用數據驅動品牌營運-以電商產業為例

2022-08-24-4.04.52

 大家好,歡迎來到AMT亞太行銷數位轉型聯盟協會,大專院校數位人才培育計畫,

每週為您博覽全球最新的行銷數位轉型、大數據AI應用、MarTech、新零售、品牌行銷趨勢等的研究報告或文章,

促進企業數位轉型能量之提升。今日想跟各位分享的主題是先前 amt 舉辦 a-class 活動中的嘉賓 ruby's collection所分享的用數據驅動品牌營運。


在這個快速變遷的時代下,尤其是受到疫情、隱私政策的影響,消費者的習慣更是變化莫測。身在電商零售產業的Ruby's collection也感受到相同的壓力,他在a class的課程當中以電商零售產業常用的黃金方程式來做舉例,所謂的零售業黃金方程式是人流量*轉換率*客單價,然而在大多數的情況下,轉換率和客單價是取決於產業以及產品本身,若是我們賣的是電器產品,那其客單價一定會比民生用品如衛生紙等等的產品來得高但轉換率低很多。因此想要在某個產業裡脫癮而出,或許人流量會是成長潛力以及可控制性最大的環節。


到這邊可能有些人會覺得那是不是持續下廣、提升觸及人數就可以進一步提升人流量。直觀的想確實沒錯,但在社群廣告演算法改變、競爭者增加的現實世界中,這樣的作法可能會導致您的廣告成本節節上升。


因此Ruby's collection提出的第一項觀點便是搞定關鍵少數和獲得新顧客一樣重要!Ruby's collection認為雖然人人平等,但每位顧客的價值是不相同。

品牌必須透過顧客分群以及 80/20 法則的概念找出其顧客中的 VIP 顧客群。


而為了讓大家了解如何做顧客分群,Ruby's collection也提供了他們自己的方式,也就是塗上的NASL顧客分群模型。

Ruby's collection也說市面上有許多大家熟知的顧客分群模型,像是RFM MODEL 或是 NES MODEL等等,但比起上述這些模型,NASL則更加簡化且具備相同的實用性,也因此他們最後使用這個方法。

簡單來說,NASL模型 - 是一個零售業的會員分群模型,透過大數據分析,協助零售品牌了解會員分布的樣貌,追蹤會員經營的成效,並針對不同分群的會員,設計對應的會員行銷活動。

首先,在應用此模型前,大家必須了解一個觀念:隨著時間的推移,品牌每月的總累積會員數,正常來說只會變多,不會減少。但關鍵是每月有交易的會員數有沒有每個月提升。這也是此模型的功用之一,協助您找出對您品牌最有效益的一群人。


Nasl模型利用3倍回購週期以及是否有回購來將顧客分成4大群,其中3倍回購週期中的回購週期是視您產品的性質而定,像是民生必需品的回購週期就會必家具類型產品的回購週期來得短。而這四個族群又分別是在3倍週期內有回購的Active 活躍客;曾回購過,但上一次購買是在3倍週期到6倍週期之間的Sleep 沉睡客;3倍週期內只購買一次的New 新客;以及只買過一次且上次購買是在3倍週期到6倍週期之間的Lost 流失客。而在這四群人之外,還有尚不認識您品牌的潛在顧客以及已經超過6倍周期都沒買過產品的封存顧客。


NAsL分群後,我們可以透過上表進一步觀察每個族群與您品牌的互動行為以及對品牌的貢獻程度,

像是在上表我們可以看到在活躍顧客和曾經是活躍顧客的沉睡顧客當中,雖然其人數占比僅佔14%,但帶來的收入占比卻高達51%,也因此Ruby's collection再次強調,會員不是越多越好,重點是活躍顧客的多寡數。此外,我們可以再進一步觀察在重點發展的族群中,他們大多是從那些行銷管道而來,再去做更細緻的貼標,了解會員分佈的樣貌。以利後續針對不同族群的會員,做不同活動促購,並針對不同會員分群做不同的文案溝通。


讓買過一次的客人,來買第二次(N to A),流失的客人可以讓他再回來(L to A),曾經是活躍的客人繼續保持活躍(S to A)。

那些註冊未購的客人,可以讓他們嘗試第一次購物(O to N),那些沈睡或封存的客人,可以喚醒他們回來(D to A)。


而在擬定策略的環節,Ruby's collection也提供了一些策略重點和技巧給各位。像是針對還不認識品牌的顧客,行銷重點應放在建立認知度、信任度

因此可以做的行銷活動就會像是異業合作、網紅、SEO。

而針對active活躍顧客,行銷重點應是放在追求客單價提高以及提升滿意度,因此常見的行銷活動會是新品推播以及滿額活動。

針對New 新客的部分,行銷重點是追求二次消費、提升信任度,因此可以做的活動則是粉絲團、簡訊、隨包附贈。

最後針對沉睡顧客/流失顧客以及封存顧客,重點應放在刺激回憶、製造衝動;因此可以做免運、爆款組合等活動。


除了分析顧客之外,Ruby's collection再最後也分享了如何養成以數據驅動決策的團隊。

他建議團隊可以利用假說思考的概念,釐清要證明什麼、需要什麼數據來佐證、數據的標準為何?等三大問題。


舉例來說,探討是否要設計生日禮的活動時,可以思考設計生日禮的活動是否能提升消費金額?

  • 再要證明什麼的部分就是:顧客在生日當月購物欲望是否較高?生日當月是否會購買比較多?
  • 而需要什麼數據來佐證的環節則是:生日當月消費以及平均消費金額
  • 最後是數據的標準為何:以平均消費金額作為基準點,比較顧客在生日當月的消費金額是否有比平均消費金額高

最後,Ruby's collection提醒,網路世代,更應該用數據解讀商機,

數據不是越多越好,數據多不如問對問題。

與其下指導棋,不如讓所有同事都能解讀、自己判斷。











2022行銷趨勢預測
以RACE為框架的15項數位行銷建議
 

評論

尚無評論
Guest
2022-12-01, 週四
如果您想注冊,請填寫帳號,密碼和名稱字段

Captcha 圖像


By accepting you will be accessing a service provided by a third-party external to https://marsgo.amt.org.tw/

還沒有帳號? 立即註冊!

登入您的帳號