大數據應用日臻成熟 更易掌握零售市場需求
- DIGITIMES企劃
-
在網路行銷、社群媒體當道的時代，消費者更容易掌握商品訊息、比較價格，傳統的廣告行銷，對消費者的影響力也日漸衰退，消費者已不再迷信於傳統的大企業、大品牌，傳統的銷售模式想要滿足消費者追求個性化需求，難度可說是愈來愈高。
當消費者變得比過去更加挑剔和難以捉摸時，透過大數據分析幫助零售商了解形形色色的消費者，進而提供更好的消費體驗，進而幫助零售商建立形象，維護客戶關係，成為智慧零售必然的發展方向。
大數據技術變化對零售業的影響
大數據分析之所以能夠滿足消費者個性化的需求，關鍵在於近年來的技術變化突飛猛進。第一個變化就是電腦正確辨識非結構性數據的能力大增。如美國已經可以讓使用者將手機放在電視旁，就可以識別是哪一個頻道(如CNN新聞頻道)，現在正在播出什麼內容，其實Sony的TrackID在智慧手機還沒流行時，就已經有能力根據播放中的旋律正確辨識出歌曲名稱，當非結構性的數據已經可以正確辨識時，也代表電腦主動蒐集數據的能力已經大增，為大數據的分析基礎累積足夠的資料。
第二個變化是電腦蒐集資訊的即時性變得更快。包括Uber、滴滴打車等叫車軟體，可以透過行動網路、GPS定位，不但可即時掌握消費者的所在位置，消費者何時上下車、經過路線等數據，也都可以即時掌握；高通基於LBS應用技術的Gimba室內定位解決方案，更是號稱採行情境感知功能設計，基於Bluetooth Smart藍牙定位技術，讓室內定位精準度誤差可低於1英呎，在實際零售應用時，可掌握顧客在賣場的動線、位置、時間與對不同商品的興趣數據，蒐集消費者入店購物的軌跡動線、使用折扣服務的動態等零售資訊的速度，也更加即時。
第三個變化是電腦與數據提供者的互動能力變得更強，可以透過人工智慧的對話過程，進一步探詢消費者的選擇意願，甚至引導消費者做出原本不打算做出的選擇。以Facebook為例，因此擁有多達15億活躍用戶，加上Facebook做為社群媒體的特性，可以收集到年齡、性別、地區、教育程度、興趣、行為等詳細的用戶資訊，因此可以針對用戶不同的興趣行為來投放廣告，提供多種受眾設定選項，提升廣告受眾購物的意願。
大數據有利零售業者備貨估算
做為大陸大數據平台的領導者，阿里巴巴可說最清楚大數據的價值何在。阿里巴巴B2B事業群副總裁余涌指出，大數據為傳統零售業者帶來的改變主要有兩點，分別是「精準備貨」及「沒有庫存」，由於這兩點也攸關零售業者的競爭力甚至生存能力，自然為零售模式帶來前所未有的變化。
如過去美國買家要採購大陸產品，到貨時間往往曠日廢時，因為一旦業者在美國的倉庫沒貨，就得從大陸運送到美國，海運可能要等30天、空運可能要3天，雖然只要多備貨就能解決前述的問題，但庫存壓力也可能導致業者虧損，如何估算正確數字，一直是零售業者很大的困擾。
余涌表示，阿里巴巴提供給大陸企業的海外雲銷售模式，會先透過大數據計算出特定市場如美國西海岸某地區對某項商品的採購量，企業可根據該數據先在位於美國的海外倉庫備貨，然後再透過美國本地的倉庫及物流系統配送，在阿里巴巴的協助下，現在可能只要3小時就能到貨。
但藉由大數據模式備貨，並非沒有缺點。余涌認為，倉庫、物流及金流都必須能夠上雲端，更重要的是，業者的思維是否能跟著轉變，因為業者如果只是將網路當成工具，無法進一步整合線上及線下的零售模式，將會錯失大數據提供的零售商機。
