阿里巴巴》動態標籤

文 / 洪嘉蓮        2015-08-27

阿里巴巴》動態標籤


2013年,淘寶網締造了舉世聞名的紀錄,單日創下350億人民幣的電商奇蹟,讓許多創業者一頭栽進了網路零售的世界。低成本開店的無痛門檻,人人都夢想著成為淘寶奇蹟的一分子。

但到了2015年,電商世界重新洗牌,淘寶店家愈來愈多,分到的流量愈來愈少,無法集客,連帶廣告效益ROI(投資報酬率)逐漸降低,連突破1的機會都相當困難。連阿里巴巴都在問,這是怎麼了?

這是網路賣家的集體焦慮,更是中國最大電商阿里巴巴的痛點。阿里巴巴握有全中國80%以上的線上交易流量,流量數已屆頂峰,向上提升的成長空間有限,同時網路賣家成長速度愈來愈快,瓜分著有限的流量,對阿里巴巴來說,這個警訊代表「賣流量」這項生意開始出現危機。

僧多粥少流量不均,短短一年產生巨變,網路賣家的感受更是深刻,一樣是花1000元的行銷預算買流量,成效卻遠不及一年前成效的一半,兩個問題,第一是流量成長有限,第二是導流的對象不夠精準。

流量不足不是問題,不精準才是大問題,流量不是「不患寡而患不均」,而是「不患寡而患不精準」,唯有解決流量不精準的問題,才能有效提高廣告營收。

不患寡而患不精準,動態標籤找到對的TA

電商成功獲利的關鍵在集客,網路廣告仍是集客最有效的方法。投放廣告有4個要件:選人、選廣告、選價格、選產品。個別來說,品牌主首先要考慮的是,我要接觸哪個對象,第2,我要用什麼樣的廣告創意來接觸他們,第3,我願意花多少預算來接觸這些人,第4是選擇商品。

面對龐大陌生的消費客戶,沒有邏輯與策略的廣告投放,就像是一場單憑運氣的賭注,因此,選對人是有效投放廣告的關鍵。

那麼,如何選對人說話?傳統行銷人都會問TA是誰?敘述方式會是25歲女性、住台北、喜歡買開架保養品,從年齡、居住地、消費偏好這些特徵做廣告投放,實際上這幾個標籤是粗糙的分類,也是相對落伍的做法。

試想,25歲女性並非都愛開架保養品,推測25歲這個年齡層的女性「好像」比較愛買開架保養品,這只是統計上的偏好,並不即時也不真實。

電商24小時做生意,網路廣告最講究即時性。大數據可以基於消費者過去的使用行為,從數據中發現「行銷點」並運算出預測值,後續運用在會員經營、行銷策略研擬執行。像是女OL、男學生、購物頻率、地理位置、社交溝通等多元數據,將這些標籤媒合到產品,廣告精準投放。

於是,阿里巴巴與台灣的功典資訊合作,開始簡化並「活化」人群標籤,而不再只是性別、年齡等人口統計學的特徵標籤,而是建立即時動態標籤。首先將多達200多個人口特徵標籤,簡化成6組動態消費者標籤,包括人群動態標籤、入店資歷標籤、近期購物情境標籤、購物頻率標籤、購物金額標籤與購物機率預測。

動態消費者標籤的祕密,是透過3個模型共構運算而成:

1.NES顧客模型

將消費者依個人購物週期,區分為新顧客、既有顧客與沉睡顧客等5種類型。

2.LRFM模型

代表與客戶間關係的緊密度,會告訴我們這個客人對我們的價值。L(length)是代表產生會員或交易的時間長度,譬如A在2013年跟你成為會員,到現在來講就是兩年的關係;R就是Recency,他最近一次來消費的時間是什麼時候;F就是Frequency,過去跟你有關係的期間之內,他是每個禮拜來、還是每個月來;M就是Monetary,交易的金額,是一次來買50元,還是100元。

3.NPT回購時間(Next Purchasing Time)

