零售业在大数据的推波助澜下，早已颠覆了过去的销售模式，带来的是新一波智慧零售，主要是以个别消费者为核心，利用大数据分析其需求特性，并藉此提供个别化之营销策略，以期透过个人需求的满足以提高企业的获利;由于每位消费者的身上有其专属的行为模式与消费习惯，只要零售业厂商有意蒐集其各项数据，透过数据驱动分析(data driven analysis)的分析方式，便可以从中挖掘个别消费者的讯息，并提高零售业的精准营销，是为新一代的商业智慧(Business Intelligence, BI);而本中心智慧零售团队即是此一领域的翘楚，并已应用在百货及电信业者的客户消费行为分析上。

　　以百货业的客户消费行为分析为例，透过分析持有Happy Go卡消费者在远东百货的消费资讯(已经去除可识别特定个人之数据)的数据，便可分析持卡者于消费时在柜位间的移动，进而提供远东百货在柜位的调整，希望藉此提供更能满足消费者购物需求的动线设计;其次，在DM的发送上，也因为大数据分析而改变过去通用型DM发送模式，透过大数据对客户消费内容进行分析，进而针对其特定需求来客制化DM，以弹性地变更DM内容，让DM更可以打动个别消费者的心，增加其来电购买意愿，提高百货公司的获利能力。

　　图二：建构于消费者行为理论与生活型态理论的BI介面

　　图二为该团队所建立的BI应用系统，此一系统之建立系以营销领域中的消费者行为理论(customer behavior)、生活型态理论(life style theory)，配合多因子分析(factor analysis)的统计方法，找出关键的影响因子;以DM的发送为例，透过数据驱动分析制成BI，百货业者便便可藉此而更为精准地发送个别化DM，实现精准营销的最高奥义;换句话说，以往百货公司在进行周年庆时，所发送的DM都是无差异化的，因此印制成本甚高，成效如何也甚难评估;现在透过大数据分析的BI系统，因已知个别客户的需求特性，因此将过去厚厚一本的DM进行客制化制作，甚至以eDM的方式来进行精准广告的投放，不只能提高进准度，同时亦降低了DM的印制成本;综上所述，透过对百货业之顾客的大数据分析所提供的BI，除了更能了解顾客的消费型态外，亦可协助百货业者透过柜位安排以及精准营销的推动，进而提升百货业者的获利能力。

　　图三：电信业使用者之社会网络图

　　而该团队另一研究则是在电信业客户数据的分析，目前，台湾各大电信业者皆积极进行大数据之加值应用，希望从中找到新的获利管道，而使用者社会网络分析即是一种可能的方式;一般来说，可以将电信业区分成两个数据集(DataSet)，分别为语音通话数据和3G、4G上网，其中消费者的语音使用本身便可分析其社会网络(如图叁)，比如说亲朋好友、网内、网外互打等，从中分析语音服务使用者的社会网络结构，并从中判读意见领袖与其影响力路径;此部分的分析可以搭配简讯传送数据来进行，以Aster Discovery Platform的方式找出通路网络中的意见领袖，从中辨识出网路中心点─即核心使用者(如图四)，并以Customer Behavior Segmentation建立分群，找出诸如「高花费、偶欠费、常抱怨」、「爱捡便宜、买错方案、不怕违约」的客群，并对其发展客制化的营销方案;此一分析结果应用上较为成功的案例，如电影院业者与意见领袖的合作，透过简讯通知这些核心使用者，并表示若其发送电影折价讯息给其他网络成员，且这些讯息接收者也因此而前往电影院消费时，则此一意见领袖即可获得一些奖励，效果非常的显着，据了解整体票房可提升至30%左右。

　

图三：Aster Discovery Platform

　　另一方面，从3G、4G使用者的上网数据来看，电信业者可以取得用户各项使用资讯，简单来说，就是用户逛了哪些网站、停留网站多久时间、使用了哪些APP等，事实上，这些行为是相当紊乱的，故取得数据后如何利用统计技术将这些混杂的巨量数据压缩成几个大面向，就显得相当重要，以购物网站为例，有各大购物类网站、APP或是关键字搜寻等，然后透过机器学习(Machine Learning)，利用大量数据立自己的「智慧」，进而预测、分类或是分群等动作，如搜寻规则及关键字的建立等，进而分析使用者在网路上的行为，如逛购物类网站的时间比重、购物行为，甚至是使用者的生活型态、社经地位等，也就是说可以藉由统计分析去辨识该位使用者的身份，如上班族、学生族、银发族等，该团队积一直极于发展顾客动向洞察研究，协助业者深度认识顾客生活型态、社交网路，并发展留住旧客、开发新客的顾客关系管理新方法，目前已提升女性用户的市场渗透率 (penetration rate) 3%，未来将加入位基服务(LBS; location-based) 数据，将有利于精确判读用户行为。

　　在庞大且复杂的数据中，如何进行蒐集以及如何有效处理各种消费数据，透过巨量数据分析深入了解消费行为，在抽丝剥茧中找出关键分群，进而掌握先机并创造商机。而曾芳美院长率领该团队与业界知名百货业、电信业共建良好合作模式，便是将所有的应用淋漓尽致地体现出来，将理论模型与实务需求结合并利用大数据解决方案，洞见消费者需求并依此发展精准营销方案、发展Online to Offline(O2O)零售商业模式等，并用以整合至企业内部既有的结构化数据，从而发展出一套整合分析模式，为经营者带来洞察力。最后，值得一提的是，在这些大数据分析与应用的背后，也带来个资隐私保护的疑虑，不过再去除可识别化数据后，便可进行上述分析，进一步提升BI在零售业的重要性。
 
原文链接：http://www.thebigdata.cn/YingYongAnLi/13876.html