資訊科技在流通服務業的應用資料挖採(Data Mining)在量販店之輔導案例介紹

瀏覽數:8091


一、資料挖採(Data Mining)的定義

  資料挖採又稱為知識發掘(Knowledge Discovery in Database簡稱KDD),顧名思義,其最終目的就是希望能從資料庫中挖採出對企業有用的寶藏,將資料庫中硬梆梆的資料變成饒富生趣的資訊。因此,資料挖採係指一詳盡資料的分析過程,期望能從中萃取出潛藏的、嶄新的、可應用的資訊用以解決企業面臨的問題。在此需要澄清的一點是,嚴格地說,資料挖採是知識發採的一種過程,但知識發採並不只有資料挖採一項工具,凡是能夠找出商業知識的方法過程,皆屬於知識發採的範疇,因此,資料挖採僅為知識發採的工具之一而已。

  另外,資料挖採也是知識管理領域中的一部份。因為資料挖採可以產生企業所需的商業知識,而知識管理係強調將企業的知識,包括企業文化、經營理念、經營運作的經驗及心得,做好良善的管理,就像將資料儲存在資料庫中一般,企業也應將好不容易得到的商業知識儲存起來並讓每個人都可輕易的使用,以利知識在企業中能有充分的傳授與交流,使知識產生後不再僅僅存在個人的腦中,而是將其永存於企業之中。

二、輔導個案分析

 筆者曾輔導過ㄧ家大型日用品量販店,使用客戶資料倉儲及資料挖採技術,並將初步結果有效運用於商品促銷,茲就此一個案稍加分析如下:

(一)廠商商品及會員狀況分析

1.全店約有18萬件商品(單品item),其中已有國際原印條碼(source barcode)者,佔7成3;使用店內碼者約佔2成5。該量販店有3000至4000家供應商,一樓陳列之商品約5000至7000件,有效會員有6萬多位,平常來店光顧約6成是女性。

2.會員中,經統計分析,一年以內曾經來店消費者佔5成7;最近4個月內有來店消費記錄者佔3成4;根據該店店長過往之刻板經驗,認為顧客只要購物後,超過4個月不曾來店,即不符再促銷成本,本輔導案目的在於如何應用資料倉儲及資料挖採技術,破除店長此一由來已久、似是而非的先驗(precedent),經由有價值之資訊,準確地瞄準目標顧客,增進來客數及客單價,終能增加營收。

(二)狀況說明

1.以往該店在商品企劃時,通常都以商品觀點去看商品,例如商品標示使用年限及適用年齡等訊息,實際上某嬰兒奶粉雖標示適用年齡為1~5歲,但也有消費者到6~7歲還在用該種奶粉;建議應該調整成就小眾消費者的需求角度,而非消費大眾觀點去看商品型錄。消費者觀點根據消費者需求,盡可能精準地推銷那種商品給這類消費者。

2.以往總要在顧客購買何種商品後,才知道顧客是那一類商品偏好的人;應用資料倉儲及資料挖採技術後,就可以事先知道他是那一種商品偏好的客人,跟著就準確地促銷給他那種商品。

3.舉個性別在購買行為差異的例子:男性較需要被關心與尊重,較不在乎價格;女性當然也需要被尊重,但一般而言比男性更在乎價格。

(三)邏輯判斷準則

1.判斷關聯準則(associate rules),系統可以同樣條件去對比(compare),找出商品關聯度,因而也找得到該顧客所喜好的關聯商品。

2.依顧客購買時間判別:若平日來購約可判斷該顧客為退休族;假日來購,則約可判斷該顧客為上班族。

3.依顧客購買商品屬性判斷是否已婚:有些顧客當加入會員時填寫未婚,但過了幾年事實上已婚,但並沒更正會員檔案,故可用其購買商品屬性判定其是否已婚。例如經常買多人份商品、較常買還需烹飪的食材….等等商品者,判定其已婚。

4.當顧客近期有購買文具,表示可能家裡有小孩;當文具購買頻度較高時,則表該顧客可能是公司。

5.依顧客身分判別,當顧客是父親的身分時,他會需要甚麼;而當顧客是先生身分時,他又會需要甚麼。

(四)分析與促銷

筆者輔導該店時,將顧客依其購買行為做集群分析:

(1)僅依大眾購買行為分析,即在DM中進行8項商品之促銷,顧客會回店購買的比率約為18至19%;但在同張DM中,另依個別顧客過去來店之消費行為分析後,推薦促銷的另8項商品,事後觀察與統計結果,該顧客會回店再次購買的比率則高達45%左右。