指的是下一次回購時間,以過去交易行為推估下次可能會發生交易的時間在什麼時候。

動態標籤,讓店鋪主可以交叉選擇,像是選擇加入會員時間比較長的,交易金額比較高的,平均貢獻度比較高的這些人下廣告,找到細緻條件的篩選,就能精準溝通。

從市場到店鋪觀點,釣魚式精準行銷

「動態標籤智庫」24小時動態更新消費者標籤,再結合後台數據及營運目標,淘寶上的700多萬個店家,都能體驗精準行銷的服務。

根據店鋪交易數據演算,24小時動態更新,隨著真實交易行為即時改變,ROI投資報酬率實際提升2-4倍。

數據分析與動態標籤,前者從市場觀點,代表整體消費趨勢;後者補足店鋪觀點,直接落實到經營策略。舉例來說,原本的數據後台設立一個「最近有購買女裝」的標籤,女裝店鋪就可以運用此項數據,讓店鋪主接觸潛在客群。

盲點在於,這群「最近有購買女裝」的人,不見得會繼續再買,繼續再買也不見得會選擇你的店鋪。

單純從市場觀點思考問題,仍缺少了店鋪的經驗值,也就是店鋪「自己的數據」,其實這才是含金量最高的參考數據。

店鋪觀點的優勢在於,用自己的數據資料運算,產生即時回饋的行銷策略。當品牌主今天就要下一檔行銷活動,就從買過的顧客群裡,找出符合行銷活動的精準TA。

此外,根據動態標籤得出的顧客資料,店家可以做出3種應用:

1.廣告精準投放

從「標籤智庫」看見清晰客群,精準給予他們需要的產品訊息,擺脫過往「撒網式」的訊息轟炸,取而代之的是「釣魚式」精準行銷。

舉例,歸納出名單後,先行發送客製化EDM,如果一週內未開啟或是未回購的消費者,系統將再第2 波通知補發手機訊息,甚至發送第3 波折扣訊息,循序漸進的抓住有效購買者。

2.新品A/B測試

以服飾商家為例,平均一款商品淘汰週期是15天,在快速轉動的營銷過程中,如果無法持續提供新品上架,那就必須創造熱銷商品以達長期銷售的平衡支撐。

有了大數據的支持,讓店家降低產出滯銷品的可能,先「算」出這個產品是不是會熱銷,也就是有沒有打中消費者的購買欲望,預估市場潛力可以創造多少營收,再決定是否量產上市。透過市場相似款的熱賣程度、顏色、尺寸的需求度,推出創造最大營收的產品。

3.效果檢討

無論是挑選產品、行銷策略執行,都可以回溯檢討效益,持續修正調整方向。實測結果顯示每個店家平均創造2至4倍的營收成長。

大數據去行銷化,自己的生意自己算

大數據做的革命是在「去行銷化」,套用一句大數據領域的用語叫做「skip the agency」,指的是把產品直接連結消費者,中間的代理人都不見了,達到營銷自動化,透過大數據一項項自動化,選品、定價、選擇市場全部都自動化。

以經營女裝的電商為例,洋裝有上千種款式,產生很多種排列組合,什麼時候該賣民族風洋裝,什麼時候該賣碎花洋裝,只能憑感覺跟產業經驗,有時候播了一齣韓劇,瞬間網上熱蒐關鍵字變成「某某女星款長洋裝」,之前的猜測與判斷就全不管用了。

但如果運用網路聲量的輿論分析,數據告訴你應該要進貨藍色洋裝,因為某一齣當紅的韓劇女主角就是穿藍色洋裝,這代表著不只是進貨策略,而是一整年的銷售計畫都可以自動化產生。

舉例來說,某家電商的主力客人是50歲左右的女性,喜歡在A店買生活用品,平均兩星期下單一次,偏好在B店購買流行服飾,大約一個月下單一次。

現階段有了大數據的幫助,行銷人可以從數據中找出每個消費者的購物頻率與品項,精準投放廣告。當消費者在A店購物後的第10天,A店家可以提供他曾經購買過的商品折扣優惠,B店家在第20天就可以送上新品上架的資訊。未來,甚至廣告投放也可以自動化。

營銷祕密不再掌握在數據分析師或行銷顧問手裡,人人可以解讀的報表,讓商家了解主力客人的分布狀況、年齡、購買頻率、喜好類型......,想像消費者身上貼滿了標籤,商家一定要比消費者自己更了解自己。

關鍵字: 新趨勢


您也可能喜歡這些文章

您也可能喜歡這些文章

置頂