零售業在大數據的推波助瀾下，早已顛覆了過去的銷售模式，帶來的是新一波智慧零售，主要是以個別消費者為核心，利用大數據分析其需求特性，并藉此提供個別化之營銷策略，以期透過個人需求的滿足以提高企業的獲利;由于每位消費者的身上有其專屬的行為模式與消費習慣，只要零售業廠商有意蒐集其各項數據，透過數據驅動分析(data driven analysis)的分析方式，便可以從中挖掘個別消費者的訊息，并提高零售業的精準營銷，是為新一代的商業智慧(Business Intelligence, BI);而本中心智慧零售團隊即是此一領域的翹楚，并已應用在百貨及電信業者的客戶消費行為分析上。

　　以百貨業的客戶消費行為分析為例，透過分析持有Happy Go卡消費者在遠東百貨的消費資訊(已經去除可識別特定個人之數據)的數據，便可分析持卡者于消費時在柜位間的移動，進而提供遠東百貨在柜位的調整，希望藉此提供更能滿足消費者購物需求的動線設計;其次，在DM的發送上，也因為大數據分析而改變過去通用型DM發送模式，透過大數據對客戶消費內容進行分析，進而針對其特定需求來客制化DM，以彈性地變更DM內容，讓DM更可以打動個別消費者的心，增加其來電購買意愿，提高百貨公司的獲利能力。

　　圖二：建構于消費者行為理論與生活型態理論的BI介面

　　圖二為該團隊所建立的BI應用系統，此一系統之建立系以營銷領域中的消費者行為理論(customer behavior)、生活型態理論(life style theory)，配合多因子分析(factor analysis)的統計方法，找出關鍵的影響因子;以DM的發送為例，透過數據驅動分析制成BI，百貨業者便便可藉此而更為精準地發送個別化DM，實現精準營銷的最高奧義;換句話說，以往百貨公司在進行周年慶時，所發送的DM都是無差異化的，因此印制成本甚高，成效如何也甚難評估;現在透過大數據分析的BI系統，因已知個別客戶的需求特性，因此將過去厚厚一本的DM進行客制化制作，甚至以eDM的方式來進行精準廣告的投放，不只能提高進準度，同時亦降低了DM的印制成本;綜上所述，透過對百貨業之顧客的大數據分析所提供的BI，除了更能了解顧客的消費型態外，亦可協助百貨業者透過柜位安排以及精準營銷的推動，進而提升百貨業者的獲利能力。

　　圖三：電信業使用者之社會網絡圖

　　而該團隊另一研究則是在電信業客戶數據的分析，目前，臺灣各大電信業者皆積極進行大數據之加值應用，希望從中找到新的獲利管道，而使用者社會網絡分析即是一種可能的方式;一般來說，可以將電信業區分成兩個數據集(DataSet)，分別為語音通話數據和3G、4G上網，其中消費者的語音使用本身便可分析其社會網絡(如圖叁)，比如說親朋好友、網內、網外互打等，從中分析語音服務使用者的社會網絡結構，并從中判讀意見領袖與其影響力路徑;此部分的分析可以搭配簡訊傳送數據來進行，以Aster Discovery Platform的方式找出通路網絡中的意見領袖，從中辨識出網路中心點─即核心使用者(如圖四)，并以Customer Behavior Segmentation建立分群，找出諸如「高花費、偶欠費、常抱怨」、「愛撿便宜、買錯方案、不怕違約」的客群，并對其發展客制化的營銷方案;此一分析結果應用上較為成功的案例，如電影院業者與意見領袖的合作，透過簡訊通知這些核心使用者，并表示若其發送電影折價訊息給其他網絡成員，且這些訊息接收者也因此而前往電影院消費時，則此一意見領袖即可獲得一些獎勵，效果非常的顯著，據了解整體票房可提升至30%左右。

　

圖三：Aster Discovery Platform

　　另一方面，從3G、4G使用者的上網數據來看，電信業者可以取得用戶各項使用資訊，簡單來說，就是用戶逛了哪些網站、停留網站多久時間、使用了哪些APP等，事實上，這些行為是相當紊亂的，故取得數據后如何利用統計技術將這些混雜的巨量數據壓縮成幾個大面向，就顯得相當重要，以購物網站為例，有各大購物類網站、APP或是關鍵字搜尋等，然后透過機器學習(Machine Learning)，利用大量數據立自己的「智慧」，進而預測、分類或是分群等動作，如搜尋規則及關鍵字的建立等，進而分析使用者在網路上的行為，如逛購物類網站的時間比重、購物行為，甚至是使用者的生活型態、社經地位等，也就是說可以藉由統計分析去辨識該位使用者的身份，如上班族、學生族、銀發族等，該團隊積一直極于發展顧客動向洞察研究，協助業者深度認識顧客生活型態、社交網路，并發展留住舊客、開發新客的顧客關系管理新方法，目前已提升女性用戶的市場滲透率 (penetration rate) 3%，未來將加入位基服務(LBS; location-based) 數據，將有利于精確判讀用戶行為。

　　在龐大且復雜的數據中，如何進行蒐集以及如何有效處理各種消費數據，透過巨量數據分析深入了解消費行為，在抽絲剝繭中找出關鍵分群，進而掌握先機并創造商機。而曾芳美院長率領該團隊與業界知名百貨業、電信業共建良好合作模式，便是將所有的應用淋漓盡致地體現出來，將理論模型與實務需求結合并利用大數據解決方案，洞見消費者需求并依此發展精準營銷方案、發展Online to Offline(O2O)零售商業模式等，并用以整合至企業內部既有的結構化數據，從而發展出一套整合分析模式，為經營者帶來洞察力。最后，值得一提的是，在這些大數據分析與應用的背后，也帶來個資隱私保護的疑慮，不過再去除可識別化數據后，便可進行上述分析，進一步提升BI在零售業的重要性。
 
原文鏈接：http://www.thebigdata.cn/YingYongAnLi/13876.html