大宅配~ 生活美學

物流寄情40：大數據在行銷領域

應用

楊惟雯

一、大數據在行銷領域的實踐只是在啟蒙階段

大數據的應用價值聽起來十分鼓舞人心，但在實際的行銷活動中，行銷人員對大數據的應用情況又如何？

在Columbia Business School提出的《Marketing ROI in the Era of Big Data》報告中指出，雖然91%的公司高層行銷管理人員認為成功的品牌需要使用客戶數據來做行銷決策，然而觀察他們收集數據的類型，只有35%的公司會收集社交媒體數據、19%會收集移動數據；其中51%的人指出在他們組織內部缺乏分享客戶數據的機制，阻礙了他們有效衡量行銷ROI；45%的人認為公司沒有有效利用數據進行個性化行銷溝通。

行銷領域真正的進展似乎並不符合大數據熱浪的如火如荼之勢，迄今為止，行銷領域的大數據實踐只是剛剛開始。

二、大數據熱潮給行銷人員帶來的機遇和挑戰

那麼，在大數據熱潮撲面而來的時候，究竟又能給行銷者帶來哪些機遇和挑戰？

如果數據分析技術能將消費者洞察和預測分析這兩個數據源進行對接，並且能夠保持即時更新，那麼行銷的遊戲規則將會發生驚天動地的改變：消費者洞察和預測分析這兩個行銷最重要的領域，也將獲得前所未有的價值發掘。

那麼，行銷人員可以進一步了解消費者行為動向，例如:

◎什麼樣的即時優惠對某類消費者更有效？

◎基於此消費者的偏好，哪種網路頁面能産生更好的服務效果？

◎當一個潛在客戶填寫網頁表格後，跟他敲定一筆交易的可能性有多大？

◎在一天的特定時間段中，哪種促銷方式最有效？

◎當一個消費者被行銷活動覆蓋到後，他在六個月內購買的機會有多大？

在大數據時代，這些問題都可以找到答案。對於行銷這一原本就屬於數據驅動的領域，大數據提供了一個前所未有的機會，可用先前做不到的方式，來挖掘消費者行為洞察。

讓我們再觀察另一批資訊數據：官方網站登錄數據、社交媒體數據、郵件數據、地理位置數據…等。這些資訊源在幾年前可能並不存在，而這些就是“大數據”所指的非結構性或者叫做多元機構性數據，它們更多以文字、圖片、視頻等方式出現，而且這些數據來源還在不斷增加。

現在，如果將傳統數據收集和即時數據收集這兩個數據源進行對接，並且能夠保持實時更新，行銷的遊戲規則將會隨之而變：廠商將可更精準地預測和掌握消費者購買行為。

三、一些相關的大數據行銷案例

以下就幾個實例來跟大家分享目前《Big data》在行銷領域的應用：

（一）微軟公司對論壇、社交媒體上內容的監測應用

微軟公司也通過對論壇、社交媒體上內容的監測，來即時發現人們對微軟産品和行銷活動的反應。
2012年夏天微軟Window8發佈後，就同時採用了傳統數據收集(消費者滿意度調研)和即時數據收集(網路反饋資訊)的兩種手法，並將兩者産生的數據結合起來進行分析。尤其後者是以日為單位的市場資訊捕捉，能夠使微軟更快地對市場做出反應。

（二）IBM對原有行銷方式的再深入發掘價值
IBM的一個商業合作夥伴正在研究讓呼叫中心産生的所有對話轉換成文字，從而可以實現對這一行銷渠道的數據挖掘。
IBM新興技術項目總監Peter Waggett稱，如果能更深入挖掘數據，就能夠讓市場部門獲得之前沒有的消費者洞察、知道消費者對品牌的感受以及他們怎麼回應新産品，這會幫助許多公司找到商業問題解決方案。

（三）麥當勞對行銷策略進行更好地優化
麥當勞的部分門店已安裝了蒐集運營數據的裝置，用於跟蹤客戶互動、店內客流和預訂模式，此可讓研究人員可以對餐廳設計以及培訓等因素對勞動生産力和銷售額的影響進行建模。

另一些領先的零售企業也監控客戶的店內走動情況以及與商品的互動。它們將這些數據與交易記錄相結合來展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助某零售企業減少17%的存貨，同時在保持市場份額的前提下，增加了高利潤率自有品牌商品的比例。

（四）eBay根據消費者在網路上的表現來優化網站的體驗

比如eBay就做過數千次實驗來改變自己網站不同部分的架構，來確定最優的頁面效果和其他諸如導航、照片等功能的設置。

（五）Kraft食品公司基於數據挖掘的營銷

卡夫(Kraft)食品公司建立一個擁有3000萬客戶資料的資料庫，資料庫是通過收集對公司發出的優惠券等其他促銷手段作出積極反應的客戶所建立起來的銷售記錄。
卡夫公司通過數據挖掘瞭解特定客戶的興趣和口味，並以此為基礎向他們發送特定產品的優惠券，並為他們推薦符合客戶口味和健康狀況的卡夫產品食譜。

（六）Reader's Digest出版公司

美國的讀者文摘(Reader's Digest) 出版公司運行著一個積累了40年的業務資料庫，其中容納有遍佈全球的一億多個訂戶的資料，資料庫每天24小時連續運行，保證數據不斷得到實時的更新，正是基於對客戶資料資料庫進行數據挖掘的優勢，使讀者文摘出版公司能夠從通俗雜誌擴展到專業雜誌、書刊和聲像製品的出版和發行業務，極大地擴展了自己的業務。

