科技新聞

【大數據玩行銷】看 MIGO 執行長陳傑豪,如何把大數據變營業額!

推薦

【大數據玩行銷】看 MIGO 執行長陳傑豪,如何把大數據變營業額!
Photo credit:r2hox

近來行銷產業掀起一股大數據風潮,放眼望去,每間代理商或公司都嚷著自己擁有提供相關服務的能力,能幫助品牌做更精準的行銷,甚至進一步預測消費者的下一步。

但說起大數據,絕對不能不提曾在 Siebel 待過,出身工程師的 MIGO 執行長陳傑豪。他在 2010 年遇見 MIGO 當時的董事長林一峰,從此帶著 MIGO 從 eDM 和行銷追蹤(Tracking)服務的團隊,轉型成為提供企業專業數據決策行銷與 Data CRM 顧問服務的領導品牌。

到底對於大數據行銷,陳傑豪有什麼獨到的見解和看法?他又如何融合兩種專業於一身,一起來看看。

【大數據玩行銷】看 MIGO 執行長陳傑豪,如何把大數據變營業額!

以下內文摘自《大數據玩行銷:改變世界的18個大數據新思維,第1本把大數據變營業額的行銷聖經》Part 1 第一節〈勝負不在數據,觀點才能決定一切〉,Inside 獲 MIGO 授權刊登。

大數據成為大熱門,許多企業爭先恐後地蒐集數據,聘請大批人員建立各種演算、統計模型,將數字弄得漂漂亮亮,以為就是大數據的贏家了。

事實上,在大數據的世界裡,決勝負的關鍵,並非只是依靠運算能力或統計技術,真正判定數據贏家的,其實是詮釋問題的角度與觀點。

觀點決定數據切入的角度,讓我們能夠準確地針對問題核心深度挖掘,然後才有條件建立有價值的預測模型。換言之,大數據的競爭,比得是誰的觀點最犀利、判斷最快、預測最準。

很多人都很好奇,我當初是怎麼樣建立和阿里巴巴之間的合作關係?一來是我怎麼在阿里巴巴這樣龐大的事業服務版圖中,找到合作切入點;二來,我和阿里巴巴簽署的是「大數據應用合作夥伴」合約,我們怎麼面對一個電子商務集團背後,超過 1000 個大數據科學家的商業智能(Business Intelligence,BI)團隊。

我常半開玩笑地回答:「愚者千慮必有一得」,我們不敢說自己是最聰明的團隊,但我們確實做到不斷地挖掘問題核心。

不是用一個龐大的計畫去解決所有的問題,相反地,我們選擇每次只專注把一個問題給答好,然後選定一個觀點快速切入,形成解決方案。

以阿里巴巴為例,我們觀察到他們此刻遇到的困境是,網路店家仍不斷增加,但是整體流量卻已屆頂峰,阿里巴巴擁有全中國 80% 以上的線上交易量。因此,向上提升的成長空間有限。流量增速放緩甚或停滯,但是網路店家卻有增無減,廣告效益投資報酬率(Return On Investment, ROI)自然而然隨之大幅下降。網路店家們也開始發現這個現象,同樣是花 1000 元行銷預算買流量,成效卻遠不及過去的一半。

如何解決阿里巴巴與網路店家所面臨的困境?光用一些傳統周邊的解決辦法,像是增加行銷廣告強度、或是發展更多的廣告創意等,沒辦法真正命中問題核心。

我們團隊不斷地追根究柢,就是要挖掘出深藏在表象之下的核心問題,研發人員走出實驗室到客戶端,觀察他們的行銷操作、訪談不同產業遇到的共同問題。最後,終於找出店家最迫切需要的其實是「精準」;但不是那種傳統基於平均值邏輯下的「精準分群」,而是可以具備時間敏感度、個人差異化的「全個性化」精準標籤。

廣告曝光不是大而廣,算出顧客DNA,精準投放

對於在阿里巴巴經營網店的品牌主來說,網路店家不斷地增加,愈來愈多的網店在瓜分原本就有限的流量,但是對於大部分新創業或是自有品牌的網店主來說,廣告投放其實是一把兩面刃,一方面當然希望可以透過廣告招攬大把的新顧客,不過同時也擔心如果沒有拿捏好投放的規模與策略,有時候可能拉新(招募新客)效果不佳、或是招來了一堆只為了促銷活動而來的一次客,卻沒有長期經營的忠誠度,這些擔心,讓很多店家對於投放廣告這件事情變得保守而裹足不前。

阿里巴巴決心找回淘寶網的廣告效益及他們的信心,因此持續從阿里巴巴大數據中挖掘能提升效益的可能性,分析所有會員的背景資料、商品偏好,挑選出適合投放廣告的標籤名單,但人的行為有無數的變化,為了提供淘寶商家找到他們所需的名單,截至目前,已經從龐大數據中產出近1000組不同的標籤,但成效問題還是只解決了一半⋯⋯。

為什麼擁有大數據還不夠呢?這是因為標籤的挑選,仍然是行銷人根據過往經驗,半推測半猜測的決策,加上近 1000 組的標籤,就如同走進數據迷霧森林般,常常令人迷失其中。

