大数据应用日臻成熟 更易掌握零售市场需求
- DIGITIMES企划
-
在网络行销、社群媒体当道的时代，消费者更容易掌握商品信息、比较价格，传统的广告行销，对消费者的影响力也日渐衰退，消费者已不再迷信于传统的大企业、大品牌，传统的销售模式想要满足消费者追求个性化需求，难度可说是愈来愈高。
当消费者变得比过去更加挑剔和难以捉摸时，透过大数据分析帮助零售商了解形形色色的消费者，进而提供更好的消费体验，进而帮助零售商建立形象，维护客户关系，成为智能零售必然的发展方向。
大数据技术变化对零售业的影响
大数据分析之所以能够满足消费者个性化的需求，关键在于近年来的技术变化突飞猛进。第一个变化就是电脑正确识别非结构性数据的能力大增。如美国已经可以让使用者将手机放在电视旁，就可以识别是哪一个频道(如CNN新闻频道)，现在正在播出什麽内容，其实Sony的TrackID在智能手机还没流行时，就已经有能力根据播放中的旋律正确识别出歌曲名称，当非结构性的数据已经可以正确识别时，也代表电脑主动蒐集数据的能力已经大增，为大数据的分析基础累积足够的数据。
第二个变化是电脑蒐集信息的实时性变得更快。包括Uber、滴滴打车等叫车软件，可以透过移动网络、GPS定位，不但可实时掌握消费者的所在位置，消费者何时上下车、经过路线等数据，也都可以实时掌握；高通基于LBS应用技术的Gimba室内定位解决方案，更是号称采行情境感知功能设计，基于Bluetooth Smart蓝牙定位技术，让室内定位精准度误差可低于1英尺，在实际零售应用时，可掌握顾客在卖场的动线、位置、时间与对不同商品的兴趣数据，蒐集消费者入店购物的轨迹动线、使用折扣服务的动态等零售信息的速度，也更加实时。
第三个变化是电脑与数据提供者的互动能力变得更强，可以透过人工智能的对话过程，进一步探询消费者的选择意愿，甚至引导消费者做出原本不打算做出的选择。以Facebook为例，因此拥有多达15亿活跃用户，加上Facebook做为社群媒体的特性，可以收集到年龄、性别、地区、教育程度、兴趣、行为等详细的用户信息，因此可以针对用户不同的兴趣行为来投放广告，提供多种受众设定选项，提升广告受众购物的意愿。
大数据有利零售业者备货估算
做为大陆大数据平台的领导者，阿里巴巴可说最清楚大数据的价值何在。阿里巴巴B2B事业群副总裁余涌指出，大数据为传统零售业者带来的改变主要有两点，分别是「精准备货」及「没有库存」，由于这两点也攸关零售业者的竞争力甚至生存能力，自然为零售模式带来前所未有的变化。
如过去美国买家要采购大陆产品，到货时间往往旷日废时，因为一旦业者在美国的仓库没货，就得从大陆运送到美国，海运可能要等30天、空运可能要3天，虽然只要多备货就能解决前述的问题，但库存压力也可能导致业者亏损，如何估算正确数字，一直是零售业者很大的困扰。
余涌表示，阿里巴巴提供给大陆企业的海外云销售模式，会先透过大数据计算出特定市场如美国西海岸某地区对某项商品的采购量，企业可根据该数据先在位于美国的海外仓库备货，然后再透过美国本地的仓库及物流系统配送，在阿里巴巴的协助下，现在可能只要3小时就能到货。
但藉由大数据模式备货，并非没有缺点。余涌认为，仓库、物流及金流都必须能够上云端，更重要的是，业者的思维是否能跟着转变，因为业者如果只是将网络当成工具，无法进一步整合在线及线下的零售模式，将会错失大数据提供的零售商机。
大数据分析消费者个性化需求
不过对零售业而言，最需要数据分析的对象还是消费者。长久以来，零售业早已透过订单统计分析、问卷访谈等工具，对消费者进行了解，如美国零售龙头业者沃尔玛(Wal-Mart)的信息工程师，就是在分析结帐数据时发现，每到星期五晚上，尿布和啤酒的销售量有正向关联性。透过调查才知道，原来美国周五晚上，父亲常常帮家里到超市买尿布，顺便为周末球赛聚会购买啤酒回家。后来沃尔玛采取合购策略，固定在每周五，将啤酒和尿布摆设放在同一区域，意外让这两项产品的销售量提升30%。
事实上，零售商都会将畅销的商品摆放在货架显眼的位置，如书店的畅销书专区，期望以此获得更高的销量。然而这种作法的假设是，专区中的书比较多人会买，因此下一个走到专区的人，买走这些书的可能性也会更高，这样的分析逻辑，其实是有违满足消费者个性化需求的目标。
因此，过去的数据分析方式，通常只能对消费者轮廓做大致性的了解，想要更加清晰地了解客户的需求、购买行为特徵及消费者自身属性等影响消费者购买决策的因素，进而实现精准化行销，准确识别目标客户，显然需要更细致的数据分析能力。
如麦当劳为了提升「得来速」的消费者体验，特别利用大数据分析技术，分析得来速车道所拍摄的视频。麦当劳首先设定三个不同的因素：得来速的设计，消费者使用得来速过程中收到的信息，以及在得来速排队等待点餐的人群，借此分析各种需求的节奏，尽量避免出现一大家子人在一个小汽车里点一大堆东西，影响排在后面只想点杯奶昔的单一顾客的现象发生。
麦当劳甚至已经开始根据店内人流量、顾客互动，得来速里的流动性、点餐节奏、销售网站数据、视频数据和传感器数据，用来设计餐厅摆设、菜单更新、培训专案和供应链优化的反覆运算。让世界各地的麦当劳看起来似乎一模一样，但其实每个餐厅之间都有着轻微不同。
麦当劳在2015年8月尝试推出「自由搭」—顾客可自由搭配主餐与一种饮料，价格较超值全餐低。麦当劳透过分析实验门店的营业数据发现，「自由搭」带动销售的新商品虽然较多，但同时也会对其他商品的组合，形成巨大的销售侵蚀。
但麦当劳同时也发现，同期推出的一个叫「充电饱」的加长汉堡，虽然销售表现不如「自由搭」亮眼，但购买的客户皆是新的客群，归结到全店的销售来看，带动绩效成长更为显着，麦当劳于是决议全面推行「充电饱」专案，堪称是大数据分析影响零售决策的典范之一。
善用社群网站数据提升客户忠诚度
满足消费者个性化需求，提供符合其需求的商品和个性化的服务外，不仅能提高消费意愿及行销效益，更能有效提高客户的忠诚度。忠诚度高的用户，不但会为零售业带来持续的订单，还能透过口碑传播，帮零售业带来新的客户，更是零售业开始重视大数据分析的关键因素。
透过大数据分析技术，可将使用者划分不同级别，识别出高忠诚度的用户，并对其实时予以关注，采取一系列措施，尽力维持和提高这部分客户的忠诚度。此外，通过大数据分析，还可识别出对营业额和利润水准的提升有影响力，但忠诚度尚需培养的客户，业者就可利用一系列行销活动，设法将这些客户转化为忠诚度高的客户。
尤其在社群网站当道的时代，任何消费者都可能会将自己的消费体验，随时随地充分的表达自己的见解和主张，也会更希望自己的意见能够获得认可，并得到回馈。零售商可以透过粉丝专页、收集购物评论与客户服务数据等多种方式做大数据分析，更容易找到发表意见的关键消费者，进而强化其忠诚度，让零售决策及行销设计都能变得更加有智能。
