新零售如何利用大数据平台掘金3种应用场景

这对营销人员来说一直是个难解的问题,特别是在信息爆炸的今天,在没有办法精准掌握沟通对象的时候,对品牌来说已经不只是行销预算浪费的问题,更严重的是错误投放的另一半无效广告预算,正砲火猛烈地轰炸著一群此刻不应该被打扰的顾客们。

利用大数据,在零售业继续挖金

对顾客随机沟通的背后,反映出零售业长久以来所仰赖的经验法则,中间有太多臆测与猜疑的成分,所以零售产业的行销人员日以继夜忙碌工作的真相,其实是不断地在修补被品牌过度行销后与消费者之间的紧张关系。面对市场的快速多变,数据成为零售通路业者了解客户样貌的关键,随著我们对顾客动态数据掌握能力的提升,此刻已经有能力透过预测模型掌握顾客回购的敏感时机点,抓准时机让顾客再次上门,确实掌握左右零售商战的决胜关键因素。

大数据分析预测软件公司以特有的演算预测模型在大数据行销市场扮演著趋势领袖角色,近来以“零售科学”的创新商业模式重新定义零售业竞争规则,协助品牌与零售产业客户从传统的产品导向思维转向以顾客为核心的商业策略主轴,对于大数据如何帮助零售品牌玩出行销创新,有一番突破式的创新见解。

大数据玩行销创新 1

数据融合、以人为中心—看清消费者轮廓

对零售品牌企业的行销人来说,最常关注的数据可能只有从POS机得来的销售数据,大多的零售促销计划都仰赖过去的销售数字来做事前规划及事后检视,有时候多加一点资深行销人的经验做些微调;这样经验驱动的行销决策看似煞有其事,说穿了只是因为没有其他能够参考的指标,在整个环节中也一点都没有将消费者考虑进去,如此的决策背后隐含著许多不确定性,既不科学也无标准可循,反而让行销失准,造成不必要的浪费。透过数据驱动的数据分析却能有效降低这种不确定性,透过物联网设备搜集现场人流信息,再将POS交易数据、物联网传感设备所搜集到的现场人流、以及像是天气、开放数据整合在一起,套入自行研发的数据分析演算模型,经由系统的自动优化与机器学习能力,从各种不同面向进行数据分析,就能确实看清消费者样貌,掌握消费者的动态喜好,甚至能透过数据为零售业者建立特定领域的消费者全景,提供例如消费者下次购买时间、某产品下次被买走的时间、消费者下次进入实体通路的时间等的预测信息,从“随客而变”做到“先客而变”。

这样的技术已成功应用到运动产业,为提供给消费者更好的服务,知名国际运动品牌在旗舰店及一般门市安装了热点人流侦测装置,收集了店里店外的人流数据后进行分析,结合交易数据交互比对之后,发现一些惊人的现象。以前品牌商根本不知道消费者在每一个柜位停留的时间与频率,但在导入物联网传感设备与数据分析模型后,成功地搜集到消费者在门市的信息,像是每一个柜位驻足停留的消费者人数…等,结合该柜位所摆放的产品与销售数据,就能知道店内哪一区的坪效/业绩最好,另外,根据这些信息调整店内的人力配置、动线设计与产品陈列,让消费者能够更快地找到想要的产品,成功体现透过数据做到以人为中心的全景行销,有效提升成交率。

利用大数据,在零售业继续挖金

大数据玩行销创新 2

抓对时间,让顾客”再买一次”缔造惊人回购比

但零售业掌握以人为中心的全景就够了吗?其实”人”充满了许多变量,这些变量中其实只要掌握最关键的”时机”,就能以简驭繁,创造更大利润。许多企业对于开发新顾客非常热衷,几乎所有行销活动都是针对招揽更多新顾客上门而量身打造,虽然在开拓新客上有一定成效,但是这样的行销模式往往却忽略”时间”这个影响人的关键因素,只要掌握消费者的动态,就能在对的时间让既有顾客乖乖上门,让快流失的旧客再回来购买一次,在营收上产生不小的贡献。

有个同时经营便利商店、超市以及百货购物中心的大型连锁零售品牌投入数据采集及研究已有一段时日,旗下拥有超过七百万的有效会员,内部设置有会员数据分析部门,长期搜集并维护会员的主档并记录完整的会员交易数据,该品牌每波档期活动的沟通转换率都稳定的维持在40%-45%(当波活动会员回购人数/当波活动沟通会员人数),对比其他同类型竞争品牌动辄只有7%-10%的活动回应率已算有相当惊人的成效。但这个转换率仿佛触及到成长瓶颈,随著竞品不断地投入市场竞争抢分消费市场,该品牌已经有一段时间找不到更好的变项或是新参数可以突破自己设下的成效门槛,促使分析团队开始尝试寻求更有效的数据导入方案。

在两个星期的数据准备期间,根据NPT(Next Purchase Time)模型需求导入了顾客数据、顾客交易数据两大类数据,双边团队决定要以该品牌关键档期活动来验收新模型的预测成效,为比对出品牌传统模型与NPT模型的差异,决定让双边团队用各自的预测模型挑选等量的沟通会员名单,统一交由行销单位在相同时间、透过同样的沟通工具传递相同的活动讯息,看看经过11天的活动走期后,两份名单的转换率是否有显著的差异;档期活动刚结束一周,NPT模型所预测的回购率就已经超越了40%,最终,NPT模型在整体转换率上缴出了一张86.1%转换率的亮眼成绩单,在销售贡献度上,更高出品牌传统预测模型近9,000万元新台币的营业额。

这个结果表示转换成效能有效的突破品牌自己设定的成长障碍,创造历史新高的转换记录;NPT预测模型已经在许多零售产业的品牌中复制并取得稳定的成功,这同时也让零售行销业界重新思考过去传统属性标签的价值,除了透过这样简单的概念以简驭繁之外,也让品牌开始重新正视”时机”这个长久以来被低估的行销预测变项。

利用大数据,在零售业继续挖金

零售科学:用大数据翻转行销创新

零售业是一个拥有历史脉络的产业,面对消费者剧烈变动的今天,零售业正面临一个前所未有的世代冲击与竞争挑战,基于大数据行销所发展的零售科学架构,透过数据科学建立零售业与消费者之间更好的沟通默契,”零售科学”将结合零售业自有数据、物联网(IoT)数据以及开放数据,打造出属于零售业的全景视野,倾听消费者真实的需求与声音,用以创造更个性化、更贴心的消费者零售服务体验。

利用大数据,在零售业继续挖金

大数据已经成为零售业创造新价值的决胜点,在这个关键时刻,零售业者不能再思考要不要导入数据分析,而是该思考如何以人为中心,透过数据采集与分析,看见顾客全景样貌,时时刻刻掌握顾客需求与偏好的变化,抢在对的时机沟通,才能成功的在未来的商务世界里用大数据玩出一席之地。

推荐文章

沪公网安备 31010702002009号