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。

What's in a Name?

很多職務在企業裡已經存在多年，例如採購、人資、會計、公關、行銷企劃等等，大家對這些職務的名稱和工作內容應該都有基本的共識。至於我從事的職務，不同企業所賦予的名稱就不那麼一致，最常見的兩種名稱是Data Mining和CRM（這裡的順序與任何排名的方式無關），但是我對這兩種名稱都不是那麼欣賞。

作為一種職務的名稱，Data Mining對我來說是太技術性了，而且過度狹隘。當然在某些分工細密的企業裡，的確會出現只作Data Mining的職務，工作內容就純粹是利用軟體工具處理資料、建置模型。我也做過這樣的工作，只是後來我認為這樣的工作內容不能滿足我，而且坦白說，這類工作很容易被取代（可能是薪水較低的新手，未來也有可能是功能更強的軟體）。

CRM給我的感覺，一方面是過於應用導向，另一方面是分析的成分在字面上看不出來（有些企業裡的CRM其實就是指Loyalty Program或VIP Program，不太需要分析的技能）。所以雖然正確的點出Customer這個核心，我還是不滿意。

子曰：「必也正名乎！」有一次我在某家企業擔任小主管時，就利用組織調整的機會為我帶的這組正名，改成了Customer Analysis。當時我認為這個名稱可以很清楚的描述我們的工作內容是以顧客為中心的分析，不會跟技術綁在一起（不過坦白說，大部分同事應該也不會想知道Data Mining的定義是什麼），同時也不會限制應用的方向（我們的成果真的被用在CRM以外的地方）。後來我轉到另一家公司，又在「名不副實」的職務下工作。儘管也遇到了組織調整，但這次我沒有改名的權力，就只好接受既成的事實。

這是我的部落格，我總有選名字的權力了吧！因為我發現了Analytics這個更有學問的字（維基百科說：A simple definition of analytics is "the science of analysis".），所以藉此機會再次正名。可惜CustomerAnalytics已經有人用了，只好退而求其次，選了iCustomerAnalytics.blogspot.com這個網域。最前面那個小小的i，靈感來自時下流行的「挨奉」。但是也可以看做 I 的小寫，代表我是個做Customer Analytics的人。i也跟愛同音，大家愛台灣，我更愛Customer Analytics。其實i還是interactive的縮寫，我希望在分享過去這麼多年在Customer Analytics上的想法與心得的同時，也能跟大家就這個題目多多交流！