壹對一行銷

我在寫「美國是就業天堂」的時候，上104人力銀行查詢了跟Customer Analytics有關的工作，其中一個職缺是壹傳媒旗下壹網樂VOD服務徵求的CRM經理。CRM這個名詞在剛進入二十一世紀時開始發燒，當時有不少顧問認為它可以實現Don Peppers與Martha Rogers提出的一對一行銷（One-to-one Marketing）。如果壹網樂真的能夠成功實現這個概念，不就成了「壹對一行銷」？撇開名詞上的巧合，壹網樂（及其他VOD服務業者）要做到一對一行銷的確有其先天的優勢。

在會員制廣為企業採用的今天，連藥局、服飾店都有辦法直接對會員資料庫裡的個別顧客作行銷，不過這只是基本功（即使大公司也不見得能做好基本功：今天我收到富邦JCB卡加油優惠的EDM，但我根本沒有他們的JCB卡）。要成功達到一對一行銷的目的，還必須抓到行銷的時機和提供合適的行銷內容。

Retail Analytics

上週發現失業率居高不下的美國，在Customer Analytics方面的工作機會竟然比台灣多得不成比例。後來偶然在網路上找到Thomas H. Davenport寫的 Realizing the Potential of Retail Analytics 這篇文章（Davenport的著作包括 Competing on Analytics 一書，中文版《魔鬼都在數據裡》由中國生產力中心出版），儘管研究對象是美國的零售業，我認為文中其實提供了一些適用於台灣的線索。

Davenport在這篇2009年發表的文章提到，即使在美國，仍有很多零售業者無法吸收市面上現有的資料分析技術，這些業者也缺乏合格的分析人員來協助他們，除此之外，他們依然無法放心接納以分析為核心的策略。Davenport還認為，零售業要投入資料分析，除了要有優質的資料這個先決條件，另一個重要的決定因素是管理階層對資料分析是不是有興趣（Davenport甚至用了「熱情」這樣的字眼）。如果高層對這方面沒興趣，那麼處於公司階級下層的分析人員恐怕很難在景氣這麼差的情況下要到資源。相信這些論點也可以用來解釋資料分析工作在台灣許多企業裡的處境。


我之前曾懷疑，大部分企業的規模不足也是Customer Analytics在台灣遇到的阻礙。Davenport認為規模並非絕對的必要，但規模夠大的確對零售業發展資料分析很有幫助，因為企業夠大才有餘力在這方面投資。不過他也指出，當前美國企業在運用資料分析的領導者之中，其實有些在一開始也是規模不大，而是在投入資料分析的應用後才讓它們成長茁壯。我希望Davenport最後提到的這一點有真憑實據，而不是為了說服更多企業投入資料分析才編出來，因為這樣才有辦法讓台灣的中小型企業信服。

除了以上的論述，這篇文章的核心，是Davenport舉出的18項已被美國企業採用的Retail Analytics趨勢，非常值得想要投入資料分析的台灣企業參考（這部分就有36頁的篇幅）。今天我先把它們列舉出來，日後再挑出一些討論（坦白說，有些趨勢是我完全不懂的），迫不及待的朋友可以先看原文。根據Davenport的分類，這些趨勢可分作三大塊：

美國是就業天堂

看到這標題，應該很多人會認為我一定搞錯了，或是我在反諷什麼。的確，美國近幾年來失業率居高不下，即使美國勞工部在11月初公布美國10月份失業率微降至9.0%，依然高得嚇人，怎麼可能是就業天堂？

9.0%確實代表很多美國人找不到工作，但對於我所屬的專業領域的人來說，美國充滿了就業機會（如果不介意搬家的話）。在LinkedIn的Job Search輸入Customer Analytics這個關鍵字，馬上就出現2293筆職缺（11月14日搜尋的結果）！如果另外再以Customer Intelligence、Customer Insight搜尋，還會再出現其他的職缺（當然有些會重複）。但是同一天在台灣的104人力銀行搜尋，類似工作性質的職缺只有個位數（我已用各種不同的關鍵字搜尋）。根據美國政府人口普查局的統計，美國在11月初的人口大約為3.1億人，差不多是台灣人口數的13.5倍。所以按照兩國人口數的比值來計算（先不管這樣算是否合理，稍後會探討），美國真的是Customer Analytics的就業天堂！

