本文出自

體驗出商機

體驗出商機

2011年12月號

當顧客的「先知」

Know What Your Customers Want Before They Do
湯瑪斯.戴文波特 Thomas H. Davenport , 林卓.達勒.穆爾 Leandro Dalle Mule , 約翰.路克 John Lucker
瀏覽人數:17453
  • 文章摘要
  • "當顧客的「先知」"

  • 字放大
  • 授課文章購買
    購買〈當顧客的「先知」〉文章
  • 個人收藏購買
    購買〈當顧客的「先知」〉PDF檔
    下載點數 10
零售商要在適當的時候,以適當的優惠鎖定顧客。要實施「下一個精選優惠」策略,必須包含四個步驟:界定目標;收集你的顧客和產品資料、顧客購物時的背景資料;設計和執行優惠措施的商業規則;最後,要應用學到的經驗教訓。

過去,消費者往往會仰賴熟悉 的銷售人員,來協助找到自 己想要的東西,像是街坊商 店的老闆。而這位銷售員會根據對顧客的了解,或是很快 就可以從顧客身上推斷出來的事情,找出最適合顧客的產品,而且通常會一併推薦顧客連想都沒想到的其他產品。 這是很奇特的情況。如今,消費者受到資訊和各種選項的 疲勞轟炸,注意力分散,通常很難找到最符合本身需求的 產品或服務。許多零售點的現場服務人員不足,又欠缺資訊,無法提供消費者過去仰賴的那種貼身服務,而且消費者在線上購物時,主要仍是仰賴自己進行選購。

這種令人遺憾的情況正在改變。資訊科技的進展、資料收集和分析,能提供類似、或甚至比店家老闆建議更好的意見。運用日益精細的資料,從詳細的人口統計資料和消費心態資料,到消費者在網路上的點擊串流(clickstream),企業開始供應高度量身訂做的品項,在適當的通路,以適當的價格,適時引導消費者購買「適當的」商品或服務, 這些就稱為「下一個精選優惠」(next best offer, NBO)。

想想微軟(Microsoft)以搜尋引擎「繽紛搜尋」(Bing)在電子郵件產品上獲得成功的例子:那些電子郵件是專門針對開啟郵件的收件者,在0.2秒內(收件者察覺不到的遲滯時間),進階分析軟體會根據收件者相關的即時資訊,組合出一項產品提供給那位收件者。分析的資料包括地點、年齡、性別、過去及剛才進行的線上活動,還有其他顧客的最新回應。這些廣告已將轉換率(conversion rate,訪客轉換為顧客的比率)提高多達70%,遠高於類似但並非量身訂做的行銷行動。

四大步驟

製作「下一個精選優惠」的科技和策略仍在發展中,但等著要運用的企業,會看到自己的顧客開始變節,投奔率先運用這項技術的競爭對手。微軟只是其中一個例子;其他公司也顯示了製作良好的「下一個精選優惠」商業潛力。不過,我們研究了數十家零售、軟體、金融服務等公司的「下一個精選優惠」策略,並訪問了15家先進公司的高階主管,結果發現,即使有公司製作了「下一個精選優惠」,做法通常都很拙劣。大部分都沒有針對不同顧客提供不同選擇,或是目標對象錯誤,例如,對已購買該產品的顧客行銷。某家零售銀行發現,它的「下一個精選優惠」可能會造成反面效果,而非增加銷售。

企業可運用顧客分析來追求眾多良好的目標,但就潛在投資報酬率(ROI)和提升競爭力來說,「下一個精選優惠」計畫可能提供最大的價值。在本文中,我們提供製作「下一個精選優惠」的架構,你或許無法立即採行所有的步驟,但到了某個時點,你一定要在每一項步驟上有所進展,才能改進你供應的產品。

步驟1:界定目標

許多組織在「下一個精選優惠」計畫中失敗,不是因為他們缺乏分析能力,而是因為他們缺乏清楚的目標。所以頭一個問題是,你想達成什麼?增加營收?提高顧客忠誠度?更大的荷包占有率?得到新顧客?

