2013年4月29日 星期一

等一等,不要急著建模型!

在充分了解企業想透過分析來回答的問題後,也還不到一頭就栽進模型的時候。因為一樣的問題,回答的方式通常不只一種,所以運用資料分析的手法也不會一樣。棘手的是並沒有所謂的標準模式可以放諸四海皆準,我個人認為比較好的方法是先思考企業未來可能會如何應用分析的結果。這好比要在紙上畫一條直線,之前提到的了解問題就是直線的起點,應用分析的結果則像是終點,唯有先確認終點的位置,畫出的直線才不會偏誤。

說起來似乎很抽象,因此我用一個實際(但已被我大幅修飾與偽裝)的案例來說明。

有一家大型的通路事業群,旗下有兩個不同品牌的連鎖通路:一個是走超級市場路線的「好食在」,一個是專賣家電與3C的「好家在」,其中「好食在」成立較久,分店數也較多。這兩個通路品牌各自擁有自己的行銷團隊,行銷檔期也不同,但會員卡是共同的「卡好卡」,會員在兩家通路都可以持卡累積消費點數。由於「好食在」的歷史久、分店多,到「好食在」消費的會員遠多於「好家在」,因此這個事業群新上任的行銷總監希望「好食在」的行銷團隊能把會員導到「好家在」消費。另一方面,「好家在」因為銷售3C與家電,會員的客單價都遠高於超級市場型態的「好食在」,所以這個事業群也想辦法讓「好食在」多吸收一些過去只在「好家在」消費的會員。

以往這兩個通路品牌都是各自經營會員,這位行銷總監上任後,希望能透過整合的資料倉儲來了解每一位會員對這個事業群的貢獻價值,而非各別對兩個品牌的消費貢獻。最終目的還是要擬定整個事業群的會員管理策略,做到跨通路的交叉銷售,以提高每位會員的整體貢獻度。他找了一個分析團隊,賦予他們這項使命。

這個分析團隊決定為全體會員建置一個價值分群模型,這個模型基本上是所謂的RFM模型的改良版。但是在計算這些Recency、Frequency、Monetary Value變數時,分析團隊決定以整個事業群的角度來算,也就是說,Recency是會員最近一次到這個事業群(不限哪個品牌)消費距今的時間,Frequency則是會員在「好食在」和「好家在」各自消費次數的加總,Monetary Value也是一樣的算法。

如果當時我是分析團隊的一員,我就不會採取如此的做法。倒不是我對這個改良RFM分群模型有意見,這個模型的變數雖然簡單,但經驗顯示足以做為首次制定分群經營策略的參考。只是我會分別為「好食在」和「好家在」建置個別的改良RFM分群模型,再把這兩個模型作交叉分析,之後才會利用交叉分析的結果作為分群管理的參考。

我之所以會採用這樣的做法,是因為這家通路事業群最後還是希望透過兩個品牌通路之間的交叉銷售,提高每個會員對這個事業群的貢獻度,進而增加整個事業群的業績。此外,要做到交叉銷售有賴行銷團隊的執行,而這個事業群只有名義上的行銷總監,執行上仍要靠旗下兩個品牌各自擁有的行銷團隊。利用兩個分群模型的交叉分析,我們不但可以找出對整個事業群價值最高的會員,同時也便於兩個品牌的交叉銷售操作。

其實為整個事業群建立一個整合的RFM分群模型還有philosophical的問題。對銷售電器的「好家在」來說,一年消費十次就稱得上常客了,但是一年在「好食在」消費十次的客人恐怕只能算是稀客。整合的模型把兩種不同型態的消費次數加總在一起,這樣的Frequency要如何解釋?而且將次數加總之後,就看不出來會員究竟是常去哪個通路,所以分群作完後,還是得作drill-down,才能訂出能夠執行的顧客策略。兩個在這個事業群消費總次數都達到50次的會員,一個是在「好食在」消費50次,另一個卻是在「好家在」消費50次,應該不會有相同的管理策略吧!

消費金額也是同樣的道理。一年在「好食在」消費五萬元,和一年在「好家在」消費五萬元,其實背後有全然不同的意義。把兩個通路品牌的消費金額直接作加總,恐怕抵銷了分群模型要對會員作區分的目的。

不過,我還是要強調,怎麼進行並沒有所謂的對錯。我是根據我所了解的應用目的,決定我的方式。如果行銷總監賦予你這項任務,你會怎麼做?

沒有留言: