預知顧客的需求【郭潔】

 

作者：郭潔｜政治大學科技管理與智慧財產研究所 112屆科管組研究生。
研究興趣：顧客體驗、服務設計、顧客旅程

 

打造「下一個最佳提案」

你是否曾經收到過一個感覺特別「懂你」的推廣優惠？那種「正好我需要」的感覺彷彿讓你瞬間感受到世界的關懷。這不是偶然，而是背後經過高深莫測的大數據運算策略，就是這篇文章所謂的「下一個最佳提案」（Next Best Offer，簡稱NBO）。然而，成功設計這種提案並不只是運氣好，更是一門精確的科學(Davenport, Mule, & Lucker, 2011)。

首先，我們要從「定義目標」開始。這一步聽起來簡單，但別被它的表面所迷惑。許多公司常急於使用炫目的技術，卻忘最重要的問題：你到底想達成什麼目標？你是想吸引新顧客，還是希望讓老顧客多買點？目標不同，策略當然也大相徑庭。就像去餐廳點餐一樣，你總不能在素食餐廳裡問他們有沒有牛排。

拿Tesco的例子來說，他們發現新手爸爸在買嬰兒尿布的同時，購買啤酒的比例也突然飆升。於是，他們不僅給這些爸爸寄去嬰兒用品的優惠券，還順便附上啤酒折扣券，真是擊中要害，瞬間讓這些辛苦的爸爸感覺到生活還是有點甜的。

接下來就是數據的收集，也就是所謂的「收集數據」。這一步至關重要。你得收集顧客的基本資料，如年齡、性別、收入水平等，這是標配。但光靠這些還不夠，你還得深挖他們的購物行為。有人喜歡在線上逛街，有人則愛在實體店溜達，你得分清楚這些偏好，才能在對的時候給出對的提案。

以Microsoft的Bing搜尋引擎為例，他們的電子郵件推廣活動可以在200毫秒內，根據顧客的地理位置、年齡、性別、上網行為等資料，生成個性化提案。這種速度快得令人瞠目結舌，成效自然也驚人，轉換率比一般的廣告高出70%。

當然，光有數據還不夠，還需要第三步——「分析與執行」。企業可以用統計分析、預測建模等工具來把收集到的數據轉化為實際行動。這就像手上有一副牌，但要打出贏牌，你必須讀懂對手的心思。亞馬遜早期的「其他購買此商品的顧客，也購買這些商品」功能，就是利用這種簡單的交叉關聯，但現在的科技早已讓這一切更加精準。你再也不會因為買一本送朋友的書，結果被推薦一大堆你根本不感興趣的書單。

最後，也是最具挑戰性的，就是「學習與演變」。每一個提案都是一次學習的機會，就像生活中的每個錯誤一樣，它讓我們變得更聰明、更敏銳。CVS藥妝連鎖店深諳此道，他們不僅透過自助機器、收銀條等多種通路發送優惠券，還不斷測試不同通路的成效，持續改進他們的NBO策略。畢竟，如果你總是用相同的套路，那顧客遲早會厭煩，企業也會被競爭對手甩在後頭。

先知先覺

根據文章的建議，零售商其實可以在顧客自己知道自己需要什麼之前，透過一系列高效的數據分析與策略，準確預測顧客的需求。這聽起來有點像是誇張，但其實背後的運作相當科學。

首先，零售商需要採取「數據至上」的心態。這意味著他們必須大規模地收集關於顧客的各種信息，從基本的人口統計資料（如年齡、性別、收入）到更深層次的心理資料（如生活方式、消費習慣），再加上顧客的購物行為記錄（在線上與線下購物的情況、曾經買過的商品類別等）。比如，當某位顧客經常購買高檔巧克力時，系統可能會在下次購物時提供一張紅酒折扣券，因為數據顯示這類顧客常常同時購買紅酒來搭配巧克力。這種交叉銷售的策略不僅提升顧客的購物體驗，還有效增加銷售額，這正是利用數據洞察顧客需求的範例。

其次，「時間與地點的重要性」。顧客的需求隨時隨地都在變化，零售商必須能夠即時響應。例如，一家連鎖咖啡店透過移動應用程式及顧客的地理位置數據進行交叉銷售。當顧客在接近某一特定咖啡店時，應用程式會即時推送一個優惠提案，提供當地季節限定的咖啡折扣以及配搭的糕點優惠券。這樣的提案利用顧客的即時位置，不僅吸引顧客進店消費，還藉由結合當地特色商品的推廣，提升交叉銷售的成效。

第三，零售商還需要利用「預測分析」。這不是占卜，而是透過先進的數據建模來預測顧客可能的行為。零售商可以透過分析顧客過去的購物模式，來推斷他們未來可能想買的東西，甚至是他們尚未意識到的需求。例如，一家線上服飾品牌會根據顧客的購物紀錄和偏好來預測他們即將到來的需求。如果顧客最近購買健身裝備，系統可能會推測他們即將開始健身計劃，並推薦相關的運動鞋、運動配件等商品。這樣的推薦不僅精準，也滿足顧客未來的需求，超越單純的「別人也買什麼」這種基本推薦方式。。

