依數據策略擬定行動方案

這個章節我談論的許多與數據化管理相關的概念,或許你已經迫不及待想要應用在自己的工作上,但可以做的事情太多,不知道該如何下手。為此,我特別整理了過往我落實數據化管理的關鍵五步驟給大家參考,這五步驟分別是:
Step1.依據策略提出數據需求

提出你要數據幫上忙的地方是什麼?你要數據回答你什麼問題?這個問題必須先能回答。

基本上數據能協助你找出你有疑問,但還不知道答案的問題,但若你連自己的疑問是什麼都講不清楚,那數據通常無法幫上忙。

過去我在BI(商業智慧Business Intelligence)年代,總有人期待BI的Dashboard(儀表板)可以直接告訴他經營上所有的問題,然而現實是「BI只能讓你更清楚全貌」。到了大數據與AI的年代,仍有不少人抱持這樣的想像,我總會告訴大家:「如果有了大數據技術就能搞定經營的大小事,那你還猶豫什麼?花錢買解決方案就對了。」但事實並非如此。

若你要開始做數據化管理,首先要思考的問題就是,你要數據回答你什麼問題?

Step2. 確認數據處理標的

有了清晰的數據需求,數據團隊就能從這樣的需求去討論他們要對數據做什麼樣的處理才能得到所需的資訊,可能是分析、匯總、統計等等,而處理完後的預計產出物我稱之為數據標的。

Step3. 盤點與彙整既有數據

有了預計產出物,接下來就是要實際去看看手邊的數據是否足夠了,在盤點數據時除了內部數據外,也要同時思考外部數據,當你盤點完內外部數據後,你應該先做一次基本的匯總動作,確認這些數據是否充足。

Step4. 盤點新數據採集需求

若數據盤點完後有所不足,那就要提出數據採集需求,並提列為數據行動方案。

Step5. 擬訂數據行動方案

將執行完上述程序後所提到的所有工作事項列為行動方案,有計畫、分工的逐步落實,如此才有可能讓數據開始幫上營運工作。

以下我便以一個實際案例來解釋數據策略五步驟:

從企業策略出發

若今天行銷部門的年度策略中有一項是「落實精準營銷」,目標則是「提高客戶年消費金額(從5,000元–>5,500元)與成交率(從3%–>4.5%)」,而在這樣的策略之下,行銷部門主管John認為以下四個行動方案會有助於達成這個策略目標,分別是:

實現交叉銷售,做also buy的交叉推薦

將電商平台很廣泛使用的交叉推薦機制用上,當顧客買了A產品後,告訴他其他買了A產品的客人也會連帶買B或C產品,藉此吸引顧客將B、C放入購物車中,例如買了衛生紙的客人,通常也會買牙膏,這個做法可以有效的提高客戶消費金額。

針對客戶做個性化商品

與1.有點類似,1.是針對商品與商品間的關係,這個項目則是找出相似屬性的客戶都買了那些商品,例如35歲白領女性特別偏愛的口紅顏色或保養品品牌,John的團隊認為此作法可以同時提高客戶消費金額與成交率。

新會員的單品折扣

為了有效地吸引新會員成交第一張訂單,藉此提高成交率,John認為若能找出最能吸引新會員購買的單品做更優惠的折扣能有效的提升成交率,並緊接著做第1和第2點的交叉推薦與個性化推薦,客戶消費金額又可以因此提高

舊會員的分級優惠

針對舊顧客,為了有效活絡回購頻率,希望能開始發展會員機制,並對舊會員提供分級優惠,但目前不確定哪一類的優惠對客戶成效最好,最能誘發頻繁的回購,若數據部門能找出來,對於舊客戶消費金額的提升將會有顯著幫助。

John的團隊將他們的策略與目標做了上述的梳理後,便找了數據部門的James討論。在會議討論過程,John意氣風發的談論上述構想,並認為若數據部門能搞定上述的問題,行銷部今年就有很高的把握能讓業績達標,聽完John的陳述後,James問他:「所以你希望數據能幫上什麼忙?」

Step1. 依據策略提出數據需求

John一時沒搞懂James所提出的問題,他本以為當他把他的需求提出後,James就該知道怎麼做了,但現實是James並不是那麼熟悉行銷領域的知識,精準營銷、交叉銷售、個性化推薦、會員分級等概念,對James與他的團隊來說太過陌生,雖聽懂行銷部門想做些什麼,但對於要用到那些數據,或者要對數據做什麼樣的處理還是一頭霧水。

John聽完James的難處後,稍稍思考了一會,他緊接著問:「你們能找出A與B或C產品被同時購買的狀況嗎?例如買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C 的狀況嗎?」

