《師父》#4 企業經營的數字化

前言

  

創業維艱,是所有創業家的共同體悟,因此我們必須先磨練好自己的心志,來進而來迎接這個充滿未知挑戰,在前二篇當中,我們講到了〝韌性〞,那是一種一種從失敗中反彈,在逆境中起死回生、從自己的錯誤中獲益的能力。

並了解到在創業的過程當中,最重要的是〝執行力〞,所以我們找到了機會之後,必須要懂的〝專注〞,盡全力去找到突破口,建立客戶基礎,讓事業有「做起來」的機會。因此,我們必須去觀察、傾聽、提問題、實驗、做改變、修正觀念,並不斷開發客戶基礎。

另外,第一份事業計劃書應該要簡單,而且是寫給自己看,不是寫給潛在的投資者看。我們要有長期投入的準備。我們應該計劃至少 5 年的時間,全心投入在事業上。要記得一件事情,你的時間比金錢更寶貴,要小心,別浪費了。

而在這一講當中,我們將要進入到〝企業經營〞的部份。常常我們在創業的時候,因為忙得天翻地覆而導致無法評估企業經營是否已經步上軌道,因此,我們需要可以〝具體評估”的方法,而〝數字化〞便是方便我們評估的重要方法之一,將企業經營數字化,是幫助我們找出潛在問題的重要步驟。

  

1. 用手記錄你的營業資訊

  

開宗明義,作者說,給創業者的建議中,這是最棒的一個:從開業的第一天開始,用手記錄你每個月的營業額和毛利率。不要用電腦,把數字寫下來,按照產品類別、服務型態或客戶分門別類,並且自己算,不要用任何比計算機還複雜的東西。

要在任何事業上有所成就,你必須對數字有感覺、對數字間的關係有感覺,並能從其間的關聯,了解到哪個數字特別重要,必須加以監控。

經營企業,要靠數字,它們會告訴你,如何在最短的時間,以最少的功夫,賺到最多的錢。這一點,正是每個企業家的目標。用手記錄,是我所知道學習數字最好的方式。當你精於此道之後,就可以改用電腦去記錄,但如果你一開就用電腦去做,有些東西你將永遠學不到。

事實上,如果你不盡早開始記綠數字,你的事業甚至可能撐不了多久。你必須要有資訊才能生存。你必須一開始就收集這些資訊,尤其是記錄你的毛利率。毛利率會轉為高毛利,而毛利是現金的主要來源,你必須要靠現金,來支撐你自己和建立事業。

還有,不要犯了把這個記錄過程「自動化」的錯誤,你必須用手把數字寫下來,並親自計算百分比。如果你讓電腦去做,這些數字就成為抽象的東西,會整個混在一起,讓你無法注意、無法吸收、也無法了解;如果你想真正掌控你的事業,就必須了解數字。

  

  

2. 什麼樣的訊號,能讓你洞燭機先?

  

數字的重要性是再怎麼強調也不為過的,尤其,你要找出那些在問題還不嚴重之前就發出警訊的數字,好讓你及時做出正確的決策,防止問題惡化。

以作者為例,他會用新箱數來推算總營收,如果新箱數大幅下挫,我們可以預見,整體的成長率將會顯著停滯,至於為什麼是新箱數,作者也不知道;總之,基於這樣的道理,這樣的推算是有用的。

我相信每一門生意都有類似的關鍵數字,我所認識的優秀生意人,都有些關鍵數字,他們會每天、或每個星期追蹤這些數字,這是成功經營一家公司不可或缺的部份。關鍵數字提供你採取即時行動所需的財務資訊。

事業快速的變動,不容你等待會計人員所出的月報、季報或年報。你需要即時資訊,而得到即時資訊的唯一方法,就是想出一套簡單的指標,讓你隨時掌握事業狀況。也就是說,找出一個跟「營業狀況」有關的數字,是很重要的。我通常要花好幾年的時間追蹤,才能找到一個可以迅速告訴我「營業狀況」如何的指標。

另外,透過〝數字〞也能幫我們找出經營方面的問題,這些問題將會是企業接下來需要去改善的重點,除了企業尋找更好的解決方案之外,用人也是一個重要的關鍵,在這邊提供一個好的建議,當在面試新人時,務必確他或她能夠勝任這個工作。把你的問題拿出來問應徵人員,如果他們不能給你合理的答案,就不要僱用他們。

  

  

小結

  

  1. 要在任何事業上有所成就,你必須對數字有感覺、對數字間的關係有感覺,並能從其間的關聯,了解到哪個數字特別重要,必須加以監控。
      
  2. 用手記錄,是我所知道學習數字最好的方式。當你精於此道之後,就可以改用電腦去記錄,但如果你一開就用電腦去做,有些東西你將永遠學不到。
      
  3. 你必須要有資訊才能生存。你必須一開始就收集這些資訊,尤其是記錄你的毛利率,並計分百分比。
      
  4. 你要找出那些在問題還不嚴重之前就發出警訊的數字,好讓你及時做出正確的決策,防止問題惡化。
      
  5. 數字化可以幫我們找出問題,進而找出解決方案,並且在面試人員時,可以把這些問題去詢問他們,來找到合適的人才。

  


系列文章快速連結:

《大數據玩行銷》3:化繁為簡的NES模型和人機分工

上一講我們講了何謂〝精準〞的找出我們所需要的,這一講我們來講講模型的部份。

  

■ 化繁為簡


當我們大量的搜尋資料之後,就會一個問題,這些這些數據實在太雜亂了,我們很難去從這些雜亂的數據當中找出我需要的資料,所以首先我們必須要先化繁為簡,透過〝模型〞來幫我們處理複雜的數據,進而讓我們可以進一步的透過〝處理完的數據〞來幫助我們做決策。


所以,透過「化繁為簡」的原理來探討,我們今天這篇文章只講二個重點:

  1. NES 模型;
  2. 人機分工。

  

一、NES 模型 ( 5 狀態 10 指標 )

要注意的數據這麼多,要怎麼即時掌握目前的消費者狀態呢??

ー ー  化繁為簡,只需要透過 NES 的 5 個狀態,我們就能快速掌握到客戶的即時動態資訊。


這本書的核心其實就是在講 NES 模型,主要是關注〝客戶〞的所有狀態,它透過很簡單的 5 個狀態、 10 個指標就可以讓我們輕易掌握到客戶的即時動態資訊,首先我們就先來了解一下 NES 模型。


■ NES 模型


NES 完全不在乎年齡、性別等傳統人口統計特徵,而是根據消費者具體的購買行為,將消費者分為三種,一是首次購買的新顧客 N(New Customer),二是支撐主要營收來源的既有顧客 E(Existing Customer,主力顧客 E0 +瞌睡顧客 S1 +半睡顧客 S2),以及三是沉睡顧客 S(Sleeping Customer)。(詳見下圖: 從 N-E-S 看顧客消費狀態變化)。

NES 模型根據消費者的個人購物週期,分為首次購買的新顧客 ( NEW )、支撐主要營收來源的既有顧客 ( Existing ),和回購於低於 10% 的深睡顧客 ( Sleeping Customer )。而既有顧客又可分為 E0 主力顧客、S1 嗑睡顧客和 S2 半睡顧客。

而 NES 模型是為了即時掌握顧額的變動性而設以計,根據消費者實際交易數據演算,並配合資料更新進行動態修正。共分為 N、E0、S1、S2、S3 五種標籤,而隨著沉睡度愈來愈深,品牌能有夠有效喚醒的機會愈低、而目對的喚醒成本也將大幅增加。所以,即時掌握每個消費者的實際狀態,是大數據行銷最重要的第一步。(詳見下圖: 從 N-E-S 看顧客動態變化)。

從消費者當中必然有新顧客 ( N )、主的顧客 ( E0 ) 一直到沉睡顧客 ( S3 ) 等五種狀態,然後又發現顧額不斷地往下一個階段流失,很多人看到這邊就已經開始垂頭喪氣。但是,流失是可以被控制和改善的 ( 喚醒 ) 的,行銷人應該在不同的階段,設定對應的行銷活動,比方說,在顧客 E0 階段的規劃顧客忠設度計劃,或是在 S1、S2 和 S3 不同的停滯階段,設計喚醒方案。


水往低處流,要把愈低層的水抽上來,需要更大的動能。同理, NES 顧額模型就像五個層層向下的水槽,為預防顧客不斷地從主力顧客 ( E0 ) 慢慢滑落到無法挽回的沉睡顧客 ( S3 ),我們不但要建立有效的預警和調節機制,而且這套機制,必須藉由大數據的演算和預測,做到「智能控制」,基於人機分工的策略下,實時偵測、適時調整,而且一切的控制都是基於演算和預測,估到「智能控制」,基於人機分工的策略下,實時偵測、適時調整,而且一切的控制都是基於演算預測後的最佳決策。

  

■ 營收方程式


我們再來看看本書提出對於營收方程式: 營收(revenue)= 有效顧客數 X 顧客活躍度 X 客單價。


獲利是企業經營的共同目標,影響獲利的因子有很多,但主要影響營收目標的是:顧客數增加、客單提高和活躍度提升;我們可以發現 NES 模型主要在幫助我們提升「有效顧客數 X 顧客活躍度」的部份,進而也會營收最重要的部份。


很多店家下滑的主要原因其實是,高貢獻度的忠誠顧客大量而且快速的流,活動提升的新顧額對營收幫助渺小,當務之急應該先找出忠誠顧額的流失原因,制定顧額挽回方案,先固本補破,才去找新客戶。

  

二、人機分工


就算減化了關鍵指標,但我們要做的事情仍然一樣很多?