最後，也是最關鍵的一點，零售商必須保持「學習與進化」的心態。每次推送提案，無論成功與否，都是一次學習的機會。例如，一家大型超市會根據不同的銷售通路（如手機應用程式、會員電子郵件、實體店內促銷活動）的效果進行分析，來判斷哪種通路最能打動顧客。當發現手機應用程式上的個性化推送提案效果最佳時，他們會優化這一通路，並根據顧客的回饋數據不斷微調提案內容，從而持續提升整體行銷效能，適應市場需求的變化。

 

如此，零售商便可以透過收集和分析海量數據，預測顧客的需求，在顧客自己意識到之前，就提出合適的產品或服務，這不僅滿足顧客的需求，也增強顧客的忠誠度。這就是數位時代的新零售，當顧客還在猶豫要買什麼時，零售商早已為他們準備好一切。

中華航空範例

根據這篇研究的NBO方法，我也來應用到中華航空的行銷策略。透過精準數據分析、個性化推廣和即時提案，提升顧客的滿意度和忠誠度。。

1. 定義明確的行銷目標

首先，中華航空需要根據不同的行銷目標設計NBO提案。例如，他們可以針對經常出差的商務旅客設計提升忠誠度的促銷方案，如積分升級、專屬優惠等。另一方面，對於首次乘坐的旅客，目標則可以是提供未來航班的折扣券，誘導其再次選擇中華航空。

2. 收集與整合顧客數據

中華航空擁有大量顧客數據，從乘客的過去旅行記錄、目的地選擇、購票通路、航班升級需求到消費偏好（如機上餐飲選擇）。這些數據可以幫助他們深入理解顧客的行為模式，並針對不同旅客需求進行個性化定制。例如，針對經常飛往日本的旅客，可以在下一次航班前推送與日本旅遊相關的優惠，如機場接送、旅遊保險等。

3. 利用地理位置數據進行即時提案

中華航空可以使用顧客的即時地理位置數據來推送動態提案。例如，當顧客在出發前抵達機場，系統可以即時推送機場貴賓室折扣，或推薦升級座位的特惠，吸引顧客進行消費。同時，透過應用程式提供的定位功能，還能根據當前天氣、航班延誤等情況提供相關的服務建議，如機場附近的飯店優惠或延誤補償。

4. 預測顧客需求，提升交叉銷售機會

透過NBO的預測分析功能，中華航空可以根據顧客的過往旅行行為預測其未來需求。例如，某位旅客多次選擇經濟艙，但曾經有過升級至商務艙的記錄，這表示該旅客對於升級有潛在需求。在下次購票時，中華航空可以主動推送商務艙的優惠，或提供額外的升級機會。此外，透過分析顧客的旅行偏好，還可以推薦與航班相關的旅遊套餐，如酒店預訂、租車服務等，進行交叉銷售。

5. 學習與改進

每一次的提案和行銷活動都是一次學習的機會。中華航空可以不斷分析每個NBO提案的成效，從中獲取數據並優化未來的提案策略。例如，如果發現某類型顧客對特定優惠提案的反應冷淡，則可以調整提案內容或推送時間，使其更符合顧客的需求。同時，透過多通路的推送，如應用程式、電子郵件、社交媒體等，進一步擴大影響範圍。

透過NBO方法，中華航空可以大幅提升行銷的主動性和精準性，為顧客提供個性化且即時的提案，並不斷優化行銷策略。這不僅有助於提升顧客體驗，還能增加交叉銷售機會，進而加強顧客忠誠度，實現長期的市場競爭優勢。

NBO的成功不是資料，而是顧客洞見

「下一個最佳提案」（NBO）方法展示大數據科學如何被有效運用。透過對大量顧客數據的精確分析，NBO能夠實現個性化的行銷策略，幫助企業在合適的時刻推送最佳的產品或服務。這不僅提升顧客體驗，還提高行銷轉化率，展現大數據在現代商業中的強大潛力。

NBO的另一個優勢在於它可以通過人工智慧（AI）來預測顧客需求。AI能夠自動學習顧客的購買歷史和行為模式，幫助企業預測顧客的未來需求，並在合適的時機主動推送相關產品或服務。這樣的預測行銷不僅能提高顧客滿意度，還能增加交叉銷售機會，實現更主動的行銷模式。

然而，NBO的成功不僅是玩弄數據，而在於深刻理解顧客的購買行為。企業必須以顧客需求為核心，利用數據來洞察消費趨勢，而不是單純地依賴數據分析。成功的NBO策略是將數據轉化為行動，幫助企業精準抓住顧客的需求，從而提供更有價值的行銷提案，並實現持續的業務增長。

參考文獻

Davenport, T. H., Mule, L. D., & Lucker, J. 2011. Know What Your Customers Want Before They Do. Harvard Business Review, 89(12): 84-92.