大數據分析消費者個性化需求
不過對零售業而言，最需要數據分析的對象還是消費者。長久以來，零售業早已透過訂單統計分析、問卷訪談等工具，對消費者進行了解，如美國零售龍頭業者沃爾瑪(Wal-Mart)的資訊工程師，就是在分析結帳數據時發現，每到星期五晚上，尿布和啤酒的銷售量有正向關聯性。透過調查才知道，原來美國週五晚上，父親常常幫家裡到超市買尿布，順便為週末球賽聚會購買啤酒回家。後來沃爾瑪採取合購策略，固定在每週五，將啤酒和尿布擺設放在同一區域，意外讓這兩項產品的銷售量提升30%。
事實上，零售商都會將暢銷的商品擺放在貨架顯眼的位置，如書店的暢銷書專區，期望以此獲得更高的銷量。然而這種作法的假設是，專區中的書比較多人會買，因此下一個走到專區的人，買走這些書的可能性也會更高，這樣的分析邏輯，其實是有違滿足消費者個性化需求的目標。
因此，過去的數據分析方式，通常只能對消費者輪廓做大致性的瞭解，想要更加清晰地瞭解客戶的需求、購買行為特徵及消費者自身屬性等影響消費者購買決策的因素，進而實現精準化行銷，準確識別目標客戶，顯然需要更細緻的數據分析能力。
如麥當勞為了提升「得來速」的消費者體驗，特別利用大數據分析技術，分析得來速車道所拍攝的視頻。麥當勞首先設定三個不同的因素：得來速的設計，消費者使用得來速過程中收到的資訊，以及在得來速排隊等待點餐的人群，藉此分析各種需求的節奏，儘量避免出現一大家子人在一個小汽車裡點一大堆東西，影響排在後面只想點杯奶昔的單一顧客的現象發生。
麥當勞甚至已經開始根據店內人流量、顧客互動，得來速裡的流動性、點餐節奏、銷售網站資料、視頻資料和感測器資料，用來設計餐廳擺設、菜單更新、培訓專案和供應鏈優化的反覆運算。讓世界各地的麥當勞看起來似乎一模一樣，但其實每個餐廳之間都有著輕微不同。
麥當勞在2015年8月嘗試推出「自由搭」—顧客可自由搭配主餐與一種飲料，價格較超值全餐低。麥當勞透過分析實驗門店的營業資料發現，「自由搭」帶動銷售的新商品雖然較多，但同時也會對其他商品的組合，形成巨大的銷售侵蝕。
但麥當勞同時也發現，同期推出的一個叫「充電飽」的加長漢堡，雖然銷售表現不如「自由搭」亮眼，但購買的客戶皆是新的客群，歸結到全店的銷售來看，帶動績效成長更為顯著，麥當勞於是決議全面推行「充電飽」專案，堪稱是大數據分析影響零售決策的典範之一。
善用社群網站數據提升客戶忠誠度
滿足消費者個性化需求，提供符合其需求的商品和個性化的服務外，不僅能提高消費意願及行銷效益，更能有效提高客戶的忠誠度。忠誠度高的用戶，不但會為零售業帶來持續的訂單，還能透過口碑傳播，幫零售業帶來新的客戶，更是零售業開始重視大數據分析的關鍵因素。
透過大數據分析技術，可將使用者劃分不同級別，識別出高忠誠度的用戶，並對其即時予以關注，採取一系列措施，盡力維持和提高這部分客戶的忠誠度。此外，通過大數據分析，還可識別出對營業額和利潤水準的提升有影響力，但忠誠度尚需培養的客戶，業者就可利用一系列行銷活動，設法將這些客戶轉化為忠誠度高的客戶。
尤其在社群網站當道的時代，任何消費者都可能會將自己的消費體驗，隨時隨地充分的表達自己的見解和主張，也會更希望自己的意見能夠獲得認可，並得到回饋。零售商可以透過粉絲專頁、收集購物評論與客戶服務資料等多種方式做大數據分析，更容易找到發表意見的關鍵消費者，進而強化其忠誠度，讓零售決策及行銷設計都能變得更加有智慧。
