巨量資料分析 零售商探尋業績致勝之鑰 智慧應用 影音

巨量資料分析 零售商探尋業績致勝之鑰

  • DIGITIMES企劃

結合物聯網(人流分析)、巨量資料,乃至SDK或API等不同技術元素,可望協助零售商不斷催生極具效益的促銷方案,藉此提高顧客忠誠度。來源:NYP Holdings
結合物聯網(人流分析)、巨量資料,乃至SDK或API等不同技術元素,可望協助零售商不斷催生極具效益的促銷方案,藉此提高顧客忠誠度。來源:NYP Holdings

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。