您使用的是較舊的瀏覽器版本。若要獲得最佳 MSN 體驗,請使用支援的版本

吳詣泓談大數據行銷

Cheers Cheers 2016/4/15 張志誠
© 由 Cheers 提供

大數據是利器,但前提是懂得善用。如何從海量資料中分析出有意義的關聯性,並將資訊傳遞給「對的人」,這才是挑戰。

如果你是服飾店老闆,每當顧客上門,怎麼判斷他們今天想買什麼?平均購買金額?該推薦哪款服飾?多半,你很難馬上給出有把握的答案。

換個場景,你想行銷你的服飾品牌,找來行銷公司提出客群報告,但當你問起投入的預算能帶來多少營收時,沒人敢打包票。

面對類似經營困境,大數據正是打開機會的鑰匙。「透過大數據強大的演算分析能力,企業將愈來愈了解消費者的購買需求,並即時傳遞最個人化的行銷訊息,」2014年被中國《富比世》雜誌評選為中國最具潛力中小企業第6位的Vpon威朋大數據集團執行長吳詣泓指出。

透過大數據的演算模型,能推演出個人消費者面貌,讓目標族群更具象化。大數據是利器,但前提是懂得善用。如何從海量資料中分析出有意義的關聯性,並將資訊傳遞給「對的人」,這才是挑戰。

只有了解大數據背後隱含的意義,才能在秒動的市場中抓住商機。至於該怎麼做?以下是他的建議。

324億美元:據市場研究公司IDC最新研究報告,大數據市場在2013~2017年的複合年增長率達到27%,增長速度是資通訊市場成長率的6倍;到2017年,大數據市場規模將達到324億美元。

401.6億美元:行銷調查公司eMarketer指出,2015年美國行動廣告支出成長50%,達到284.8億美元,預計2016年將達401.6億美元,表示大部份投入電腦網頁廣告的預算會移轉到手機廣告上。這也是大數據發揮效益的重要切入點。

72%:根據2016年全台企業IT趨勢大調查,許多企業對大數據很有興趣,但目前僅有28%企業已經導入大數據解決方案,高達72%企業還找不到大數據應用策略。不過仍有近8成的受訪企業,未來將導入大數據解決方案。

(接下頁)

從「產品找人」變「人找產品」

在網路時代,使用者集中在青少年到中壯年,上網時間和地點受限,點擊數據也有限,不容易看出數據背後的意義。但當智慧型手機普及,上網人口從小學生一舉橫跨到老年人,anytime, anywhere online(隨時隨地上網)變成生活的一部份,產生的數位資料就以倍數成長。這讓我們得以利用數據,進行使用者背景及生活型態分析。

例如,當手機用戶打開導航App,移動軌跡跟中山高速公路重疊,在基地台間移動的速度是時速100公里,透過電腦即時運算分析,我們可判斷他正在開車,這時候傳去任何行銷訊息都沒用,因為他不能打開閱讀。反之,如果手機打開的是遊戲App,透過遊戲種類和其他上網紀錄,我們能判斷這個用戶可能是駕駛的小孩,他就可能打開我們傳給他的遊戲App或行銷訊息。

利用這樣的分析,大數據不只能用來找出使用者對哪些內容感興趣,還能進一步讓使用者的生活型態活生生、並即時呈現在眼前。

過去引領行銷學半世紀的4P理論,將在未來幾年面臨嚴峻挑戰。從前的消費者購買決策流程沒有全面數位化,既然無法了解消費者購買決策的每個環節,只能想像這個產品可能要賣給某個形象的人,所以傳統行銷學是以「產品(product)→價格(price)→促銷(promotion)→通路(place)」,也就是「產品找人」的4P為四要素。

不過,以後的企業行銷將完全改觀。因為我們能從上億支手機、電腦、平板產生的海量數據中,淘篩出某位使用者某段時間的行為偏好。過去以「產品找人」的舊4P基礎將開始崩解,重組成由IT研究與顧問諮詢企業Gartner Research所提出的,以「人(people)」、「成效(performance)」、「步驟(process)」和「利潤(profit)」為主軸的「大數據行銷新4P」。

例如,某支手機(或電腦、平板)的使用者最近密集上網查詢咖啡豆、烘豆機、咖啡烘焙等資訊,平台的數據模型會研判這位使用者最近對咖啡有高度興趣。這時候平台傳送給使用者的行銷廣告,就不會是即溶咖啡和美式咖啡機,而是各種高品質咖啡豆、專業咖啡機、烘豆機的廣告。

也就是說,利用大數據,我們能提供符合使用者當下需要的產品資訊。這等於呼應了大數據時代「人找產品」的新4P行銷思維。

傳統做法常用性別、年齡、職業、收入、興趣來區隔市場及設定目標族群。大數據時代的新行銷思維則是,別管是男是女、是白領還是黑手,這些都不重要,重要的是,既然能透過網路偵測到他想購買某樣商品的動機或興趣,接下來就是設計一套能偵測、分析消費者在「最佳下單時間點」場景的電腦運算模型。