英國零售商特易購(Tesco)將「下一個精選優惠」策略的焦點,集中在增加對常客的銷售,並透過忠誠顧客卡計畫(Clubcard program)提供對象明確的優惠券,來加強忠誠度。如同羅藍.洛斯特(Roland Rust)和同僚在〈以客之名拚行銷〉(Rethinking Marketing, HBR, January-February 2010,繁體中文版於2010年2月號刊出)一文中所說的,特易購使用忠誠顧客卡,來追蹤顧客造訪哪些分店、購買哪些產品,以及付款的方式。這讓特易購能針對地方品味調整商品,透過從量販店到社區商店的各種分店形式,在個人層級量身定做供應產品。例如,首次在特易購購買紙尿布的忠誠顧客卡會員,不只會收到濕紙巾和玩具的優惠券,也會收到啤酒優惠券(資料分析顯示,新手父親往往會買更多啤酒,因為他們花在夜店的時間減少了)。最近,特易購嘗試推出「快閃銷售」(flash sales) 提供的優惠,是特定忠誠顧客卡優惠券優惠價值的三倍,實質上,使特定顧客得到更好得多的專屬優惠。倒數計時的機制,顯示活動時間有多快結束,或是產品有多快銷售一空,製造了緊張氣氛,並促使顧客採取行動。其中有些減價商品,在九十分鐘內就賣完了。

特易購的「下一個精選優惠」策略,尋求擴充顧客購買的商品範圍,但它也針對常客經常購買的產品推出特惠價,來鎖定這類顧客。由於精心擬定,並以創意執行特惠活動,特易購及內部顧問公司dunnhumby達成8%到14%的轉換率,遠高於食品雜貨業其他公司常見的1%或2%。微軟對Bing搜尋引擎的「下一個精選優惠」,有一套完全不同的目標:讓新顧客嘗試這項服務,將Bing下載到他們的智慧型手機,在瀏覽器中安裝Bing搜尋列,並讓它成為他們預設的搜尋引擎。

從一個清楚的目標開始著手,是重點所在, 而在必要時能靈活修改,也很重要。低價DVD光碟租賃公司Redbox最初提供電子郵件和網路優惠券網站優惠,讓消費者熟悉它的租片機台。Redbox租片機台是一個新的零售概念,但經過一段時間後,人們開始習慣自動化的租片服務。隨著業務成長,公司的高階主管了解,若要增加利潤,同時維持低價模式,一定要說服顧客,每次到店裡都要多租些片子。因此,他們開始將策略重點從吸引新顧客,改成對多重租片提供折扣優惠。

本文觀念精粹

透過適當的管道,在適當的時候,以徹底量身定做的產品鎖定顧客,是行銷的精髓。企業如能加強掌握和分析高度精細的顧客資料,就可提供這種優惠產品,只可惜大部分企業即使有採取類似的做法,也做得很拙劣。

要使「下一個精選優惠」臻於完美,必須包含四個步驟:界定目標;收集你的顧客和產品資料、顧客購物時的背景資料;設計和執行優惠措施的商業規則;最後,要應用學到的經驗教訓。

要同時完成所有四個步驟很困難,但每個步驟的進展,都是競爭力的要素。隨著能掌握的資料量擴大,以及互動的管道數目迅速增加,未能快速改進優惠做法的企業,只會進一步落於人後。

步驟2:收集資料

為建立有效的「下一個精選優惠」,你必須收集和整合關於顧客、產品,以及購買背景環境的詳細資料。

了解顧客

對調整策略具有價值的資訊,可能相當基本,而且容易取得,像是年齡、性別、子女數、居住地址、收入或資產、消費心態、生活方式和行為資料。先前的購買情況,通常是讓人知道顧客接下來會買什麼產品的最佳指引,但那項資訊可能較難以掌握,特別是如果顧客是透過網路以外的管道購買。像特易購那種忠誠顧客卡計畫,對追蹤消費者購買形態,可能是有力的工具。

雖然有些企業仍努力(而且有時拚命)取得這些熟悉的顧客資料類型,但愈來愈容易取得的社交、行動和地點(SoMoLo)資訊,卻創造了有待探勘挖掘的重大新資料集。企業開始根據顧客在任何特定時候身處的地點、他的社群媒體貼文透露出他有興趣的事物,甚至他朋友在線上消費或討論的內容,來擬定優惠產品。

其中一個例子,是社群網路服務平台Foursquare, 它根據消費者「登入」某個特定零售商店的次數,量身定做優惠商品。另一個例子是沃爾瑪(Walmart),它收購社群媒體科技新創公司Kosmix,納入新成立的數位策略單位@WalmartLabs,以便把消費者SoMoLo資料,運用在它的優惠商品上。該單位的專案,是根據買家的社群媒體興趣,找出預測買家在Walmart.com上購買情況的方式。沃爾瑪也深入研究以地點為主的技術,以便協助顧客在偌大的店裡尋找產品。服飾零售商H&M和線上遊戲MyTown合作,收集和使用關於顧客所在地點的資訊。如果潛在顧客是在H&M分店附近,以行動裝置玩遊戲和登入,H&M會用虛擬服裝和點數來獎勵他們;如果他們是在店裡察看促銷產品,就可以參加抽獎活動。初期結果顯示,七十萬位線上登入的顧客中,有三十萬位進店裡察看一件商品。

