當顧客的「先知」

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。

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

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。

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。

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）