（七）葛蘭素史克公司繪製出更完整的消費者行為描述，進行精準化行銷
英國葛蘭素史克GSK公司，近期就發起一個項目，獲取更完整的消費者資訊，從而獲得更加深入的消費者洞察。
他們通過鎖定那些談論過旗下子品牌的人們，並且追蹤他們在公開論壇上所談到的所有其他東西，包括網站瀏覽數據、社交數據和地理追蹤數據…等，來建立更完整的消費者行為描述，而這些外部數據會和行銷部門已有的數據進行整合，從而設定更為精準的優惠和促銷，吸引人們來到對應的子品牌網站。

（八）可進行更精細的消費者區隔化

這不是一個新鮮的概念，但是大數據時代中更多的數據，以及更好的分析工具，能夠使商家以多種不同的維度對消費者進行區隔，此不僅是簡單的劃分群體，而是真正做到個性化。

比如在原有的傳統市場調研數據和購物歷史數據之上，商家可以追蹤和利用更多數據如網路上的點擊、瀏覽記錄，來更精準地細分消費者。

例如，高端零售商Neiman Marcus就建立了行為分類體系和多級會員獎勵制度的體系，並將兩者結合起來，來激勵最富裕、最具長期價值的客戶來購買更多高利潤率的産品。

例如，零售商Williams Sonoma也將他們6000萬的顧客數據庫和其家庭資訊連結起來，通過了解這些家庭的收入、房屋價值和孩子數量…等對顧客進行精準劃分，其電子郵件行銷是根據不同消費者群體的行為方式和選擇偏好來設定的，而基於這些資訊分析後的電子郵件行銷所獲得的反饋數量，是之前沒有進行精準化的18倍。

想完成真正精準化的行銷，須掌握以下要素：包括精準的時間、地點、人物。
一個理想的案例是：當一個顧客進入店舖後，一個零售商搜索他們的數據庫，發現這位顧客是其希望留住的有價值顧客，之後他們通過將其過去的購物歷史和Facebook主頁獲得的這位顧客的資訊綜合起來，來了解需要花多少錢來留住他，從而確定所售賣物品的合適價格和零售商可以退讓的利潤空間，針對這一位顧客給出最佳的優惠策略和個性化的溝通方式。
因此，行銷者最大的機會是在恰當的時間、恰當的渠道，給一個潛在用戶或者老客戶，提供最合適的産品和服務。

四、大數據行銷面臨的難題：超越技術

實際上，當你啟動大數據行銷，你真正面臨的不僅僅是技術和工具問題，更重要的是要轉變組織架構和思維，來真正地挖掘那座數據金礦。

1.確定你的目標和標準。

再強調一遍，大數據的資源太豐富，如果你沒有明確的目標，你就算沒有走入迷途，至少會覺得非常迷茫。因此，首先，要定義你的價值數據標準，之後再使用那些能夠解決特定領域問題的工具。

所以，你必須先弄清楚你到底想從大數據中得到什麼，否則你將會花費大量的虛功來分析數據。因為你需要的是，能夠幫助解決問題的行為洞察，而不是試圖研究每一個能夠得到的資訊。
比如：分析你的消費者線上分享趨勢，對你的業務有幫助嗎？你的品牌體積是最重要的參數嗎？

2.建設技術人才。

擁抱大數據之前，首先團隊要到位。分析技能非常重要，你的行銷團隊要能夠非常自如地玩轉數據。
很多人認為社交媒體行銷人是個十分有趣的工作，其實只是個艱苦的工作。它非常注重數據、衡量標準和數據可視化等問題。

擁抱大數據要成功，首先要確保你的員工已經接受過技能培訓，了解如何最大化利用大數據的潛力。當然，回報也是非常豐厚的。

首先是要將原先創意人員和統計人員之間的藩籬打破，讓他們以同樣的節奏，就同一個問題一起合作，融合為一支隊伍，彼此學習。
然而，研究公司Gartner曾經提到過，使用大數據的必備能力，是和那些資訊技術行業中所需要的能力不同的，它更偏重框架的整合能力、提出正確問題和讓公司所有部分一起工作的能力。很明顯，你既需要統計人員，也需要創意人員，大數據是他們共有的天地。

3.解決碎片化問題。

企業啟動大數據行銷一個最重要的挑戰，是數據的碎片化。許多公司組織中，數據都散落在互不連通的數據庫中，而且相應的數據技術也都存在於不同部門中，如何將這些數據庫打通，並且實現技術共用，才是能夠最大化大數據價值的關鍵。

4.展現你的價值。

你只有能過展示數據帶來的價值你才能夠得到資源。行銷者需要利用衡量標準來建立他們的可信度。沒有這個，行銷將會被看做一個花錢中心。但是，當CMO們可以利用分析來將行銷動作和硬性標準如年利潤聯繫起來，他們就能建立自己的威信和贏得尊重，並在預算中佔得一席之地。

5.精確建立效果衡量標準。

正如前文所述，數據分析能力的提升給行銷帶來的前景十分誘人；但同時反應出的是，數據以及如何利用數據一直都是行銷圈中共同的難題，尤其在數字媒體興起之後。

首先面臨的是效果衡量標準，即使對於2011年宣佈全面轉向社交媒體的寶潔，這依然是個問題，因為社交媒體效果現在無法確切衡量，投入必然要謹慎。尤其要避免數字行銷效果只是數字展示，而不是效果分析。

而數據部門一個常見的問題是“失焦”。數據是用來解決問題的，如果你沒有目標的話，很容易走偏的。不要為數據挖掘而挖掘，為用戶分群而分群，不然你分完之後也不知道怎麼用，我們要知道的是，分群是否能夠解決你的問題，達到更好的效果。

另外，媒體的整合、受眾的精準，也都有賴於數據處理能力的提升來得到更好的答案；而在這些之外，我們可能會發現如何利用數據不只是個技術問題，而是理念以及公司架構等“軟性”層面的問題---是對數據的重視程度。