藍衣人的視界(月刊)

 

2016 年 02 月 — 網路行銷遇上行為數據,實現優質使用者體驗

經過 2015 整年的媒體報導與熱議,相信應該有不少人都聽過 FinTech(Financial Technology,金融科技),其意涵與應用領域,大家多少有些了解。相對的,MarTech 則是較為陌生的名詞....
藍衣人的視界 02 月號 — 網路行銷遇上行為數據,實現優質使用者體驗

 

Etu 知意圖
2016.02 Issue 47 Etu www.etusolution.com


流轉智慧


Talk 流轉達人的話
Digital Marketing  
Insight  
MarTech、Marketing Software、與 Marketing Technology 生態系統
經過 2015 整年的媒體報導與熱議,相信應該有不少人都聽過 FinTech......
 
網路行銷遇上行為數據,實現優質使用者體驗
現今的使用者介面著重於提供優質的「使用者體驗」(User Experience)......
 
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?」......

Talk
流轉達人的話

 

Dog Phone

MarTech、Marketing Software、與 Marketing Technology 生態系統

 

經過 2015 整年的媒體報導與熱議,相信應該有不少人都聽過 FinTech (Financial Technology,金融科技),其意涵與應用領域,大家多少有些了解。相對的,MarTech 則是較為陌生的名詞。

 

什麼是 MarTech?

 

MarTech 不是摩洛哥來的科技,也不是只屬於三月的科技,它其實是 Marketing Technology(行銷科技)的簡稱。

 

MarTech 真的很冷門嗎? Google 一下,看起來似乎不是如此。

 

源於舊金山的 MarTech Conference,2016 邁入第三年,且規模逐年擴大。這個會議號召 Marketing Technologist(行銷科技者),包含數位行銷、行銷操作、資訊技術、軟體產品、廣告操作、行銷創意等領域的科技人員,一同群聚參與。

 

那麼到底在這個聚會裡,參與者都在討論什麼呢?我們不妨來看看主辦人 Scott Brinker 為去年 MarTech Conference 2015 所寫的總結文《9 big takeaways from last week’s MarTech conference》,其中歸納了 9 個來自大廠行銷科技者所闡釋的重要觀點:

  1. 使用敏捷開發 (Agile Methodologies) 來驅使行銷創意者與行銷技術者進行協作。~ Thomas Stubbs, Coca-Cola
  2. 敏捷原則與實踐是現代行銷的核心。~ Jeff Gothelf, author of Lean UX
  3. 行銷自動化 (Marketing Automation) 之前,先用人工來逐步拆解,以便正確地設計顧客互動流程。~ Corey Craig, Dell
  4. 莫止於行銷作業的執行,而是要去發展新的行銷系統。~ Patrick Spenner, CEB
  5. 行銷人員常掛在嘴上的理想情境,如 360 度單一顧客樣貌、體驗差異化等,可以用一個具有 Customer Actions / Frontstage Actions / Backstage Actions / Support Processes 上下四層的架構來對應處理,將可消弭說與做之間的落差。~ Jeff Cram, ISITE Design
  6. 在行銷投資回報的高低上:Creativity > Analytics > Technology。而行銷科技可以協助發展另一種層級的創意。~ Gerry Murray, IDC
  7. 行銷自動化就像是軟體工程學;MarkOps 則是新型態的 DevOps。~ Isaac Wyatt, New Relic
  8. 一股巨大的行銷科技獨角獸公司(Multi-billion Dollar Companies)新浪潮即將到來。CDP(Customer Data Platform;顧客資料平台)會是其中一種重要的類別。~ David Raab, RaabGuide
  9. 跑在最前面的行銷科技者會善用各種的 APIs。~ Tony Ralph, Netflix

 

對軟體領域熟悉的朋友不難看出,以上 9 點都跟軟體脫不了關係。我們可以這樣說:所謂的 MarTech,重點就是要善用軟體,來改革或是革傳統行銷的命。

 

Marketing Software

 

行銷產業的趨勢,的確正朝著使用軟體來顛覆傳統行銷的方向在發展。在這條路上,出現了所謂的 Marketing Software 軟體類別,並具有不小的市場規模。

 

根據 IDC 研究員 Gerry Murray(即上述第 6 點的闡釋者)在其報告《Worldwide Marketing Software Forecast 2014-2018: $20 Billion and Growing Fast》中指出,Marketing Software 還可細分以下四種子類:

  1. Interaction Systems(互動系統)
    包含終端客戶會看到或使用的功能,如廣告、電子商務、行銷自動化、網站體驗管理、行動 App、社群媒體工具等。
  2. Data and Analytics(資料與分析系統)
    包含資料儲存與處理,以產生洞見的各類商業智慧、預測、行銷等分析軟體。
  3. Content Production and Management(內容製作與管理系統)
    包含內容編輯與出版工具、平台、數位資產管理(DAM)平台等。
  4. Management and Administration(管理與行政系統)
    包含內部通訊、工作流程、預算、費用、專案管理、協作工具等。

圖 1. 全球 Marketing Software 2014-2018 市場分類與規模
(Source:IDC 2014

 

以市場規模來看,如上圖 1. 所示,Interaction Systems 與 Data and Analytics 為其中的前兩大子類,合佔 70% 以上的市場營收,且年年成長。更重要的是,這兩類都需要或就是需要大量仰賴資料的處理與分析,才有辦法做好,可說是 Data-driven 的行銷軟體。

 

MarTech 生態系統

 

由 Scott Brinker 所維護的 Marketing Technology Landscape 生態系統圖 2015 版如下圖 2. 所示:

 

圖 2. Marketing Technology Landscape Supergraphic 2015
(點圖放大)

 

圖 2. 密密麻麻地擠了 43 子類 1,876 家公司。在此僅由底而上列出 6 大類,讓讀者了解這個生態系統的架構邏輯:

  1. Infrastructure:基礎架構,包含 DB 與 Big Data 平台。
  2. Internet:網路行銷的環境。
  3. Backbone Platforms:各類營運環節的基礎平台。
  4. Middleware:各種行銷中介資訊與整合機制。
  5. Marketing Experience:各種消費者體驗的觸點。
  6. Marketing Operations:提供行銷營運與績效管理。

 

欲知詳情,可以直接點按圖 2. 看放大版原圖。我們就先在這裡打住,後續再來聊聊其中與 Big Data 或 Data Analytics 比較相關的子類。

 

別走開。

 

 

本文作者為 Etu CEO 蔣居裕(Fred Chiang)

Digital Marketing

網路行銷遇上行為數據,實現優質使用者體驗

 

現今的使用者介面著重於提供優質的「使用者體驗」(User Experience)感受,以此概念為中心設計出更符合使用者愉悅的操作流程與視覺設計。讓使用者介面不單單是介面,更代表一種「品牌」、「品質」、「使用互動體驗」、「視覺呈現」、「服務滿意度」。而設計任何使用者介面,其終究目的就是要引導使用者透過介面上所規劃的網路行銷活動,進行特定的瀏覽、操作行為。所以基於網路行銷的大前題下,我們必須確認我們的「行銷目標」,接著就要思索我們想要的客群流量在哪?即所謂的「集客」流量導入,再想便是思考如何引發興趣?藉由規劃的介面動線一步步引發動機,促發期待使用者回應的操作。由此可知,網路行銷與使用者體驗是相輔相成的,透過設計能讓使用者跟著行銷思維一步步引導到對的點。

 

「網路行銷」是透過網路工具或媒體,將實體產品或虛擬服務,以網路內容呈現,並藉由動線引導,吸引使用者進入特定場域,進行購買商品、參與活動、加入會員等行為,達成網路行銷的目的。而通常衡量網路行銷成效的指標有「流量」、「轉換率」、「銷售業績」、「客戶名單」、「參加活動」、「到店體驗」,藉此方能確認行銷目標是否達成。

 

「使用者體驗」最核心觀念是如何設計出使用者覺得好用、貼心、簡單、直覺的功能,而這功能不僅包含了進入場域時的一些貼心設計,到使用過程中依照使用者習慣做的個人化調適,然後再深入到使用或購買後的一些自動回饋機制。產品或服務本體要做得好是必備條件,但有著許多貼心流程、實用的小功能,智慧記住使用者的一些行為偏好,貼近使用者需要的本質,將會提昇其停留時間與再購買的可能性。

 

而透過網路行銷操弄,可更真實地了解使用者體驗的變化,藉此提出行為優化策略,這就是行為洞察的另一種用途,找出使用者的行為偏好,藉由不斷調整網路服務的一些介面、內容、提示、順序、流程等,來改善一些使用者常遇到的障礙,或是從中去設計出最佳化的操作動線,讓每一位不同的使用者到訪時,看到的按鈕是按鈕、看到的輸入欄位是輸入、看到的裝飾就是裝飾,而不會造成混淆,讓視覺觀看的動作影響實際操作的動線,一環扣一環。這一點沒有做好的話,使用者在流程中,遭遇一些干擾或是不必要的影響,最後放棄使用,放棄續購,那就得不償失了。(如圖 3. 行為數據洞察使用者體驗,優化網路行銷效益)

 

圖 3. 行為數據洞察使用者體驗,優化網路行銷效益循環
(出處:張聖丕)

 

所以懂得收集行為數據,知道善用行為數據分析,讓我們更了解使用者需求與偏好,讓網路行銷與會員經營更能得心應手。而要做好這些事,就從選擇成熟的數據平台工具開始。我們可以透過業界一些成熟的 Big Data 解決方案平台,協助從資料處理到應用,提供最即時的數據決策回饋,優化服務效益,滿足使用者期待;再透過個人化行為數據分析工具,不斷地精煉並優化使用者行為體驗,推薦更符合使用者期待的內容與商品,以創造更高的使用者體驗價值。未來企業若進入虛實應用整合行銷,就能更廣泛地透過各種前端穿戴裝置收集數據,進一步透過這些數據去分析預測你我生活中可能的需求或問題,讓數據智慧落實在你我的生活體驗中,創造出優質的智慧生活。

 

 

本文作者為 Etu 資深產品處長 張聖丕(Peter Chang)
Top
sq

Insight

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?」

 

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)

 

Learn




Learn

 

Learn

 

駕馭大數據不再遙不可及,Etu 帶您快速上手 Hadoop Ecosystem
[開放報名中] 全台唯一 Big Data 認證課程,由大型 Hadoop 專案經驗講師授課,理論與實作兼具。超過 90% 的學員,都願意將此課程推薦給朋友和同事!Etu 三月份課程帶您動手演練,實作資料的入庫與視覺化呈現。早鳥享有優惠,請儘速報名。欲瞭解第一手課程訊息,歡迎加入 Etu Facebook。(我要報名Etu Taiwan Facebook)

 

洽詢專線:0800 200 018

如欲瞭解更詳盡資料,
歡迎與服務窗口聯繫:
Etu 事業發展處
李大明 解決方案顧問協理
02-8798-6088 分機 1223
dmlee@etusolution.com