紅利積點的背後（二）

上圖是 Do Customer Loyalty Programs Really Work? 這篇文章建議的階梯式累積的機制。兩位作者認為企業其實在骨子裡不想要那些消費很低的顧客（標示1的區間），如果還要給他們回饋的話，可能還會虧錢，所以給他們一般的累積比例即可（例如1元累積1點）。但是累積消費在中間的顧客（標示2的區間）對企業來說可能最有利可圖，因此該給他們最好的累積比例（如1元累積5點），以鼓勵他們持續消費。至於那些累積消費最高的顧客（標示3的區間）大概無法再從口袋貢獻更多，累積比例就不用太好了。

作者基本上是從企業獲利的觀點來建議，儘管理論上有其基礎，但我認為這樣的機制如果付諸實施，可能會招致不少客訴。紅利積點的規則是必須向顧客溝通的，累積消費不高的顧客面對較差的累積比例雖然可能不愉快，但畢竟本身沒有籌碼，所以大概就摸摸鼻子算了；可是那些位於累積消費頂端的顧客如果拿到上圖3號區間的累積比例，恐怕會認為自己努力貢獻消費卻被虧待，而跑去找媒體投訴或找消保官理論吧！

紅利積點的背後（一）

在Google上搜尋「紅利」會得到一大堆結果，不只信用卡、賣場在玩會員紅利，我還找到一家也有紅利積點的眼鏡行。當年航空公司創造出來的「會員忠誠計畫」（Loyalty Program）如今大家競相模仿，結果消費者手上滿是會員卡。 Direct Marketing News 的11月號指出，每個美國家庭平均擁有18.4張這類會員卡，但有高達81%的消費者根本搞不清楚自己加入的會員紅利計畫有什麼「好康」。

大部分的會員忠誠計畫已經無法構成差異化，單純的紅利積點制度更難提高顧客的忠誠度。但這卻不代表企業可以輕言捨棄這種手法，因為在大家都玩的情況下，沒有積點會員制的企業反而會顯得比同業「遜」。事實上，積點會員制的真正價值在於把顧客跟他們的消費資料連接起來，再透過Customer Analytics創造出差異化的行銷和服務，所以不玩會員制的企業等於是放棄了解顧客的大好機會。由於會員忠誠計畫對企業來說是一項支出，如何透過制度的設計來讓這項支出能有更好的回報，也是重要的課題。1997年 Sloan Management Review 的 Do Customer Loyalty Programs Really Work? 雖然已是十多年的老文章，卻仍然非常具有參考的價值。

Are You a Data Scientist?

剛剛看到兩篇講「Data Scientists」的文章，認為深得我心，所以藉此一角跟大家分享。

第一篇文章開頭就說Data Scientists的特質是好奇心和樂於探索大量資料（underscored by the harder-to-teach characteristics of curiosity and a willingness to explore large amounts of data），我自認同時具備這兩種特質，但是吸引我目光的是harder-to-teach這個形容詞。自從Data Mining開始被國內的大企業採用後，有些學校也開辦了Data Mining的課程。雖然學生可以在這些課程中學習到相關的理論、技巧、軟體操作，「特質」卻是很難學習而來的，而我個人認為特質才是決勝的關鍵因素。

因為特質會驅動一個Data Scientist不斷變換看資料的角度，不自覺的利用時間越挖越深，而且樂此不疲。我從工作中得到的最大樂趣，通常不是完成了什麼模型的建置，而是從資料發現了特殊的pattern或是異常的現象。一個懂得理論、技巧、操作的資料工作者，絕對有能力建構出完美的模型、調出無暇的參數，準時完成資料採礦的專案；但如果他還多了對資料好奇的特質，往往還可以挖到藏在資料角落裡的寶藏，而這些新發現的價值多半高過原來的專案。

這篇文章也引述了Facebook、Foursquare、Intuit、Groupon等知名公司招募Data Scientist人才公告的用語。前三家比較偏向技能和功能的敘述，所以我個人比較喜歡Groupon的說法：Are you excited about analyzing vast amounts of data, finding patterns in it and applying the insights to create business value?如果Groupon也在台灣找這樣的人，我馬上就去應徵了！