(2)兩相對照,透過簡易資料挖採技術分析後的促銷,其顧客再購率約2.5倍於不曾使用任何資料挖採技術的促銷;由此可見,資料挖採技術對業者促銷的效益有多大。

(3)協助企劃並推動主顧客會員鞏固專案:分(A)新友專案,亦即上週才加入會員之顧客及(B)固友專案,針對(a)已有1個月以上沒來店消費或(b)已有2至4個月,不曾來店消費之會員,利用資料挖採分析技術,探索並針對每一顧客之獨特消費偏好,主動促銷,號召來店再購,名之為鞏固專案(因怕自己顧客會員成為其他競爭者的客戶)。

(4)過去促銷方式是被動回應顧客;經輔導後,只要一經登錄為會員,即主動做促銷; 在資料挖採系統作業中,當顧客引動(購買)一項商品,才會啟動促銷決策資料庫。

(5)當顧客購買商品時,資料挖採及決策系統的判斷公式是:將該顧客購買當天日期減360天,先檢視那天該顧客是否有購買該商品;再檢視該商品之包裝量,若以往購買的同類商品是6片裝,則本次也向顧客介紹6片裝,而不會介紹其購買8片裝。

(6)該資料挖採及決策系統通常以年齡+地區作為挖採關鍵(key),而不只考慮性別而已,因卡是家庭卡,系統係認卡不認人。

(7)單只考慮性別的刻板判斷,當進行深入分析後,往往會有與慣有想法不一致的現象,例如從消費資料中,也會發現40歲左右的男人,會去購買衛生棉;40歲左右的女人會購買刮鬍刀。

(8)顧客停車優惠考量及彌補方案:不少顧客當下班後,好不容易找到家裡附近的位置停車後,若再開車出來本店購物,則回去後就可能沒位置可停,因此願意每項多花4~5元,就近在超商購買商品。考量這類顧客停車問題,這家店推出一個補償性之吸引方案,  開出足以彌補顧客搭計程車來回兩趟300元以內的競價活動,吸引有上述顧忌的顧客下班回家後搭計程車來店購物,不致流失此類客戶。

(9)關聯商品模組促銷:當顧客購買書桌時主動向其介紹並推銷文具,本輔導案設計

4種模組,包括:(a)相關模組:顧客購買零食就能向其推銷飲料或不同口味之零食;(b)替代模組:當顧客購買不到x商品時,就能向其促銷具替代性的商品;(c)延伸模組:當顧客購買麵包時,主動向其促銷烤麵包機;(d)消耗模組:當顧客購買咖啡爐時,向其推銷咖啡豆。當顧客購買空氣濾清機時向其推銷濾網。

(10)地理差異:經商品成交分析,高雄好賣的商品不見得台北好賣。 

三、實質效益

(1)該家量販店,原本每一檔期促銷要虧70多萬,因上述資料挖採技術在促銷之運用,自此非但不曾虧損,整個活動下來,都能淨賺90幾萬,一來一往,資料挖採對每一檔期之促銷活動產生160萬元的效益。

(2)另依固定促銷後,顧客被吸引來店再購率也因此提升23%以上。

四、再強化之道

(1)本資料挖採技術可配合call center主動做顧客追縱,因為顧客超過4個月沒有上門,並不表示對這家店已缺乏忠誠,促銷的DM沒能促使顧客回店購買,也並不該就視為促銷失敗,可能的原因很多,例如:顧客地址更動;促銷期間剛好出國或一個家庭申請多張會員卡等等,此類因素約佔百分之十左右。應積極應用此系統,就能有效促進回店率。

(2)資料挖採技術應指引店家,在顧客管理上,從顧客關係管理(CRM),朝向顧客忠誠管理(CLM);再進一部推展到顧客終身價值管理;而顧客終身價值管理,就是要運用資訊科技將顧客會員依其終身對商品的需求,有計畫、有目標地將它揉成適合每個人的需求圖像,這張圖像完完整整都不會有缺角,一但產生缺角,表示該客戶,一生所需要的商品至少有一項沒有在你這家店購買,就無法將該名顧客之終身價值給賺盡,因此在系統作業與管理上還得不斷精進。

更多資訊請參考...
{{item.title}}
生產力中心提供的活動資訊
{{item.title}}
相關出版品...