前往主要內容
工商時報LOGO

演算法比你更懂自己的頭髮 小公司也能精準掌握市場

數據就像金幣一樣有價值,直接蒐集每個顧客的數據,更具有顯著優勢。圖/freepik
數據就像金幣一樣有價值,直接蒐集每個顧客的數據,更具有顯著優勢。圖/freepik

已將目前網頁的網址複製到您的剪貼簿!

有一位四十多歲的中年女性顧客,在第一次登入eSalon.com,訂購客製化染髮劑時,就很清楚知道自己想找的顏色:用eSalon 販售的極淺金色染髮劑,搭配她的一頭天生金髮,並遮蓋白髮。當她點擊完一系列,大約數十個相關的問卷問題後,eSalon 電腦裡的演算法開始運算。此時,雖然公司無人見過這位顧客,甚至在不曾和她交談的情況下,演算法會比她更了解自己的髮色。

問卷的問題如下:妳的頭髮多長?妳有多少白髮?妳是直髮或捲髮?妳的頭髮有多濃密?妳是哪一個種族?妳的眼睛是什麼顏色?妳天生的髮色為何?哪種色調與妳天生的髮色最接近?

妳想維持目前的髮色嗎?

為了協助她選擇最合適的染髮劑,該份問卷提供三十一張不同色調的金髮照片,顏色從淺至深,而且每一張到下一張的顏色變化幅度非常微小。最後,如同她一開始想要的,選擇eSalon提供的極淺金色,但這不會是她將收到的商品。

eSalon 已經蒐集五百多萬人的數據,只要根據她們的回答,演算法即可知道最佳染髮劑顏色配方,所以無論她們的內心怎麼想,最後都能符合想要的金髮顏色。eSalon 的電腦透過分析數據得知,許多和她一樣首次訂購極淺金色染髮劑的顧客,收到商品時都會感到失望,因為使用後都覺得髮色太過金黃,以美髮的專業術語來說就是太「性感」了。同時數據也顯示,大部分的顧客會在下一次訂購時,選擇稍深的色調,讓髮色看起來不會過淺。

因為有了這些資訊,eSalon 在沒有通知顧客的情況下,寄送另一個配方的染髮劑,而非直接給顧客百分之百極淺金色染髮劑,該染髮劑的成分為九八%的極淺金色,加入二%的藍色,軟化整體色調,或是讓它看起來冷酷一些。eSalon 技術長托馬斯.麥克尼爾(Thomas MacNeil)解釋道:「看到數據分析後,我們調整演算法,讓原本髮色是金色,又想保留原先色調的新顧客,自動在染髮劑裡添加一點藍色。雖然顧客一開始要求提供最淺色調的金色,但是最後都較滿意改良後的染髮劑顏色。」

對eSalon 和其他DTC品牌而言,數據就像金幣一樣有價值,因為直接蒐集每個顧客的數據,與其他更大或歷史更悠久的品牌相比,更具有顯著優勢。例如,可麗柔(Clairol)的顧客是零售商,無法蒐集真實的顧客數據,所以對可麗柔和其他大多數的大公司來說,基本上無法追蹤使用產品的人,當顧客走進一家藥妝店,從貨架上挑選一盒染髮劑,結帳後就離開了,不會留下任何資訊與紀錄。

eSalon 的貨架就是公司網站,會蒐集每個造訪網站並回答問卷問題的顧客資訊,當一位女性成為顧客的時間越長,eSalon 對她的了解就越多,而且這些數據不只是用來了解一位消費者,eSalon 還彙整所有顧客的個人行為數據,並透過機器學習演算法,加上數據預測分析,採取各種改變:從調整配方到引進新產品(如挑染的顏色),甚至是測試更動網站上那些看似無關緊要的詞彙。eSalon 共同創辦人之一的塔米姆.穆拉德(Tamim Mourad)表示:「說到底,我們就是一家販售美容產品的科技公司。」

資料探勘對消費者行為的預測分析

對品牌來說,資料探勘是面臨的最重要挑戰:降低吸引新顧客的成本,並在購買一、兩次後留住顧客。eSalon 使用蒐集的數據,將顧客最一開始低於五○%的回購率提高到七○%左右。

特別是對eSalon、一元刮鬍刀俱樂部及Hubble 等訂閱制公司而言,關鍵指標是顧客終身價值,或是他在一段時間內總共消費多少金額。只有當許多顧客成為月復一月,甚至年復一年的忠誠顧客時,才能降低獲取新顧客的成本。另一位共同創辦人弗朗西斯科.吉梅內斯(FranciscoGimenez)解釋:「這一切都和顧客留存有關,因為沒有人能在第一筆訂單中賺錢。」

過去數十年內,企業一直在使用預測分析,但是電腦的計算功能日益漸大,同時品牌對客戶和潛在顧客已經擁有蒐集大量數據的能力,讓機器學習成為品牌成功的核心。經營預測分析公司的艾瑞克.西格爾(Eric Siegel)說道:「這些公司主要的銷售都來自數位世界這件事,本身就是一件大事,而它們持續追蹤所有顧客的數位足跡,也因為累積這些資源,為公司帶來一筆龐大的意外之財。」

西格爾指出,在使用資料分析鎖定目標顧客上,直接郵件公司是領頭羊:「如果你已經有五十萬筆顧客資料,而且準備要在每位顧客身上花幾美元,寄給他們實體信件,然後剛好有極少數的關鍵顧客還真的回覆了,這個活動的重點就是可以分辨或定義哪些顧客會真正回覆。如果我可以找到比平均值高好幾倍,或是容易購買廣告信件商品中二○%的人,然後只寄信給這個圈子裡的人,就算放棄完整名單裡另外八○%的人,這個行銷活動的利潤也會以驚人倍數成長。」

近年來,消費者行為的預測分析已經越來越成熟。隨著越來越多的商業活動都轉移到網路進行,公司也從顧客端蒐集更多的資料,同時電腦運算和建立關聯的演算法能力也呈現指數型成長。無論規模大小,幾乎所有公司都會使用預測分析,從銀行決定誰有資格辦信用卡,到線上交友服務預測兩個陌生人的速配程度。

二○○六年,Netflix 舉辦一場獎金高達一百萬美元的比賽,主要是為了創造改善對內部用戶推薦電影的最佳演算法,從而讓預測分析成為眾人關注的焦點。三年後,一個參賽團隊撰寫的演算法贏得勝利,讓預測Netflix 用戶會喜歡哪方面相關電影的準確度提高一○%,並獲得更高的顧客留存率。

在電子商務平台新創企業裡,Stitch Fix 是資料分析早期的有力用戶之一,在網路提供客製化服裝造型搭配的購物方式,可以幫助顧客選擇符合時尚感和預算的服飾。該公司成立於二○一一年,鎖定那些沒有時間購物,或是需要幫忙挑選衣服的女性提供服務(後來也擴大到男性和兒童)。顧客會收到五件郵寄的商品,從中留下想要的,也可以免費退回不想要的商品,只需支付二十美元的造型設計費用,這個金額還可以折抵購買商品的費用。Stitch Fix 的成功取決於顧客保留什麼商品,可以讓公司在不和顧客見面的情況下,精準預測對方最有可能留下哪些商品。

( 本文摘自勞倫斯.英格拉西亞著《十億美元品牌的祕密:引爆電商、新創、零售的DTC模式,從產業巨頭手中搶走市場!》,商周出版提供)

您可能感興趣的話題

返回頁首
LOADING

本網頁已閒置超過3分鐘。請點撃框外背景,或右側關閉按鈕(X),即可回到網頁。