ー ー  把「重複」的事情交給機器去做,讓人專注做決策和調整模型即可。

  

■ 為什麼要人機分工


首先,我們要做大數據的第一個要點就是〝人機分工〞,為什麼要人機分工,很重要的其中一個原因就是我們的大腦其實〝不善於處理大數〞,舉例來說,一個算式 1 + 5 我們很快就可以計算出來結果,但如果是 10000000 + 50000000 ,我們可能就必須要花費更多的時理去理解這個數;然後對機器而言,計算的問題是非常簡單的,所以我們必須各司其職,做各自擅長的事。


因為我們人類不善於處理複雜的事情,所以在處理大數據上也是如此,龐大的數據資料對我們來說太複雜,沒辦法去找出其中的規律進而做下一節的處理和決策,所以我們必須化繁為簡,讓〝機器〞去做複雜的資料處理,篩選出我們需要的重要指標,進而我們人類來做下一步的決策即可。簡單的話,就是讓機器做機器擅長的事,人做人擅長的事,亦即自動化。

  

■ Log 偵測 – 不干擾的蒐集顧客資料:

在過往,我們要了解額客需求,我們第一時間想到的就是問卷調查,然而問卷調查一來必須要付出大量的時間、精力和成本來取得顧客的資訊、二來也必須佔用顧客的時間,增加他們的負擔;然而在大數據時代,我們不需要有形中去取得顧客的行為資訊,工程師可以在每個軟體後面附加 Log (*註1),主動偵測人的活動日誌,了解他的歷史瀏記錄;透過無形偵測,不干擾、不介入,企業即能獲知最真實的使用者意向。


透過 Log 幫助我們取得行為數據,除了可以克服先前問卷可以造假而產生的不客觀問題之外,還可以幫助我們取得顧客〝更真實〞的行為意圖。


舉例來說,之前有一個研究發現,一家廠商在做新品的市場調查,推出的〝藍色〞款商品是否比原本的〝白色〞經典款佳,在談訪的過程當中,7 成左右的人們都說喜歡〝藍色〞款的產品,然後結束調察之後,讓這些人可以自由選擇這兩款顏色的產品當成贈品帶回家,結果大部份的卻選擇了〝白色〞經典款。


透過很多相關的心理研究,人們有時候會心不由衷而不自知,所以只有透過〝真實行為〞來判斷客戶的真實喜愛,才是更相對客觀的;除了我們可以透過線上取得之外,事實上,我們也可以將線下實體商店的數據給導入,而使得資料擁有更多維度的資料;什麼是消費者不會作假的數據呢?答案正是交易數據。透過線上 + 線上的數據整合,我們將擁有更多維護的資料,來供我們產生〝更精準〞資料分析。

  

■ 人的目標:做好、做對、做優


透過機器自動幫我們蒐集重要資訊之後,我們就可透把時間空閒出來,讓人做最善長的事,舉例來說,好的客服,不是一直纏著顧客問東問西、而是像一個偵探,發現異狀馬上跳出來解決。從顧客使用軌跡開始下滑時主動關心,預防事態擴大,不但能有效地經營顧客關係,更能大幅降低負面情緒的溝通成本。


我們還必須不斷的從源頭思考學習 ( Learning ),形成學習曲線達到內化,再透過內化不斷轉化,延展出更多創新的可能性,持續去的根據環境的真實反饋,隨時修正模式公式,透過我們反覆訓練 ( Trainning ) 讓模型更加反應真實,並且能夠提升效率,把事情做快。


機器可以把事快速做好,而人目標應是把事做好、做對、做優。


另外,透過模析分析幫我們之後,我們要必須要去設定〝自動化流程〞,讓機器在關鍵時間幫我們做正確的事,舉例來說:當我們自動偵測沉睡到 S3 用戶,我們可以透過自動化程式來幫我們自動發一封沉睡顧客喚醒的 eDM,如果他 48 小時有開信,則任務完成,若沒有,則再寄簡訊給他。

  

三、小結


在大數據時代,是以「人」為核心,而不是以「產品」為主軸。如果說商業最重要的就是獲利,而有什麼會影響獲利,行銷人不可能一天看千張報表,但如果目是獲利,我們可以從獲利公式 10 指標做降維思考,做出決策。在這一講當中,我們提到了大數據行銷營收方程式,包含了:

  • 5 種狀態:新顧客、主力顧客、嗑睡顧客、半睡顧客、沉睡顧客。
  • 10 指標:新增率、變動率、流失率、轉化率、活躍度、喚醒率 x 3 ( 嗑睡顧客、半睡顧客、沉睡顧客 )、客單價 x 2 ( 新顧客單價、主力顧客單價 )

我們會發現,勝負不在數據,觀點才能決定一切。所以詮釋的問題角度和觀點格外重要,我們必須要不斷地挖掘問題核心,不要一次用龐大計劃去解決所有問題,而是要每次只專注把一個問題給答好,然後選定一個觀點快速切入,形成解決方案。
問題的不同,會影響到數據的蒐集,而唯有問對問題,才能蒐集到正確而且有價值的關鍵數據。20/80法則,鎖定小而準的數據; 20/80 法則意指在所有的大數據裡,僅僅 20% 的數據就占據了高達 80% 的價值。


減法思維的好處是,每天只要監控這 10 個指標,出現問題就可以立即對症下藥,可以加快決策的速度以及提升決策的精準度。


我們下一講就來講講「大數據行銷」的實際應用與範例。

  

補充:

註1:Log 偵測

目前市上有許可以幫我們主動偵則的工具,例如 Google Analytics、Facebook Pixel、Mixpanel、Hotjar …等等


系列文章快速連結: