2020年4月1日 星期三

2020 04 01 左永安顧問 顧客數增加、客單價提高、活躍度提升。 顧能公司(Gartner Research)的副總裁Kimberly Collins, 大數據行銷甚至可能顛覆奉行近半世紀的行銷4P理論:產品(product)、價格(price)、促銷(promotion)、通路(place)。大數據下的行銷將產生一個全新的4P:人(people)、成效(performance)、步驟(process)和預測(prediction)。將最後一個P(profit,利潤)修正為預測(prediction)。企業應該從過去「經營商品」的思維,轉向以人為核心的「經營顧客」 N=新顧客(New Customer)  E=既有顧客(Existing Customer) 1.E0主力顧客:個人購買週期2倍時間內回購的人 2.S1瞌睡顧客:超過個人購買週期2倍未回購的人 3.S2半睡顧客:超過個人購買週期2.5倍未回購的人  S3=沉睡顧客(Sleeping Customer),購買頻率超過個人購買週期3倍未回購、 回購率低於10%。




簡單易懂有熱情的圖像工具書,把mindset 拉到問對問題,
然後利用數據來找到真正的癥結點,作者提到三大元素:

  1. 心法:以簡馭繁的思考


  2. 作法:精實(lean)的執行精神


  3. 態度:「利他無我」的原則 -建立品牌與顧客的信任程度


落後數據 vs. 預測數據

   過去看數據的方法                       現在看數據的方法
        年資(tenure)             -->       未來存活的機率(survival probability)
  最後購買日期(recency)     -->       下次購買時間(next purchase time)
  購買頻率(frequency)        -->       購買間隔(purchasing interval)
  購買金額(monetary)         -->       顧客終身價值(customer lifetime value)

也就是從滿足顧客需求(need),到預知顧客渴望(want)
傳統市調成本高,且時間效度低(兩個月後正確時機可能已消失)
現在從活動日誌(log)直接偵測消費者行為,可能為嶄新的方式進步

零售常在猜顧客想要什麼,以下是致命傷
1. 沒有在第一時間準確的推薦顧客適合的商品
2. 店面上架的商品不適合該區域消費者
3. 商品缺貨來不及補



零時差行銷

從舊4P到新4P

大數據行銷新4P,即時預測消費者狀態和動態,零時差、零誤差的個人化行銷

1個人就是1個分眾市場,行銷命中率100%。


當大數據結合行銷──大數據行銷,將成為最具革命性的行銷大趨勢

大數據行銷甚至可能顛覆奉行近半世紀的行銷4P理論:


產品(product)、價格(price)、促銷(promotion)、通路(place)。


大數據下的行銷將產生一個全新的4P:


人(people)、成效(performance)、步驟(process)和預測(prediction)。


最先提出新4P理論的是全球最具權威的IT研究與顧問諮詢公司─

顧能公司(Gartner Research)的副總裁Kimberly Collins,


而我們將最後一個P(profit,利潤)修正為預測(prediction)。


從舊4P到新4P,大數據行銷究竟如何顛覆傳統行銷?

首先,企業應該從過去「經營商品」的思維,轉向以人為核心的「經營顧客」

而大數據時代,正提供了觀點轉型的最好時機。


大數據讓「一對一行銷」、「個人化行銷」不再是天方夜譚,而是基本服務。


每一位消費者的購買時間、購買週期、購買特性都不相同,但是傳統行銷,

無法做到很細緻的個人化行銷,多是大眾行銷或群體化行銷。


例如傳統行銷依據消費者的需求和差異性等,將市場區隔為各個不同族群。


例如一家運動鞋品牌有7個市場區隔,然後搭配7個行銷活動


往往已經耗費不少人力物力。


但是大數據時代的行銷,市場區隔可以是7萬個,相應的行銷活動也有7萬個,

同時在系統上或平台執行,若像傳統行銷一樣只能依賴人力去執行這7萬個活動,


幾乎是件不可能的任務。


每個人的購買行為、消費習慣都不一樣,但是傳統行銷因為資源與人力的限制,

因此,往往只能是人去配合行銷,而不是行銷來配合人;