James:「應該可以,但如果要分析完全不的品項可能要花不少時間,是否可以先把暢銷品當A,我們來找出B、C?」

John:「可以。」

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C。

John:「那個性化商品推薦的觀念其實很像,能幫我找出一樣屬性的顧客都買了哪些商品嗎?例如35歲的白領女性都喜歡什麼口紅或保養品。」

James:「35歲的女性這是一個群體,如果鎖定這個群體去找應該不會困難,我們只要找出顯著性就好,也就是說同為35歲的女性,他們買A品牌的口紅比例遠高於買B、C品牌,那就算是有顯著的偏好A品牌;同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高,那應該就符合你的需要了,對吧?」

John:「我想是的。」

James:「但因為客戶的群體很多,35歲白領女性只是其中一個群體,若要全部找出來必然得花一番功夫,我們能先聚焦在部分群體嗎?」

John:「那請幫我找出暢銷品目前的主要客戶族群,我想應該是25-45歲的白領女性。」

James:「嗯,但我想中間有一定的困難性,就是年齡可能不太精確,加上我們很難判斷顧客是否白領,過去我們並沒有收集收入與職業的數據。」

John:「那先看看既有的數據能做到哪些吧。」

Step1. 依據策略提出數據需求

John一時沒搞懂James所提出的問題,他本以為當他把他的需求提出後,James就該知道怎麼做了,但現實是James並不是那麼熟悉行銷領域的知識,精準營銷、交叉銷售、個性化推薦、會員分級等概念,對James與他的團隊來說太過陌生,雖聽懂行銷部門想做些什麼,但對於要用到那些數據,或者要對數據做什麼樣的處理還是一頭霧水。

John聽完James的難處後,稍稍思考了一會,他緊接著問:「你們能找出A與B或C產品被同時購買的狀況嗎?例如買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C 的狀況嗎?」

James:「應該可以,但如果要分析完全不的品項可能要花不少時間,是否可以先把暢銷品當A,我們來找出B、C?」

John:「可以。」

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C。

John:「那個性化商品推薦的觀念其實很像,能幫我找出一樣屬性的顧客都買了哪些商品嗎?例如35歲的白領女性都喜歡什麼口紅或保養品。」

James:「35歲的女性這是一個群體,如果鎖定這個群體去找應該不會困難,我們只要找出顯著性就好,也就是說同為35歲的女性,他們買A品牌的口紅比例遠高於買B、C品牌,那就算是有顯著的偏好A品牌;同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高,那應該就符合你的需要了,對吧?」

John:「我想是的。」

James:「但因為客戶的群體很多,35歲白領女性只是其中一個群體,若要全部找出來必然得花一番功夫,我們能先聚焦在部分群體嗎?」

John:「那請幫我找出暢銷品目前的主要客戶族群,我想應該是25-45歲的白領女性。」

James:「嗯,但我想中間有一定的困難性,就是年齡可能不太精確,加上我們很難判斷顧客是否白領,過去我們並沒有收集收入與職業的數據。」

John:「那先看看既有的數據能做到哪些吧。」

需求2:針對25至45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料。

James:「好的,那到目前為找我們已經談妥了兩項了,接著第3項。」
John:「這兩項就比較麻煩點,我們過去做過很多折扣方案,我只依稀記得有幾個單品折扣後賣得很不錯,但我是從總業績數字上觀察的,但沒有想過折扣的成效如何,你能幫我找出過去做過折扣的單品,在有折扣與沒折扣狀況下的成交率變化嗎?然後還要包含打的折扣數造成的成交率反應。」

James:「我再確認一下,你想要看的是A產品在7折、8折、9折,以及沒有任何折扣下的成交率表現嗎?」

John:「對,但可能只幫我抓出只有購買一件商品的訂單,因為我怕受到其他促銷活動影響,所以先排除多個商品在同一張訂單的狀況。」

James:「這可能性蠻高的,好的,那就如此。」

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現。

James:「終於剩下最後一項了。」

John:「我們先前沒有會員分級制度,但如果我先把客戶分成三個等級,白金級、金級與銀級,分別以年度消費總額來區隔,大於10,000元的是白金級,大於5,000元的則是金級,5,000元以下的屬於銀級,這樣應該不會很困難吧?」

James:「這沒什麼太大問題。」

John:「過去舉辦過的優惠活動很多,滿千送百、累積紅利點數、現金回饋、買一送一、買五送一……我猜想應該有超過20種以上,但怎麼去定義哪種方式對哪類客戶最有效呢?」

James:「我們能先針對不同的折扣方案作定義嗎?或許有些客人比較偏好現金回饋或積點,而有些人則偏好直接折扣,我們能試著幫過去做過的促銷活動打上屬性標籤,再透過標籤的方式去分析。」

