3/3 可免費閱讀文章篇數免費閱讀

給顧客的推薦引擎,能給行銷人員更多

How Marketers Can Get More Value from Their Recommendation Engines
麥克.許瑞吉 Michael Schrage
瀏覽人數:593
用來強化顧客選擇的技術,也可以協助進行管理決策。

「我們做的所有事情,幾乎都是推薦。」五年前,當時擔任網飛(Netflix)工程總監的扎維耶.阿瑪特里安(Xavier Amatriain),這麼闡述他們的基本設計理念,而其中最重要的,就是個人化與客製化的選擇。他當時說:「我上週到eBay,他們告訴我,顧客在他們網站上購買的品項,有90%都是從搜尋而來。我們正好相反。在我們這裡,推薦是大宗,只有在我們無法告訴顧客應該觀賞哪些影片時,他們才會用我們的搜尋功能。」

與搜尋不同的是,推薦系統設法預測使用者可能會給某個品項、行動,或是機會的「評等」或「偏好」。如果好好管理推薦系統,它們為行銷人員帶來的價值,可能遠高於對他們顯然在服務的顧客。推薦引擎不只能產生有用的資料,可用來分析顧客想要的東西,也能用來提出戰術性與策略性建議給行銷人員。想像一套供行銷人員使用,類似網飛、亞馬遜或Spotify那樣的系統。用來強化顧客選擇的科技,現在也可以用來協助進行管理決策。「分析法的網飛化」,將愈來愈能塑造認真行銷人員做決定的方式。

因此,「數位儀表板」將不只是衡量、監看行銷的關鍵績效指標(KPI),也會根據資料,提出建議、選項和建言。優化也將參考推薦;「正確答案」的重要性,將不如「真的很好的選擇」。例如,Gmail已能根據過去的電子郵件往來,起草專業信涵。LinkedIn能主動提示有附加價值的個人簡介。銷售軟體可透過運算,來判斷銷售線索的品質和等級。行事曆管理軟體可用視覺或聲音,來建議排程選項和優先順序。仰賴數位科技的知識工作者所見、所聞和滑手機的內容,幾乎全部都能成為推薦。因此,簡單而吸引人的使用者體驗設計,成為管理的關鍵。

從行銷長到品牌經理,「找出可據以行動的見解」這種經驗,會很類似在網飛上大量看劇、在亞馬遜上購物,或在交友軟體Tinder上向右(或向左)滑動換頁,也就是挑選出客製化和脈絡化的選項,而這些選項,是演算法根據豐富的資料而決定的。

分析法導向的行銷領導人必須體認到,他們最好的行銷人員,一如最好的顧客,都希望在透過智慧型系統,獲得有意義的選項。那是設計的目標。行銷人員推薦系統,會推動顧客推薦引擎;顧客推薦分析會提供資訊,作為行銷推薦的參考和啟發。我們在此可以看到網路效應的力量和機會。

在受監督和不受監督的機器學習的強化下,良性的推薦循環,能驅動顧客的見解和成長。行銷部門這種以機器為中介的角色,會在優化推薦和推薦優化之間,達成有獲利的平衡。無論是管理銷售漏斗(sales funnel)轉換,或是顧客歷程(customer journey)接觸點,行銷人員花在搜尋答案的時間,都會少於權衡推薦選項。在一個「推薦幾乎是全部工作內容」的分析法環境裡,從區隔化建議,到為A/B測試、多變數實驗而建立的可能假設,都可能是推薦的建議選項。例如,規畫手機促銷活動的行銷人員,會花較少時間在資料探勘,較多時間用在探索像亞馬遜/網飛那種類型的建議,例如,點閱這則廣告的潛在顧客,也對那則廣告有反應;相較於打五折,買一送一的季節促銷,吸引更多禮物採購者回購,諸如此類。在擁有較多產品和服務項目的大型企業,企業行銷推薦或許可塑造成:像你一樣以X顧客為訴求的品牌經理,會採用Y活動;而舉辦這些類型促銷活動的行銷人員,也運用那些類型的廣告。

許多數位行銷代理商開發的搜尋引擎優化推薦引擎,在設計上連結使用者資料的主題和特性。他們的目標不是要增加銷售,而是更了解潛在顧客。推薦因而成為觸發見解的前導指標。

更令人振奮的是,有些新興的推薦引擎,能向行銷人員建議一些行銷假設,可供測試和實驗。這些「自動化假設推薦系統」找出一些相關性,也許值得在真實世界裡探索。例如,有一家電子商務公司的資料顯示,經常查詢訂購貨物運送狀況的顧客,如果可以看到他們訂購貨物的照片,而不只是看到估計送達日期,淨推薦者分數(Net Promoter Score)就會較高。於是,推薦系統會建議進行測試,以了解把採購物品照片放進運送通知裡,是否會提高評等分數。(確實會,但只限女性顧客。)

在日常的「探索或運用」(explore vs. exploit, EvE)決定當中,行銷推薦系統也有用武之地。也就是說,它可以用來決定以下哪一種做法對行銷活動更有價值:進行更多實驗?或者,是運用剛剛得知的訊息來追求獲利?EvE推薦明確呈現出,當下進行優化與投資未來的知識,這兩者之間有哪些權衡取捨。

隨著行銷KPI變得更加複雜,了解那些取捨,也變得更重要。背景脈絡很重要。這使得推薦系統在認知面如此有吸引力:它們能鼓勵人們採取行動;它們能促進選擇。在資料豐富、運用人工智慧的市場,組織面對最具挑戰性的設計決策之一,就是如何讓組織人員掌握資訊,並有能力執行。分析法應該強調人員要完全遵守無所不包的規範和指導嗎?或者,以科技提供更明智、優質的專屬推薦時,組織的士氣和績效會因此提升?這些不但是商業流程的問題,也是文化和價值觀的問題。

科技進步可讓許多原來由人類處理的行銷工作,都能有效地自動化,這不是祕密,也不令人意外。這現象看似無可避免。因此,未來的行銷挑戰多半是要決定(建議),人們的主動行為在何時、何處能比機器自動化創造更高的附加價值。這終究要取決於主管的裁量。

不過別誤會:人們的主動行為,至少有部分將會是假象。畢竟,網飛、亞馬遜、阿里巴巴、臉書都在竭盡全力、無止無休地追蹤他們有哪些推薦「得勝」,哪些被忽略。這裡再一次顯示,從消費者分析而來的心得,也能與工作場所分析彼此比對參考。例如,找出決策偏誤會變得更簡單而清楚。評估哪些推薦對行銷決策的影響最大,這麼做的啟發性,至少相當於決定哪些推薦對消費者選擇最具影響力的啟發性。這些見解對最高層主管極為有用。

推薦系統是能產生資料、強化分析、促進選擇的科技,因此聲譽卓著,也有優異的成就。諷刺的是,行銷人員迄今為顧客做的推薦,都勝於為自己做的推薦。未來,最成功的行銷組織,是那些能找到創新方式,以協調統合企業內外推薦的組織。

(周宜芳譯)



麥克.許瑞吉 Michael Schrage

麻省理工史隆管理學院的數位商業中心(Center for Digital Business)研究員,著有《認真玩創新》(Serious Play)、《你想要顧客成為什麼樣的人?》(Who Do You Want Your Customers to Become?)、《創新者的假設》(The Innovator's Hypothesis)。


本篇文章主題行銷