當企業一次只能執行7個行銷活動,自然只能是人找活動,


而不是差異化的活動找人(people to campaign)。


但是當行銷活動有能力變成多達7萬個,


每一位消費者都可以從7萬個活動中配對到最適合他的活動,因而翻轉舊的行銷觀點,


成是人找活動,而不是活動找人。


於是,行銷活動從人群到個人,市場區隔愈來愈小,

或者說每個顧客都成為一個分眾市場,個人化行銷應運而生。


第1個P:人(People)

NES模型,再多的顧客問題都只分5種

在大數據時代,以人為核心,消費者存在兩個最大特徵就是異質性和變動性,

其中又以變動性最難掌握。


對於顧客來說,我們建構了一個NES模型:

 N=新顧客(New Customer)

 E=既有顧客(Existing Customer)


1.E0主力顧客:個人購買週期2倍時間內回購的人


2.S1瞌睡顧客:超過個人購買週期2倍未回購的人


3.S2半睡顧客:超過個人購買週期2.5倍未回購的人


 S3=沉睡顧客(Sleeping Customer),購買頻率超過個人購買週期3倍未回購、


        回購率低於10%。


NES模型即是為了即時掌握顧客的變動性而設計,這3個標籤及5族群,

完全根據消費者實際交易數據演算,並能夠配合資料更新進行動態修正。


大數據行銷的

第一個P是「消費者」(People)。


NES模型能夠透過即時的演算


將消費者分成N(新顧客)、E0(主力顧客)、S1(瞌睡顧客)、S2(半睡顧客)以及


S3(沉睡顧客)5種標籤,


隨著顧客沉睡度愈來愈深,品牌能夠有效喚醒的機會愈低、


而相對的喚醒成本也將大幅度增加。


行銷人過往將行銷預算和工作時間,根據顧客自然屬性的分群進行分配,

習慣性


從顧客過往的累積消費貢獻與前一次的交易紀錄,結合顧客的性別以及


消費能力指標,來決定他們的標籤設定與經營方式;


但是很明顯的在這些數據資料背後,


我們低估了時間對消費者動機干擾的影響力,可能只是透過一個平均數的概念「大概」


定義了超過180天沒有回購的顧客,就是所謂的沉睡顧客。


但是事實上,當我們將數據透過NES模型演算後發現,

很多顧客早在120天左右就進入了S3(沉睡顧客)階段,


品牌一視同仁的時間定義讓企業不但錯失了關鍵的喚醒時機,


然後在低喚醒率的S3階段才著手補救,這些看似微不足道的小細節,


都在浪費企業寶貴的成本與資源。


即時掌握每一個消費者的實際狀態是大數據行銷最重要的第一步,

如果我們已經有能力為每一個顧客量身訂製專屬的溝通時間點,


該是時候把撒網捕魚的行銷網給收起來了。


第2個P:成效(Performance)

每一間店都可以做自己的行銷


大數據行銷的第二個P是「成效」(performance),

「獲利」是企業經營的共同目標,影響獲利的因子很多,說穿了就是3個營收影響目標:


顧客數增加、客單價提高、活躍度提升。


如果前面的people談的是顧客狀態,那麼performance談的就是顧客動態。

顧客的流動反映在門店導向的觀點,常常觀察到當企業在檢視獲利營收時,


發現來客數下滑,就直接判定新客數疲弱不振,是造成營收衰退的罪魁禍首,


所以立刻決定砸下百萬預算,安排來店贈禮活動提升新客招募,


期望能夠一舉提升銷售動能、拉抬業績。


結果,新客數確實明顯增加了,但營收卻仍舊沒什麼起色。

原來藏在數據背後真正造成店家營收下滑的原因,其實是高貢獻度的忠誠顧客大量

而且快速的流失,活動提升的新顧客對營收幫助渺小,當務之急應該是先找出


忠誠顧客流失原因、制定顧客挽回方案,先求固本補破然後才去招客。


看錯了數據會錯了意、不但會讓店家消耗了無謂的行銷預算和時間,

去解決一個徒勞無功的問題,更進一步給了競爭對手可趁之機,這一來一往之間,


勝負立判,能不慎乎?


