專欄—大師說

新零售策略規劃—客戶為王的4.0世代

新零售的人工智慧與大數據分析

文/林希夢

針對新零售行業所必須處理的所有線上訂單與客戶消費行為紀錄的相關海量數據，幸好有「大數據理論」在2011 年就正式提出了研究報告，做為這個主題的理論基礎，相關的研究蓬勃發展，再加上由谷歌在2008 年所提出的Hadoop巨量資料處理架構的全新資料庫標準，與平行處理的相關技術標準。相當於為大數據這個鯨魚等級體量的超大資料庫插上了翅膀，讓體量巨大無比的大數據的分析可以飛快地進行即時的分析。

目前已經有不少大數據服務公司採用Hadoop架構建立巨量的資料庫，為特定行業的客戶提供服務，最早被服務的一個產業就是金融行業。因為利用大數據分析手法，可以通過對於貸款客戶海量資料的分析，來進行信用貸款授信額度的精準判定，因此這個服務很早就被銀行業所接納。採用Hadoop 架構的大數據分析技術，現在已經擴展到許多「新零售」行業的客戶畫像分析、客戶消費行為預測等領域的應用。

目前在中國大陸傳統電商與「新零售」行業擁有最大量的大數據資料庫的集團，應該是阿里巴巴集團。根據《21 世紀商業評論報導》2013年6 月報導，自2009 年開始，阿里巴巴集團的資料技術架構發生重大變革，從原有的關聯式資料庫Oracle，向開源平台Hadoop 進行轉移。截至2013 年，阿里巴巴集團資料平台事業部的伺服器上，已經累積了超過100 PB 已「清洗」的數據。而阿里巴巴集團的資料庫架構，由Oracle 向Hadoop 轉移的目的，就是要實現阿里巴巴全集團不同的公司所有資料互相打通、集中管理和共用。

這是一個非常具策略性的數位化重大決策！透過使用谷歌的全新開源平台Hadoop，阿里巴巴集團在巨量資料處理技術上的躍升，可以使得原來在關聯式資料庫上需要幾十個小時的搜尋，下降到幾十秒或幾秒的秒級處理能力，因此能在雙11 這樣的海量訂單極端情況下，以極快的速度處理許多客戶畫像的分析，與客戶消費行為的分析，這是原來關聯式資料庫所無法達成的。其次，阿里巴巴集團透過整合旗下跨各個公司的客戶消費相關資料，形成一個巨大無比、高度有效的消費者行為分析資料庫，在阿里巴巴集團跨公司之間，又可以產生交叉推薦的加乘效果。

此一加乘效果，在2018 年阿里巴巴集團收購居家用品大賣場知名品牌居然之家的部分股權時，特別顯示出它的價值。根據公開報導指出，總部位於北京的居然之家在2018 年初確定由阿里巴巴集團斥資58億元人民幣收購其部分股權，並進行「新零售」經營的深度改造。經過短短半年多時間的改造，居然之家把原有的訂單資料，跟阿里巴巴集團的大數據資料庫打通，進行深度的資料整合與經營模式的改造。首先，居然之家的所有商品進行了高度數位化的變革與升級，所有要在居然之家上架的商品，除了要有基本的產品資料電子化之外，還需要由廠商根據指定規格，交出3D 繪圖檔案給居然之家，同時還需包含所有產品規格的不同表面顏色與材質的電子檔案。此一要求使得居然之家在推出3D裝修試衣間時，可以輕鬆整合所有客戶指定的家具、裝飾品規格，得以瞬間以3D立體全彩模擬繪圖的方式，呈現在大螢幕上，供客戶全家人品頭論足並隨意更換顏色（如：窗簾的顏色、大門的木板材質與顏色）、規格（如：沙發的面料是要真皮或布料）。更進一步地，對於家具挑選不熟悉的客戶，還可以進行整個新家想要中式風格家具，或者西式設計家具的配套推薦，然後再進行局部調整直到全家人滿意為止。「3D裝修試衣間」的作法，震撼了整個中國大陸的家庭裝潢與家具行業，因為從來沒有任何一家公司可以在秒級的標準之下，做到對客戶在全屋家具與裝潢可以任意更換顏色、規格的3D模擬繪圖服務。

阿里巴巴集團與居然之家的深度合作，展現出高度數位化管理的供應鏈（從產品建檔就開始高度數位化），能提供給的客戶驚喜體驗管理能力。同時，這樣的高度數位化供應鏈也是基於深度的大數據能力、高度的商品數位化，才能達到此一成果。這個案例也使得所有實際試用過的客戶為之驚艷，任何不具有室內設計專業的客戶都能透過「3D裝修試衣間」的方式，快速選擇自己滿意的全屋家具與裝潢效果。更重要的是，「3D裝修試衣間」可以把客戶最終選擇的版本的詳細規格，直接產生一個訂單二維碼，經由阿里巴巴集團的手上透過高度數位化供應鏈所呈現出來的深度客戶體驗，明顯地增加了居然之家的成交比例與成交金額，有報導指出，2018 年的雙11促銷活動期間，居然之家的營業額高達120億元人民幣。相信所有從事行銷專業的主管們看到這裡，也自然會想到：如果能善用阿里集團已經打通跨公司的客戶訂單大數據分析結果，將會使得行銷部門在對於客戶精準觸達與引流到店參觀、推薦客戶適當產品（跨整個阿里集團相關「新零售」公司），引發高度精準且能持續擴大的行銷成果。因此，精準行銷在「新零售」既是一種策略，也是一種方法工具，用來在越來越接近C2F的客戶直接向工廠訂購模式變革過程中，快速吸引客戶（引流），並快速促成訂單成交（轉化），並且不斷地精準推薦商品與折扣優惠（精準觸達）。如果能再適當地藉助客戶體驗管理工具（例如：客戶旅程地圖法）管理過程，可以高度保障提高客戶成交金額與客戶洽詢的次數（提高成交訂單數與訂單金額）。總結來說，精準行銷就是超越競爭者，達成「訂單贏家（Order Winner）」的精準導引武器！

客戶畫像，是指利用客戶訂單、消費行為與互動軟體（如：社交平台或手機APP），所取得的客戶行為數據，經過大數據分析之後，得出的一些多維度的共通性描述。例如：某個X品類的商品，主要消費的客戶群可能來自「男性」、「年紀在二十至三十歲」、「購買頻率為每三個月一次」、「該客戶畫像群佔有X 品類商品銷售的50%」等的一種通則行為描述的數據。一般來說，簡單的客戶畫像分析，可以針對某些維度分析的結果，給客戶的基本資料註記客戶畫像類別「標籤」，根據這些標籤來進行對客戶的分類與進行促銷時的篩選。一般的CRM或是SCRM(Social CRM) 基本上都具備這樣的功能，可以協助「新零售」企業的行銷人員快速找到促銷資訊發布的對象。客戶畫像分析的建立，協助「新零售」企業的行銷人員，進行對主要購物的人群進行深度的瞭解與消費行為的分析。

傳統的市場研究報告是針對全面性的市場分析，是屬於對某段期間、某個範圍的市場進行的調查分析結果，所做出的客戶畫像也是相對靜態的、變數與維度較為單純的。然而在高度數位化的新零售企業環境下，針對一些商品數量眾多且訂單量、客戶數都較多的「新零售」企業，實際分析的客戶畫像的群組數量細分的結果，數量可能會非常巨大，其數量級甚至可以達到百萬級、千萬級。這個數量級的大數據分析報告結果，人類根本無法看完！也因此在4.0世代「新零售」企業的精準行銷管理實務上，產生訂單大數據分析結果必須使用人工智慧系統模組進行「快速解析、辨認有效的客戶畫像、協助新零售企業主管的快速決策」這種秒級精準行銷反應能力的特殊的需求，唯有如此才能在短時間內完成訂單消費行為的精準檢視與理解，進而借助CRM系統以自動化的方式，產生後續精準觸達個別客戶的資訊，然後直接進行小時等級，甚至分鐘等級的精準行銷快速回應。
 

總部位於中國大陸廣東省順德的家電企業「美的集團」，通過數位化行銷，實現消費者購買的紀錄、購買管道、地域、使用偏好等資訊全部標籤化；一則使用者紀錄可以打上近六百個客戶畫像的分類標籤和多個層級的標籤屬性，形成三百六十度完整的客戶畫像；並基於此消費者大數據進行大規模訂製，更為精準高效地滿足消費者需求。（引用自：「埃森哲中國企業數字轉型指數」2019 年報告，Accenture）

在過去的CRM 系統之中，對於設定客戶畫像分類標籤的作法，通常集中在人口統計相關變數（性別、年齡層、配送地址與所屬地理區域、收入等），與消費特性（金額、頻率、數量等）兩個主要的分析維度(Dimension)。雖然我們無法確實知道美的集團的CRM的詳細客戶畫像分類標籤到底有哪些，但是可以看出美的集團的客戶畫像分類標籤數量，比起傳統CRM系統所提供的客戶畫像分類標籤數，要高出幾十倍的量級，而且對於客戶畫像分類標籤建立了多維度(Multi-dimensional)、多層級的體系化框架。這就值得所有對於精準行銷感興趣的行銷人注意了！首先，多維度分析本來就是源自於多維度資料庫(Multi-dimensional Database) 應用在資料挖掘的技術，這個技術大約在1990年代開始流行，當時受到資料庫技術與電腦計算速度的限制，多數系統僅用於高階的商業情報系統(BIS: Business Intelligence System)，不適合成千上百的使用者同時使用，否則很容易造成電腦運算緩慢等問題。現在使用大數據專用的資料庫架構（例如：Hadoop），則可以輕易在秒級回應的查詢之下，滿足對於PB(Peta Binary Byte, 1PB=1,024 TB=1,048,576GB) 等級的巨量資料查詢的運算需求。同時，多維度資料庫、資料挖掘的相關技術，雖然起源較早，但是經過二十多年以來的演進，仍然是在大數據分析時，除了高等數學算法以外，用來做為主要分析方法的主要工具。因此善於把大數據分析應用在精準行銷上，能深度理解多維度分析的邏輯，將可以把行銷人自己武裝成為一個可以攻城掠地的精準導引武器系統！有興趣的讀者可以參考圖7-5，雖然沒有達到客戶畫像分類標籤的詳細等級，仍然可以約略感受到多維度分析邏輯。

【如欲閱讀全文，敬請訂閱雜誌。】