許多零售商專注在如何即時運用顧客的地點資訊;顧客到過哪裡,也會透露許多跟他們有關的事。光是在美國,行動裝置每天將大約六千億筆標記地理空間的資料,傳回電信服務供應商。感應網路(Sense Networks)軟體分析公司開發的一項應用程式,可將某位消費者的動向,和其他人相關動向及特性的數十億個資料點做比較,該公司使用這項地點歷史資料,就能估計這位消費者的年齡、旅遊方式、財力、下一個可能前往的地點等。這些資料顯然有助於建立高度量身訂做的「下一個精選優惠」。

「下一個精選優惠」要素

「下一個精選優惠」逐漸用來指專為顧客量身規畫的優惠方案,規畫時參考的資料包括:

• 消費者特性、行為(人口統計資料和購物史)

• 購買背景環境(實體店面、線上)

• 產品或服務性質(鞋款、抵押貸款類型)

• 組織的策略目標(增加銷售、建立顧客忠誠度)

「下一個精選優惠」最常用來激勵買氣、推動忠誠度,或是兩者兼具。方案內容可能包含:

• 產品(一張紙尿布優惠券)

• 服務(一張spa水療折扣券)

• 資訊(供人點選的Google廣告)

• 關係(LinkedIn和臉書〔Facebook〕推薦)

儘管名稱上說「下一個」,但「下一個精選優惠」其實可能是與顧客的初步接觸方案。此外,不論顧客關係是新建立或持續進行,「下一個精選優惠」的內容都必須真的是「精選優惠」。

了解你的產品

除非公司對自己的產品或服務備有詳細資訊,否則很難判斷哪些產品可能最吸引某位顧客。以電影之類的產品而言,第三方資料庫提供產品特性,租售影片的公司可能會推測,如果你喜歡特定演員或情節類型的電影,可能會喜歡另一部電影。但在其他零售產業,例如,服飾和食品雜貨業,彙編產品特性就困難得多。例如,同一件毛衣,有的製造商可能會把它歸類為「時尚前衛」,有的製造商則可能歸類為「傳統」,甚至不會有清楚和標準化的顏色類別,因此,零售商必須花費大量時間和工夫,自行掌握產品屬性。捷步公司(Zappos)有三個部門負責充分利用顧客搜尋鞋類的資料,為自家的鞋子設計最具效益的優惠方案。即使特性的範圍縮小到產品類型、風格、顏色、品牌和價格,一隻鞋還是可能有超過四十種材質樣式,像是珠光、縫綴、卵石花紋、細直條紋、變形蟲圖案、圓點、格子圖案,在此僅舉幾個例子。沒有這種將產品特性詳細分類的系統,捷步不會知道某位顧客過去經常購買變形蟲圖案的服飾,所以就不會知道,它該將變形蟲圖案的產品納入針對該顧客的「下一個精選優惠」中。

同樣地,沒有良好的分類系統,食品雜貨業者就無法輕易判斷,哪些產品會吸引愛冒險、注重健康,或是錙銖必較的顧客。當特易購想找出能吸引愛好冒險者的產品時,會從某個國家普遍認為是「大膽選擇」的東西開始著手,比方說英國的消費者選擇泰國的綠咖哩醬,然後分析這些喜歡大膽嘗試的買家購買的其他產品。如果購買咖哩醬的顧客,也經常購買墨魚或野芝麻菜青醬,這些產品就有很高的相關係數。

"天氣、時刻或是星期幾,以及顧客是獨自一人或有人陪同,可能會影響一項優惠活動的設計。"

了解購買背景環境

最後,「下一個精選優惠」必須考慮到一些因素,像是顧客透過哪種管道與企業接觸(面對面、電話、電子郵件、網路)、接觸的原因及環境,甚至是顯示顧客心情平靜或懊惱的音量和聲調。事實證明,臉部表情辨識軟體對最後一項因素很重要。美國銀行(Bank of America)了解,在顧客接觸銀行的時候,透過自動櫃員機(ATM)提供抵押貸款產品,效果並不好,因為顧客既沒有時間,也無意接觸它們。相反地,如果他們是直接走進銀行,可能會樂於接受這類產品。同樣地,打電話到客服中心投訴的人,不可能會對產品優惠有所回應,但要是換個時間,他們可能歡迎透過電子郵件收到這項訊息。