換言之,

每一家門店營運的KPI都應該個性化設定,比如說台北在做顧客新增的時候,


高雄可能應該做顧客流失,台北的1號店在做顧客新增的時候,


台北的2店可能應該做顧客流失,端看各個門店的數據來決定它最應該優先改善的是什麼。




第3個P:步驟(Process)


找出priority,優先處理危急問題


大數據行銷的第三個P 是「步驟」(process),

透過有層次的執行心法,去改善營收方程式。營收的3個變數出現問題時,


應該採取什麼樣的戰略,去解決問題。


當店家發現營收下滑,檢視品項銷售狀況、來客數與客單價等數據,

假設顧客人數不夠,應想辦法增加新顧客,或是想辦法留住舊顧客。


如果是顧客活躍度不夠、忠誠度的問題,則可以針對早期再購顧客,


或是增加對現有顧客的定期關懷,購買時的事先提醒等各種不同的行動,


     去提升顧客的活躍度。


如果問題出在

顧客的客單價不夠,則進一步去檢視,究竟是新顧客不夠,


還是舊顧客不夠。


倘若新客的客單價不夠,通常是因為各種針對新顧客的促銷手段,


當新顧客進來用的是很優惠的價格,通常收進來的是不健康的會員,


接下來他很可能沒有辦法繼續貢獻價值。呈現的問題就是新客的客單價太低,


同時新客再購的比率太低,新客轉換率太低等,主要就是為了促銷做了不當的方式。


第4個P:預測(Prediction)

精準預測顧客下次回購時間


如果說process告訴行銷人從營收方程式和會員流動是可以被控制的,

那大數據行銷最後環節「預測」(prediction),


就是宣告這樣的控制能夠被智能化的監控與執行。


顧客就像水一樣,水往低處流,從第一次購買的新朋友,到漸行漸遠的流失客,

這個過程是常態。但有了大數據之後,行銷卻可以及早做出因應方案。用數據分析未來。


從分析走向預測,推算出會員的「下次購買時間」(Next Purchasing Time, NPT),


讓店家在對的時間對最有可能上門的顧客說話。


假設顧客的狀態就像5階段的水槽裝置,從新顧客(N)一路向下流向沉睡顧客(S3)。

「智能控制」可以偵測每一個環節,當水槽水位或是管線流量出現異常,


系統自動對它做回饋、修復,或是提出警告,哪個環節出了問題,並依據KPI自動做出


最優化的調節設定。


舉例而言,


當顧客從主力顧客的水槽流到S3水槽的沉睡顧客,


意指高達90%的機會顧客會徹底流失,亦即所謂分手階段。彷彿男女朋友,


等到快分手才去挽回,不但事倍功半,成功挽回的機率也很低。


但是,當主力顧客開始流向沉睡顧客時,

必然先經過S1(瞌睡狀態)、S2(半睡狀態)


兩個水槽。透過智能控制,就可以在S1瞌睡階段事先偵測到,


當發現顧客已經有一點疏離,智能控制就會給出關懷或提醒等,


以控制降低顧客流失的水量。


「智能控制」可以做到即時偵測、零時差溝通和個性化訊息,即時而且適時的調節,

完全零時差、零誤差,這也是整個大數據行銷的精髓。



  • 大數據玩行銷:改變世界的18個大數據新思維,

  • 第1本把大數據變成營業額的行銷聖經

  • 系列名:30觀點
  • ISBN13:9789869153218
  • 出版社:30雜誌
  • 作者:陳傑豪
  • 裝訂/頁數:平裝/254頁
  • 規格:21cm*15cm*1.6cm (高/寬/厚)
  • 版次:1
  • 出版日:2015/09/10