因此在運用大數據前,要做的第一步絕對是找出觀點,定調問題,就阿里巴巴的廣告效益來看,有非常多的人為因素會影響,廣告創意、產品內容等,而我們要做的,就是消除人為影響並提升精準度,而非無止盡地把大數據的結果都挖出來。

最終,我們將解決辦法收斂至顧客的交易行為,專注於完成演算模型研發,進行實際顧客使用測試,藉由數據演算出的交易 DNA 數據來投放廣告,真正實現數據決策的優勢價值。

數據愈複雜,解釋愈簡單,三個指標看營收方程式

大數據就像浩瀚無邊的大海,任意縱身跳入,若沒有一個中心思想,沒有觀點,往往容易迷失於數據汪洋中。隨著數據不斷成長,企業報表往往動輒上千張,面對大數據,有人追求數據愈大愈好、報表愈多愈好;我們則主張,要化繁為簡,以簡馭繁,亦即「減法原則」。

著名的奧卡姆剃刀(Occam's Razor)原理主張,當兩個假說具有完全相同的解釋力和預測力時,應該使用較簡單的那個。

對於現象最簡單的解釋,往往比較複雜的解釋更正確。

愈複雜的數據,愈需要減法,面對複雜的數據問題,我們認為萬法歸一,均應回歸到營收,即企業獲利是否獲得提升。

對於營收,我們提出一個精簡的觀點,即營收方程式:營收(revenue)=有效顧客數 X 顧客活躍度 X 客單價

這個方程式雖然看來簡單,但卻是我們一直期待和客戶溝通分享的概念。當我們沒有真正認清營運核心問題,往往會不切實際地描述並放大眼前遭遇到的挑戰,然後急著在一堆數據裡面翻找,產出一張又一張的報表,試圖透過這些報表來降低內心的焦慮感。

但事實上,如果管理者能夠認清營收背後的干擾變項,就能靜下心,有目標和策略地蒐集必要的關鍵數據,然後依循一定的邏輯來制定各種改善方案,並透過數據的實時(real time)變化來做即時的優化調整。

老奶奶會不會買鋼彈模型?找顧客不看人口屬性,看行為標籤

從營收方程式來看,在大數據時代,是以「人」為核心,而不是以「產品」為主軸。人有所謂的異質性跟變動性,傳統行銷往往偏重處理異質性的問題,根據人口統計學的屬性特徵,如性別、年齡、居住地、收入等為標籤,進行分類分群。

舉例來說,鋼彈模型的消費族群一般以為是男性,如果今天一位80歲的老奶奶,她所有的行為和預測,都指向她會購買,儘管她不在傳統分類的行銷溝通族群裡,那為何不能將鋼彈模型的相關行銷訊息傳遞給她呢?

依據傳統的人口屬性標籤,她將被排除在外,面對這樣的數據偏誤,我們則提出不同的標籤觀點── NES 模型。NES完全不在乎年齡、性別等傳統人口統計特徵,而是根據消費者具體的購買行為,將消費者分為三種,一是首次購買的新顧客 N(New Customer),二是支撐主要營收來源的既有顧客 E(Existing Customer,主力顧客 E0 +瞌睡顧客 S1 +半睡顧客 S2),以及三是沉睡顧客 S(Sleeping Customer)。

透過 NES 標籤,企業可以清楚掌握顧客的回購潛力與現況。無論他幾歲、職業、性別、收入、興趣、屬於哪個族群,重點是只要他反映出他要買鋼彈模型的動機,只要他願意成為鋼彈模型的消費者,就應該服務他,即使他是女性,一位 80 歲的老奶奶。(詳見下方圖表: 從 N-E-S 看顧客消費狀態變化)。

【大數據玩行銷】看 MIGO 執行長陳傑豪,如何把大數據變營業額!
不在迷霧森林裡打轉,大數據,觀點決定方向

目前的商業競爭法則是大者恆大,規模、資金優勢,一旦領先,其他競爭者完全無翻身機會。但是未來大數據的競爭,較勁的是觀點,觀點錯誤,運算、統計能力再強大,只會南轅北轍,永遠都到不了目的地。

過往的顧問經驗告訴我們,大部分的企業在沒有觀點的情況下,就像在迷霧森林中漫無目的奔跑,因為沒有方向也沒有目標,往往跑得筋疲力竭卻只是在原地打轉。觀點的價值在於,讓分析人員或是決策主管冷靜下來思考,看清楚環境的現況以及自身的裝備與條件,謀定而後動。有時候我們會驚覺要走出這團迷霧,原來只差一步的距離!

數據之前人人平等,大數據比的是點子,不是銀子,未來贏家需要的是數據洞察力,如果我們知道準確的方向,也知道距離終點線原來只需要一步的距離,就能贏得比賽,那我們就不必大費周章地投資人力、資源和時間,去打造新幹線或是頂級超跑,我們需要的只是一個精準轉身,然後輕鬆地跨出關鍵致勝的這一步。

總之,大數據的競爭法則是觀點取勝,大數據時代商業競爭中,老二不會永遠是老二,小蝦米也可以有機會扳倒大鯨魚。只要你的數據觀點夠犀利、夠深入到核心問題,而且又具備眼到手到的超強執行力,人人都有機會成為未來的數據贏家。

想知道更多有關大數據玩行銷的撇步,可由此購買。

你可能喜歡的文章