巨量資料分析 零售商探尋業績致勝之鑰
- DIGITIMES企劃
-
有幾個傳頌於世的小故事，可以讓大家感受到巨量資料(Big Data)分析技術的威力，其中最讓人津津樂道者，即是美國第二大零售商Target「比父親還更早知道女兒懷孕」的案例；足以顯示，Big Data在零售業的應用空間與價值，確實相當廣闊。
事實上，零售業用巨量資料分析技術探知女性顧客懷孕之例，雖然教人嘖嘖稱奇，但也有人直覺不過是個行銷噱頭，並不認為Big Data真有如此神奇。
「假使顧客不願告知她已懷孕，零售業者如何知道？」業者剖析，探索此一大哉問的關鍵，其實就在於習慣，只因習慣是很難改變的，萬一真的出現變化，通常是基於某些重大事件所驅動而成；女性顧客一旦懷孕，初期猶未大腹便便，只要她不明講，外人未必可清楚知悉這一訊息，但是在她懷孕之後，其實有些消費習慣已經轉變，這些轉變的軌跡，即埋藏了事實的真相。
零售業者的資料分析團隊，能夠經由觀察過往大量懷孕顧客的消費數據，輔以反覆進行測試與實驗，據以打造相關預測模型，其中最重要的關鍵，乃在於乳液、無味香皂、洗手液、浴巾、凡士林、棉花球、鈣片、鋅或鎂營養補充品等20餘項商品的採購動機，與懷孕癥候具有莫大關聯。
假使有女性顧客，以往鮮少購買這些商品，但從某個時間點開始，竟然逐步採購相關品項，且購買的頻率、數量也漸次提高，則零售業者即可根據其分析模型，推導出該顧客已經懷孕，甚可一併推敲預產期。
當然，零售業者費盡心思建構這個懷孕預測模型，並不只是為了炫耀自己的巨量資料分析能力，有多麼神乎其技，最終目的仍在於創造商機；比方說，多數女性顧客在懷孕六個月時，通常會開始採買諸如孕婦裝、孕婦用維他命等新商品。
零售商若能適時提供精心設計的促銷廣告暨若干優惠兌換券，即有機會擄獲顧客的芳心，進而成為該零售商的忠實客戶，日後除了懷孕用品外，舉凡家電、日用品、食品、衛浴用品，甚至是寵物飼料等需求，都傾向透過該零售商一次購足。此一想像空間，無疑讓零售業者備感興奮。
善用巨量資料 帶動銷售績效走揚
有研究機構提出報告，美國零售業者一旦善用巨量資料分析技術，將可望提升60%以上的毛利，另對於每年生產力的提升，也可望產生0.5%~1%貢獻度，堪稱是顯而易見的效益所在。
此外亦有調查報告指出，有35%的行銷人員認為，依據巨量資料分析技術所推動的個人化行銷，可讓消費者更加有所感觸與感動，而針對巨量資料分析展開投資的企業，其ROI比起尚未投資的企業，平均高出至少3成。
於是乎，現今有關消費行為的研究，因而躍為炙手可熱的主題。只不過，意欲理解消費者的行為與習慣，甚至挖掘連消費者都不自覺的深層購物意識，那麼從會員的歷史採購紀錄、抑或POS資料來著手，固然是不錯的切入點，但肯定有所不足，所以必須大量彙集諸如社群、問卷、地圖圖資、政府Open Data、氣象等形形色色數據，甚至加入其他企業所擁有的會員資料，將之統整為資料集(Data Set)，接著帶入演算法分析，始可更加了解消費者，順道產出更為精準的銷售策略。
綜上所述，關於資料的蒐集與分析能力，對於零售業者而言，顯然愈來愈重要，亟需建立巨量資料分析團隊，藉由他們對於分析演算法、乃至產業知識的嫻熟掌握，以探知每一位消費者(不只是懷孕顧客)的習慣模式，並探索這些習慣模式，究竟如何影響消費者的日常活動。
