用實地實驗來解讀大數據

Run Field Experiments to Make Sense of Your Big Data
史畢羅斯.宗普里斯 Spyros Zoumpoulis
瀏覽人數:2462

大數據很少確實指出事件之間的因果關係,如果想靠著分析大數據做出行銷決定,可得小心再三。以我們研究過的某家大型零售商為例,該公司注意到購買生鮮商品的顧客常常也會購買大螢幕電視,便投入大筆行銷資金,提升生鮮商品銷量,希望也能帶動電視銷量。雖然生鮮商品銷量確實上升,電視銷量卻紋風不動,最後生鮮銷量上升的獲利還不夠支付行銷成本。

為了不落入如此窘況,愈來愈多公司執行資料分析會搭配實地實驗;透過控制變因的測試,就能知道資料分析找出的關係究竟是否為因果關係。然而,實地實驗的運用也需要當心:實驗太久、等到要付諸實行就已經過時,而且實驗過程也可能漏了某些副作用。所以,企業該如何判斷使用時機?答案要看以下四項問題而定。

1.實驗結果能夠推廣應用嗎?

決定是否做實驗前,必須先確定實驗情境是否類似於最後要實作的情境。如果只是抽樣某些顧客、做直效郵件的測試,事後要將結果推廣到所有顧客應該問題不大;然而如果是想調整店內的某些作法(像是員工與顧客的互動方式),就不見得能夠以小推大。小型實驗的時候,員工很容易就能完全遵照實驗的指示;特別是派來實驗不同作法的員工常常是精挑細選、受到特別關注,等於是額外的資源。然而,等到所有一般員工普遍實施新作法,沒有人在旁盯著,效果常常就不如實驗。

2.跨產品效應如何?

針對實驗分析的產品類別,如果跨產品效應既多且大,就需要進行為數眾多的實驗,才能解釋所有相關效應。然而研究顯示,在跨產品效應不大的時候,針對特定產品類別行銷決策所需的實驗數量,就只會隨著類別內產品品項的數量、緩慢增加。這種時候,就算某個產品類別有許多互補或替代性的產品,還是能運用合理數量的實驗、得到有意義的結果。

3.需要多精確?

產品面臨的情境有許多變因:季節、過去的曝光度、相關的消費者經驗、溝通的細節等等,都可能影響最後市場結果。因此,實地實驗並不一定能預測未來。我們的研究指出,現在與未來反應的差距,要看資料收集的方式情況而定。一般來說,針對大型客群的實驗,預測的效果會比瞄準小型特定客群的實驗更佳。此外,比較安全的作法是先談方向、而別急著下斷言。例如可以說實驗發現「試用比折價更能帶來利潤」,但不要直接說「試用能引起2%的顧客回應、而折價只有1.5%的顧客回應」。很多時候,只要有大方向,就足以讓企業做出適當的商業決策。

能否用實地實驗的資料,瞄準不同市場區隔?

實地實驗提供的原始資料,能有許多在市場區隔方面的運用。原則上,將實地實驗的資料與市場區隔方式結合,就能為不同的市場區隔量身打造行銷方法。舉例來說,零售商如果需要吸引更多顧客,可能就要先了解不同市場區隔、再分別定出最佳的促銷郵寄方案。如果能掌握機器學習和實地實驗兩者的威力,零售商執行實地實驗後,就能取得資料、進一步了解市場區隔,從而決定最佳策略。

大數據就像開了一扇窗,讓人能看出商業環境、顧客需求、顧客行為等的即時變化。然而,資料若使用不當,風險就可能大過優點。而且經理人常常沒想到,竟有這麼多商業決策是來自運用不當的資料。搭配仔細為之的實地實驗,就有助於改善這種情形。(林俊宏譯)



史畢羅斯.宗普里斯 Spyros Zoumpoulis

歐洲工商管理學院(INSEAD)的決策科學教授。該校於法國及新加坡均設有校區。


本篇文章主題市場研究