其他可能影響「下一個精選優惠」策略設計,以及顧客回應的背景環境因素,包括天氣、時刻或星期幾,以及顧客是獨自一人或有人陪同。點選串流或最近的線上購買資料,通常對網路「下一個精選優惠」策略的參考性最大,但在機票訂價等情況中,時刻和星期幾很重要:航空公司可能在週日晚上提高票價,因為當時搜尋機票的人比平日多。我們研究的一家中國鞋類零售商,針對主要買家的同伴測試優惠活動。當一位婦女和她先生走進該零售商的一家分店時,她通常是主要的買者,而零售商的「下一個精選優惠」策略,通常是對先生提供相當便宜的鞋子。至於要提供他哪些選擇,靈感來自一項見解:陪太太購物,但自己並不主動買東西的先生,比獨自逛街尋找特定產品的先生更注意價格。

當然,無數的其他環境因素,取決於企業及顧客的本質。

步驟3:分析和執行

最早的預測性「下一個精選優惠」策略,是由亞馬遜(Amazon)和其他線上公司建立的,這些公司根據相當簡單的交叉購買相互關係,針對「會買這個也會買那個的消費者」擬定優惠商品;該策略並未仰賴大量顧客或產品特性知識,是相當生硬的工具。目標較明確的優惠商品,是以顧客過去的購買行為做基礎,但大家都知道,即使這麼做,那種優惠商品仍未完全針對顧客的獨特需求。如果顧客買一本書或一張光碟,是要送某位和他品味不同的朋友,很可能日後得到的優惠會偏離他的興趣。


建立下一個精選優惠

模範企業透過四個廣泛活動,建立或改進「下一個精選優惠」策略:


企業若是系統化收集關於顧客、產品特性、購買背景環境的資訊,就可擬定更準確有效的優惠行動。統計分析和預測模型能從這些原始資訊來源,建立一個綜合資料寶藏,以評估某位顧客回應行動裝置上交叉銷售折扣優惠的可能性。依消費行為區分,以及同時說明顧客人口統計資料、態度、購買形態,以及相關因素的其他進階資料分析,可協助找出很可能會變節的顧客。若具備這項資訊,再加上某位顧客的「預期顧客終身價值」資料,組織就可以判斷,它對該顧客的「下一個精選優惠」可能會鼓勵或是阻止顧客變節。關於行銷資料分析的詳細討論,並不在本文的範圍內,但由蓋瑞.利連(Gary L. Lilien)和阿文德.朗格斯瓦米(Arvind Rangaswamy)在2002年出版的《行銷工程》(Marketing Engineering)一書中,提供關鍵分析、量化和電腦模型建立技巧的完整總覽。

"高檔的零售商和金融服務公司發現,人通常是提供優惠商品的最佳管道。"

雖然這種分析可產生大量可能有效的優惠,但接下來的步驟,則須遵循商業規則。如果從分析來看,顧客購買每種產品的機率都一樣,可能需要有一項規則來決定要提供其中哪一種產品。或者,如果分析顯示,太常聯繫顧客會降低顧客回應率,它可能會限制對顧客的整體接觸頻率。這些規則往往超越了預測模型的邏輯,以達成廣泛的策略目標,例如,把「提高顧客忠誠度」置於「盡量提高購買率」之上。

仔細擬定的「下一個精選優惠」是否良好,要看它的執行情況如何。換句話說,一封電子郵件包含的「下一個精選優惠」再怎麼高明,如果消費者絕不會打開信,它等於不存在。執行「下一個精選優惠」,應該要面對面進行嗎?要在店裡的資訊機台提供嗎?要傳送到行動裝置嗎?要印在收銀機收據上嗎?答案通常相當直接明確:顧客透過哪種管道進行接觸,就是執行「下一個精選優惠」的適當管道。例如,擁有美國連鎖藥妝店CVS特別關愛(ExtraCare)忠誠卡的顧客,在察看店內的資訊機台時,會馬上收到量身訂做的優惠券。

但有時候,集客式(inbound)和 推播式(outbound)的管道,應該會有所不同。複雜的優惠措施不該透過簡單的管道來提供。回想一下美國銀行在抵押貸款優惠措施上的經驗:銀行很快就發現,集客式管道(ATM)是不良的推播式管道。因為抵押貸款太複雜,不適合那種環境。同樣地,許多客服中心代表不夠了解顧客需求和產品細節,無法擬定有效的優惠措施,如果客服代表的主要目的是完成簡單的銷售或服務,情況更是如此。