洞察消費行為 挖掘豐盛金礦
如前所述，習慣很難改變，萬一真的改變，通常是基於某些重大事件所驅動，生兒育女是一例，其餘包括畢業、結婚、離婚、搬家、就業等，都是值得運用巨量資料技術善加分析的好命題，在此之中，舉凡年齡、性別、喜好、學歷等特徵數據，都顯得相當重要。
舉例來說，有零售業者經過研究分析後發現，假設某位女性顧客習慣購買A品牌咖啡，然而當她結婚之後，有很大機率會改買B、C、D等其他品牌的咖啡商品，爾後萬一不幸離婚，屆時的消費傾向又將有所轉變；而巨量資料分析人員或資料科學家的責任，就是設法找出相關的演變脈絡，整理成為預測模型，當這些模型愈多也愈精準，便意謂該零售業者所擁的金礦更加豐厚。
問題來了，一般來說，巨量資料通常涵蓋4個V，意即Volume(量)、Velocity(速度)、Variety(多樣性)、Veracity(真實性)，看來很清楚，但裡頭著實蘊含了極深的大學問，既要立即且快速蒐集大量數據，又需要講求採樣資料與格式的多元性，繼而精準賦予資料特性，以期建立巨量資料來源的可信性；要做到這些事情，真的並不容易，絕對不是買幾套軟體或硬體產品，便能蹴手可幾。
姑且不論台灣零售業者做不做得到，但綜觀國際知名的大型業者，其實現巨量資料所需4V特質的手段，仍有值得借鏡之處。這些業者要做Big Data，並非關起門來獨自硬幹，而懂得借助協同合作的力量，透過SDK或API的提供，集結眾家夥伴之力量，共同蒐集大量資料。
此類做法的背後動機，其實並不難理解，因為全球巨量資料彷若無邊無際的大海，單憑一己之力，僅能彙集到大海中的渺小沙礫，產生有限度的分析應用價值，然而一旦集合眾人力量，分享彼此的巨量資料蒐集成果，原本一個個渺小沙礫，便可迅速累積成為大沙堡，致使分析應用價值急遽攀升。
此一開放平台思維，相當值得台灣業者學習；因此如同資策會等專業機構，近期在研討巨量資料分析主題時，都開始鏈結「API經濟」議題，其道理便在於此。然而，巨量資料分析加上API經濟，不過是零售業勝利方程式的兩大組成要素，尚獨缺一角，便是物聯網(IoT)。
或許有人納悶，工業氣息如此濃厚的物聯網，與智慧零售主題有何關聯？道理其實很簡單，檢視物聯網箇中要素，無非就是感測、連網再加上應用，而其中的「感測」，就是讓一個個Small Data匯聚為Big Data，進而延展為高值化應用的關鍵觸媒；而零售商場一旦於出入口或重要動線加裝IP攝影機，再搭配運用人臉辨識技術，據以推動人流分析，其所採用之IP攝影機、人臉辨識技術，便等同於物聯網架構當中的感測裝置。
倘若零售業者能善加併用巨量資料分析、物聯網等不同技術，即可巧妙擦撞出許多創意火苗，透過一些看似不起眼、卻饒富價值的小動作，帶動銷售績效的顯著上揚。舉例而言，假使某業者藉由人流分析，並搭配巨量資料技術，推導出某時段主要顧客人流的消費慣性，便可隨時調整廣播促銷內容，有效帶動買氣，例如選擇在週六下午3？5點大量男性中學生顧客群聚之時，開始促銷電玩，便可望一擊中的。
相反的，零售業者也可根據上述分析結果，避免做出一些無意義的促銷動作。沿用男性中學生顧客之例，這些客戶於週一到週五白天時段，都在學校上課，因此在這段期間，零售業者即無需進行廣播電玩促銷，反而應當根據家庭主婦等其餘目標客戶群的消費需求，設計更具效益的促銷方案。