所謂「最佳下單時間點」,是指假設網路遊戲業者推出一款100MB的新遊戲,那麼習慣玩大型網路遊戲的用戶就會是目標族群。當系統偵測到用戶使用4G上網時,表示他可能還在外面移動,用4G下載100MB遊戲的機率很低;但當系統偵測到用戶每天晚上11點以後,都在某個定點連上WiFi(代表那應該是他家),這時候系統就會在晚上11點後持續投送新遊戲廣告給他,他點擊下載的機率就會更高。也就是說,運用大數據不僅能找到對的顧客,還能分析時間、地點,當對象和情境都對了,自然提高成交機率。

大數據不只運用在企業行銷上,香港旅遊業也運用大數據提振不同地區的觀光財。

到香港旅遊的中國旅客有旅遊團和一日遊散客,利用大數據分析發現,旅遊團一定會到尖沙咀、旺角、香港島旅遊,品牌商就在旅遊團出沒的地區投放大量廣告,有效吸引觀光客在附近實體店家消費。一日遊散客(包括大量到香港買貨回中國銷售的水貨客)則集中在上水、元朗、荃灣等通關邊境,自然聚集許多提供水貨客批貨的店家。

(接下頁)

有F1賽車,也得有選手及地圖

隨著大數據愈來愈熱門,很多企業都想導入大數據,或是想知道大數據能幫公司做什麼。其實,大數據的重點不在數據,而是如何將大數據轉換成有價值的商業資訊。

我常把大數據比喻為F1賽車,但光有F1賽車,卻沒有賽車手、也沒有路線圖,這台F1賽車哪兒都去不了。台灣企業面對大數據的困境,在於只想打造F1賽車,卻不知道如何培養賽車手和規劃路線圖。也就是說,有資料卻不知道怎樣轉化為有用的資訊,以及資訊沒有即時更新,那就變成死掉的資料。

例如,多數企業都有龐大的CRM資料(Customer Relationship Management,客戶關係管理),但這些CRM資料大多只有姓名、性別、年齡、電話、email、交易資料等,但有可能3、5年後客戶轉到對岸工作,企業的客戶資料卻沒有更新,這時候寄任何活動訊息都不會成交。這就是過於重視大數據的技術面,卻沒有由上而下審視各部門數據資料是否開放透明、彼此相容,以及統籌大數據團隊的管理權限和單位協調。

大數據團隊需要各路人馬

不可否認,數據分析人員是大數據人力需求的大宗,由數據分析人員組成的研發團隊需要負責資料蒐集、資料過濾處理,以及運算分析,也就是所謂的數據科學家。這類人在我們公司佔較高比例,他們每天都在大數據中檢索需要的統計資料,或是設計資料探勘系統、寫演算法和機器學習。

但研發團隊的成員也分兩類,第一類是從大量資料中,利用各種演算法去分析驗證哪些資料彼此有關;另一類則是他能設定假設性的題目,像是想像用戶的生活型態和消費情境,接著設計各種統計模型去驗證假設是否正確,以協助企業或客戶做出正確決策。

所以,具備基礎數理與資訊工程能力只是基本盤,有專業還不夠,因為我們在描繪消費者圖像時,需要有豐富的生活經驗、喜歡和人接觸,才能想像出消費者的特徵,再讓機器學習分析篩選相關設定,設計出消費者模型,逐漸收斂,並精確找出符合模型的消費者。

這就是為什麼我們的研發團隊中有心理、統計、物理、材料、資工等不同系所人才,我們需要的是smart的人,同時有開放心胸,願意跟不同領域的專才合作、溝通,不堅持己見,懂得尊重不同觀點。這樣的人不論在哪個領域,都會是大數據時代不可或缺的人才。

延伸閱讀:吳詣泓精選書單

1. 成長駭客:范冰著

未來十年最被需要的新型人才,用低成本的創意思考和分析技術,讓創業公司的用戶、流量與營收成長翻倍

2. 大數據玩行銷:陳傑豪著

改變世界的18個大數據新思維,第1本把大數據變營業額的行銷聖經

3. 大數據的關鍵思考:車品覺著

行動×多螢×碎片化時代的商業智慧

4. 大數據時代的致勝決策:2020年前最重要的6個關鍵策略

克里斯多夫.蘇達克(Christopher Surdak)著

5. 預測分析時代:艾瑞克.席格(Eric Siegel)著

讓數據告訴你,誰會買、誰說謊、誰會離職、誰會死!

6. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking

Foster Provost、Tom Fawcett著

【延伸閱讀】

猶豫不決,只是扯自己的後腿

加班,不是老闆說了算!

誰是「人才」? 20年職場3大觀察

FinTech大衝擊,人才轉型風險何在?

又見慣老闆,遊戲業大老發文反對員工追求福利

更多來自Cheers的文章

image beaconimage beaconimage beacon