 從行為砂礫到特質黃金的淬煉

    資料分析花費成本最高環節就是資料處理,這點很多客戶都已經能夠理解。這個分析的瓶頸在用戶行為相關的分析會更為突顯。因為根據經驗,平均發生一筆消費記錄前,會產生 400~500 條的瀏覽紀錄,這意味著分析瀏覽紀錄,光分析原始紀錄就會高出數百倍,複合的屬性分析花費的時間就是指數的成長,且瀏覽的紀錄屬於半結構資料與資料庫中的已有明確欄位的消費記錄比較起來,前處理的複雜度的時間與流程複雜度更是高昂的成本,就如同從存有金沙的河中要掏出黃金般的困難。但用戶最真實的行為反應就正是存在這些砂礫之中,我們要用什麼樣的方法才能更有效率的完成淘金的作業。

     

    下表筆者先提出7大類資料的處理目標與解讀方向,企業可以思考如何從行為紀錄中淬煉出代表用戶個人特質的特徵值,經過的組合就可以更有效的還原「顧客」的樣貌與需求。

     

     

    淬煉方向 舉例說明
    顧客行為性格 積極型購物 (每逛必買)、謹慎型購物 (多逛少買),用於理解顧客性格,用以推出個性化服務
    日用性商品的需求偏好 洗髮精等日用型商品的需求,週期、品牌與價格,用於理解消費商品的需求,商品需求本身就可以延伸個人的特質理解
    嗜好型商品喜愛強度 自行車商品的喜愛強度,個人的嗜好特性,用於推論生活型態
    資訊取得的偏好 從顧客瀏覽頁面的比重,評估對資訊需求的偏好,進而理解個人需求,或推論人生階段
    搜尋關鍵字 關鍵字能夠呈現短期的用戶最明確的需求項目,非常適合成為事件觸發的核心應用
    消費習性差異 習慣購買中高階品牌、喜歡特價型商品,會關注新品,屬於個人通用特質
    人生所屬階段 以人生各階段的特質商品:如嬰兒車、國中參考書,推論所屬階段,進而評估需求
    顧客與企業的關係 評估與消費者的熟悉度:如會員年資、消費次數、近期訪問,用於各種優先權與時程的規劃
    消費者的消費能力 如每季訂單數、消費總金額、整體消費力排行,評估購買意願的重要關鍵因素之一

 

關於這些用戶的特質項目要如何才能從數據中被還原與解析?使用的情境又會在什麼時候發生?筆者將在下回分曉。

 

 

本文作者為 Etu 產品經理 施閔堯(Russell Shih)