通常,企業會透過多個管道測試優惠措施,以找出最有效率的一個管道。CVS提供ExtraCare優惠,不只是透過資訊機台,也透過收銀機收據、電子郵件,以及鎖定目標的印刷信函,近來更透過直接發送到顧客手機裡的優惠券。墨西哥速食連鎖餐廳Qdoba Mexican Grill為了擴大顧客忠誠計畫,於是在每天或每週的特定時間,傳送優惠券到顧客的智慧型手機中,以增加銷售,並使需求順暢。大學附近的深夜宣傳促銷,出現將近40%的優惠券兌換率,Qdoba整體計畫的兌換率平均達到16%。星巴克(Starbucks)使用至少十個線上管道,以提供鎖定目標的優惠商品、評估顧客滿意度和反應、開發產品和強化品牌支持度。例如,它的智慧手機應用程式,讓顧客能收到根據SoLoMo資訊,量身定做的食物、飲料、商品促銷資訊。

諾斯壯(Nordstrom)和其他擁有富裕顧客的高檔零售商及金融服務公司,都砸下大錢提升銷售人員的產品知識,以及了解顧客需求及建立關係的能力。對這些企業而言,人通常是提供優惠商品的最佳管道。許多組織設計多種優惠商品,並根據預測模型加以分類,那些模型依照顧客先前的購買情況或其他資料,將顧客接受優惠商品的傾向分級。銷售人員或客服代表可從這些優惠產品中即時選擇,並以他們與顧客的對話、他們判斷顧客對特定優惠產品的愛好程度,甚至是顧客與銷售員之間的自在程度做為參考。結合人為判斷和預測模型,可能比光是遵循模型的建議來得有效。例如,堅持在每種情況都由銷售代表提供特殊優惠,實際上可能會降低顧客接受優惠的可能性,以及購買後的滿意度。投資公司普信集團(T. Rowe Price)讓客服中心代表 提供有特定目標客群的優惠,但它的結論是,如果客服代表在超過50%的互動中提供優惠,可能就無法察覺顧客的需求。

"企業若是系統化收集關於顧客、產品特性、購買背景環境的資訊,就可擬定更準確有效的優惠行動。"

步驟4:學習和調整

建立「下一個精選優惠」,是不精確但持續改進中的科學。就像任何科學一樣,它需要實驗。有些優惠比其他優惠來得有效;企業必須評估每一項優惠的成效,並應用得到的經驗教訓。如同一位CVS高階主管對我們說的:「把每一項優惠想成是一項測試。」企業可從本身的「下一個精選優惠」成效發展經驗法則,以引導未來規畫優惠方案,直到新資料顯示法則應該要修改為止。這些法則因公司而異。我們在研究過程中,找出一些領先企業所使用的法則:

• Footlocker:只透過社群媒體促銷前衛的鞋子。

• CVS:針對顧客先前買過的產品提供折扣。

• 山姆俱樂部(Sam's Club):針對顧客未購買 的商品種類,提供特別針對他的優惠,並酬謝顧客的忠誠。

• 諾斯壯:透過售貨員與顧客面對面互動來提供優惠。

經驗法則的取得,應透過由資料推動和以事實為主的分析,而不是透過傳統或知識。上述的法則已經過測試,但需要接受一段時間的挑戰和重新測試,以確保持續有效用。同時,由於收集和使用顧客資料變得愈來愈複雜,與「下一個精選優惠」策略相關的法律、道德和規範問題,也隨著發展得很快。當企業熱中嘗試「下一個精選優惠」措施時,應該要謹防跨越法律或道德界限。

任何公司要將每個潛在的顧客、產品和背景環境納入「下一個精選優惠」模式,是很困難的,但每家零售商都應收集人口統計資料、消費心理資料、和顧客購物歷史。大部分零售商需要加緊努力的,是以下這個領域:他們的顧客到目前為止,並未對優惠措施的品質或價值感到印象深刻。如今,變數和可用的執行管道只會有增無減;不能快速改進優惠措施的企業,只會進一步落於人後。

(林麗冠譯自“Know What Your Customers Want Before They Do,” HBR, December 2011)



湯瑪斯.戴文波特 Thomas H. Davenport

麻州貝伯森學院資訊科技與管理學特聘教授、德勤分析(Deloitte Analytics)資深顧問,以及國際數據分析研究所(International Institute for Analytics)研究主任。


林卓.達勒.穆爾 Leandro Dalle Mule

花旗銀行(Citibank)全球分析主任。


約翰.路克 John Lucker

德勤顧問公司(Deloitte Consulting LLP)主管,他是美國德勤分析以及全球進階分析和模型建立的領導人。


本篇文章主題國際業務