John:「標籤是什麼概念?」

James:「舉例來說,滿千送百的標籤可能是『滿額贈+千送百』,滿5,000送800的標籤可能是『滿額贈+5,000送800』,兩者不完全相同,但都有滿額贈的標籤,如果這兩個方案對同一個客人都有顯著性,即便千送百與5,000送800看似不同,但我們最少能找出這個顧客對滿額贈是有偏好的。」

John:「感覺可以。」

James:「我們會整理一下過去辦過的促銷活動,但會需要行銷部幫我們做標籤分類。」

John:「沒問題,但我們這次主要的對象是三種分級的會員,我們也會先針對與會員優惠有關的促銷方案作處理。」

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案。

在第一步驟的關鍵工作是確認出數據需求,也就是具體要數據處理的問題,其實在討論過程中最麻煩的點莫過於行銷部門對數據的理解程度較低,而數據部門則對行銷領域的知識熟悉度較低,這個階段需求的溝通與引導是很關鍵的任務,但無論如何總是有了初步的結論,往下我們便進入到第二步驟。

Step2. 確認數據處理標的

開完會,James帶著前一個會議整理好的數據需求回到座位上,開始思索在這些需求下,數據部門應該展開那些工作,他分別將四項需求展開。

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C。

1.找出所有的暢銷品清單,根據過去公司對暢銷品的定義,就是銷售數量>50,000件的那些商品。

2.找出所有購買暢銷品的訂單與顧客。

3.分別以訂單與顧客為源頭去找那些商品同時出現的其他品項。

需求2:針對25至45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料。

1.找出25-45歲白領女性顧客清單。

2.找出上述顧客購買的訂單。

3.分析這群顧客對暢銷品購買的顯著性。

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現。

1.找出訂單清單中商品數只有一件的訂單。

2.找出做過折扣的單品清單。

3.找出1.的訂單,其中是購買2.單品的列表。

4.針對3.的列表,分別比較各單品在不同折扣狀況下的成交率表現。

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案。

1.彙整每個客戶去年全年的消費金額,並根據10,000與5,000先將客戶分成三個等級。

2.將促銷活動設定好對應標籤(行銷部負責)。

3.分析不同等級會員對促銷方案偏好的顯著性。

James:「看來有好多事情要做,目前的數據狀況不知是否足夠,直覺問題應該出在年齡、職業與收入那個環節中,還是先請Jack他們來討論討論吧。」

Step3. 盤點與彙整既有數據

Jack:「James,行銷部提出來的需求,我們大致看過了,我們也盤點過目前我們擁有的數據,下面這是我們對此案的看法。」

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買記錄中,買了A與B、A與C、或同時買A/B/C。

數據盤點:足夠,仰賴訂單與顧客數據即可。

需求2:針對25-45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料。

數據盤點:不足,若沒有顧客年齡與職業數據,現有的數據基本上無法獲得有意義的結果,我認為需要與行銷部討論如何收集到這些數據。

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現。

數據盤點:足夠,仰賴訂單數據即可。

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案。

數據盤點:足夠,主要仰賴訂單數據,但目前缺乏促銷方案的明確定義,這一點要待行銷部門提供。

James:「所以目前看來關鍵點還是顧客年齡、職業數據的問題,我明白了,我會與John討論如何往下進行。」

Step4. 盤點新數據採集需求

與Jack討論完之後,James撥了通電話給John:「John,我們針對行銷部精準營銷計畫做過討論,大致上沒有太多的問題,但如同我會議中跟你提到,顧客的年齡與職業資訊我們沒有,這會影響到你所提出的第二個需求,能請行銷部想想如何有效的收集到這些資訊嗎?」

John:「可以,我請我們部門規劃一個運營活動,用一些贈品或其他誘因吸引客戶來補齊這些數據。」

James:「好的,這部分再麻煩你了,如果可以,請給我一個計畫完成的時間。」

James掛上電話,動手寫下針對這個專案的數據採集需求。

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買記錄中,買了A與B、A與C、或同時買A/B/C。

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現。

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案。

上述三項需求不須採集。

需求2:針對25-45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料。

需採集顧客的年齡與職業數據,由行銷部門透過活動進行採集

Step5. 擬訂數據行動方案

到目前為止,該做什麼,誰來做大致上都有譜了,最後一個步驟就是要把上述談到要做的事情給落實下去,也就是要成立專案並有效執行,在此我就不多做贅述了。

閱讀完整內容
商業思維 BUSINESS THINKING 職涯躍進的唯一解!一次搞懂企業如何高效運轉!

本文摘錄自‎

商業思維 BUSINESS THINKING

游舒帆(Gipi)

由 時報文化 提供