《大數據玩行銷》2:要如何提高數據預測的精準度

一、從〝目標〞倒推,〝找出〞相符的資料

怎麼樣的人最容易買單呢?

ー ー  有迫切需求的人通常最容易快速交易成功

  

這本書講到的第一個關鍵字〝大數據〞,所以我們先從先從大數據的特徵說起:

  • 首先,大數據要求數據量大。
  • 其次,大數據需要具有多維度的特徵,而且各個維度最好是正交的。
  • 大數據第三個重要特徵,是數據的完備性。
  • 在一些場景下的實時性。

我們知道這些特徵之後,接來下就是要切入我們的本書的重點:「精準數據的行銷」。然而什麼是〝精準〞呢?我們先來定義一下,精準行銷的目的是先找出〝正好有需求且迫切的人〞。


舉例來說,假如我們想要去賣房子,如果我能找出〝正好想要買房子〞的人,那售出房子的機率就高出非常多了;另一方面,還提到了〝迫切〞,加入時間的概念,愈有迫切需求的人,通常更容易下決定買單,所以我們的目的就是〝精準〞找出這一批〝有迫切需求〞的人。


說的很簡單,但做起來倒是真的不容易,我們要怎麼找出剛好有需求的人呢?這是我們每個行銷人最終的追求目標;這也是我們這一講要講的主題和重點。


我們的目標很明確,就是〝精準〞找出這一批〝有迫切需求〞的人。但我們要怎麼提高〝精準度〞呢?要能精準判斷的前提就是,找出到〝更多維度的關鍵資料〞來做判斷。


在這邊提到兩個關鍵字:更多的〝關鍵資料〞和〝維度〞。我們下面一一來做說明。

  

■ 〝更多的關鍵資料〞


今天大部分人所理解的大數據,是從大量的、看似雜亂無章的數據點,總結出原來找不到的相關性。在這個過程中各種數據如同百川入海一般匯聚到一起,但這些數據如果不懂得去聚焦找到其規律性,則就失去了其意義性,所以首先我們要做的就是找出〝關鍵資料〞。


什麼是關鍵資料?要有關鍵資料之前,我們就必須要先懂的去〝設定目標〞;沒有目標,就不會有所謂的關鍵數據,然而這一步非常重要,很多人卻忽略了這一步,只認為只要〝透過分析模型〞找出自己沒發現的規律即可,導致大數據能幫助的跟你目標未能結合,而失去了它的最大作用。


舉例來說,我們想要知道〝A 會員什麼時候會在去超市買東西〞,這時候 A 會員曾經在〝超市〞買過的記錄,就是一個很好的關鍵資料;其次,A 會員去超市的〝頻率〞也是一個重要的關鍵資料。我們簡單將幾個重要的關鍵資料〝梳理〞一下。

  • A 會員在超市買過:水果、蔬菜、衛生紙。
  • A 會員每兩個月會買一次衛生紙。
  • A 會員通常在有特價促銷的時候,會再去逛超市。
  • A 會員在重要節日的時候,也會去超市採買。

以上這些資料一出來,我們行銷人員其實就很好去為 A 會員制定一個模型,所以一旦清楚我們的目標之後,我們就比較清楚自己需要哪一方面的資料,當然這些資料量愈大、愈即時,其加權就會更高、更好。

  

■ 〝更多維度的資料〞


接下來講到數據分析,就免不了必須要談到〝維度 ( 面向 )〞的問題,這個是訊息論很重要的一個部份,儘管維度非常的重要,但卻很多人忽略了這一點,導致資料量雖然大,但效益卻不大。


我們一樣以上例來說,假設我們只有蒐集到一個維度的資料,我們先把「時間」維護給拿掉,則資料如下:


接下來講到數據分析,就免不了必須要談到〝維度 ( 面向 )〞的問題,這個是訊息論很重要的一個部份,儘管維度非常的重要,但卻很多人忽略了這一點,導致資料量雖然大,但效益卻不大。


我們一樣以上例來說,假設我們只有蒐集到一個維度的資料,我們先把「時間」維護給拿掉,則資料如下:

  • A 會員在超市買:水果、蔬菜、衛生紙、肉 … 等等。
  • A 會員消費金額平均 800 元。
  • A 會員買最多的商品是:水果。

你會發現我們只有他的消費記錄,要你去分析 A 會員下次的消費時間就完完全全有困難度,只能知道 A 會員的偏好,其應用率就下降很多。
我們再來嘗試加入更多維護的資料:

  • A 會員在超市買:水果、蔬菜、衛生紙、肉 … 等等。
  • A 會員每兩個月會買一次衛生紙。
  • A 會員平常會在台中店消費,但過年的時候,會在台北店消費。

以上例來說,我們搜集到三個維護的資料:〝超市的採買記錄〞是一個維度,〝時間頻率〞是第二個維度、〝地點〞是第三個維度;如果我們對 A 會員過年的時候,給他台中店的促銷方案,對他來說可能效益就不大了,因為 A 會員可能過年都會回台北,所以這個台中店的促銷方案就不如台北店的促銷方案來得效益大。

  

二、小結


大數據的應用原則不難掌握,關鍵在於如何詮譯,而詮仰速人的觀察,對核心 know-how的理解與經驗法則,也是厚數據的價值。


數據不是大就是美,重點在於讀完之後你要拿出什麼樣的具體行動。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。

另外,我們今天介紹了大數據的 4 個明顯的特徵,即數據量大、多維度、完備性和在一些場景下的實時性。我們特別強調了光是數據量大還不能構成大數據,因為它可能無法得出有效的統計規律,而多維度的特徵則讓我們可以交叉驗證信息,提高準確性。


這就是應用大數據思維所帶來的好處。今天這種做法其實是先有了結果,再反推原因,是一種逆向的做法,但是正是因為有了足夠的數據支持,它無疑會比較快。不事先作假定,從大數據出發先得到結論,再分析原因,這是大數據思維的第二層。

最後,回到我們一開始問的問題:要怎麼找到有迫切需求的人呢?當我們擁有每個會員的更多維度資料,我們就能透過這些資料找出這些〝高購買率的人群〞了,例如現在要推出〝衛生紙促銷方案〞,系統就可以自動幫我找出〝這家店這個時間點〞會被吸引過來買的客戶人群有哪些,這個就是基本客群,接下來我們要如何透過〝衛生紙促銷方案〞去吸引他們去消費更多的物品,這就是我們銷售人員可以努力的地方了。


這一講,我們先有了這些大數據的思維之後,我們下一講就可以來講講《大數據玩行銷》的一些模型應用。


系列文章快速連結: