3/3 可免費閱讀文章篇數免費閱讀

運用分析法,提供顧客即刻救援

Using Analytics to Prevent Customer Problems Before They Arise
瀏覽人數:734
資料可以提醒你,有哪些顧客需要額外的協助。

有一群比率高到無法忽視的顧客,買了智慧型手機之後,會在「免費退貨」期間來退貨,其中很多人說手機運作不正常。但資料清楚顯示,實際上並非如此。真相是:這些顧客只是不太會用智慧型手機,他們自己可能不知道這一點,或是不想承認這一點,於是就退貨。這會大幅影響手機製造商和電信服務業者的獲利。對電信業者來說,可能影響到每位顧客的顧客終身價值(customer lifetime value, CLV),金額可能達數千美元。

企業如果能預見可能出現退貨,並設計介入措施來防止退貨,就能避免這種情況發生。介入措施可以是由某位「專家」(像是百思買〔Best Buy〕的技客團隊〔Geek Squad〕成員,或是蘋果公司的天才吧員工),在顧客購買幾天之後,就主動致電詢問使用新手機的體驗、操作情形,以及功能表現,並告知如有任何問題或需要協助,可以全天24小時提供服務。這種主動聯繫顧客的做法,與購買時就告知顧客公司可提供協助,兩者有極大不同。當然,如果對購買智慧型手機的所有新顧客都這麼做,公司不會有利潤。因此,這方面的關鍵議題,就在於要對哪些顧客採取介入措施?

分析法可以回答這個問題。

我們協助一家面臨這個問題的客戶,使用一個預測模型,按照某個時段內,在沒有介入措施情況下,每一位顧客退貨的可能性,按可能性的高低順序排好。在一項實際測試中,這套模型成效良好。在這個模型中,退貨可能性最高的前10%顧客,約占最後實際退還手機顧客的40%。換句話說,模型認為退貨風險最高的這群人,確實占了高風險顧客相當大的比率。

我們很容易就能看出,針對這10%的新顧客實施介入措施,可能具有成本效益,因為未來的結果如果大致符合過去資料產生的結果,公司花錢針對10%的新顧客實施這個介入措施,也許會處理到40%、而不只是10%可能退還手機的顧客。至於介入措施該處理排名在前面多少個百分比的顧客,才會有最大的效益,很容易就能根據面對情況的經濟面因素來決定,只要根據下列三個因素來做出權衡取捨:實施介入措施的成本、實施介入措施之後讓退貨顧客不退貨的效益,以及這個模型預測顧客退貨可能性的準確度。舉例來說,公司應實施介入措施的最理想對象,可能是退貨可能性在前8%、13%,甚至前30%的顧客。(我們所知的許多案例中,介入措施的效益都高於成本。)

讓我們簡單談談另一個「介入措施」的例子。一家醫療機構考慮針對部分病人採取介入措施,這群病入若沒有介入措施先處理,很有可能在近期內就必須住院。(智慧型手機退貨當然和住院的情況不同,但兩者採用的介入措施相關分析流程極為類似。)為了減少不必要的住院,介入措施計畫可採用許多種形式,像是每週打電話提醒病患吃藥。在這個現實生活的案例中,被稱為「住院者」的病患,是指在一年期間必須住院超過15天。我們也使用一個預測模型,根據每位病患住院的可能性(沒有接受介入措施),按高低順序排好。名單中住院可能性最高10%的病患,占後來真正住院病患的百分比高達53%。當然,在這方面,也必須先考量介入措施的成本,相較於透過介入措施減少住院之後節省的成本,來決定該對哪些病患實施介入措施。

這整個「介入與決定」流程當中,較少人用分析法來處理其中一個層面:用「最適化」的方式,來實施最有效的介入措施,也就是判斷哪一種介入措施最具成本效益。很少有人進行這種分析,關鍵原因很簡單:沒有資料。若要蒐集這種資料,必須嘗試針對不同的人口群體,實施不同的介入措施,並記錄這些不同的介入策略,在可能相當長一段期間內的結果。通常,不同的介入策略,必須在互斥的人口群體裡執行。公司明知許多或大多數介入措施可能無法創造夠多利潤,因此並不想投入好幾年的時間和金錢,來實施不同的介入措施。然而,很久以前也出現過同樣這種態度,那時有許多企業開始討論,計算顧客終身價值(CLV)需要的資料。當時大多數企業並沒有這種資料,而且覺得花許多年收集這些資料實在工程浩大。但到了今日,幾乎所有大型和中型企業都擁有足夠的資料,能建立顧客終身價值模型。也許有人認為,對做出介入措施決定所需的資料,仍有人態度短視,但機器學習的進步,可能協助改變這個觀點,可選出最佳介入措施。

在許多行銷和商業問題上,顧客如果採取公司不樂見的行動,可能會對組織和服務供應商帶來負面影響。幸好,行銷人員可以實施介入措施,有效阻止這些行動。目前,在許多情況下,「最適化」公認是很有用的做法,至少對特定的介入措施來說是如此。由於行銷分析法的領域蓬勃發展,而且對企業可能帶來好處,因此「介入措施分析法」若是成為熱門名詞,我們也不會感到意外。

(林俊宏譯)



本篇文章主題行銷