零售大數據協助精準行銷

Posted by

「今日以下幾件產品做緊出位價,會唔會揀多件?」

「要唔要加大個套餐?包括增量薯條及汽水!」

所有跟零售相關之行業每天都為了提升銷售額而絞盡腦汁,市場推廣部門每天都在構思各式各樣之產品推廣方案,目的是為了讓消費者購買多一點公司產品。以上兩句對白相信各位都不會感到陌生,可是有否留意到兩個情況用了不同之銷售手法?大數據如何協助作出精準行銷?本文將與各位稍作分析。

首先為大家介紹兩個名詞,分別為追加銷售(Upselling)和交叉銷售(Cross Selling)。追加銷售和交叉銷售經常被混淆和互換使用,但兩者之間存在有意義的差異。

追加銷售(Upselling)是指鼓勵客戶購買比起當前所選之產品價格更高之替代品。向上銷售鼓勵客戶在同一產品或服務系列中購買更昂貴的型號。例如於購買相機之時,店員一般都會拿出數款不同價格之型號給客戶比較,而且會推介昂貴點的型號之獨特之處。

交叉銷售(Cross Selling)是指給推薦不同類別之產品,而大多數多推薦的都與客戶原本所選擇之產品有關係,例如是產品配件或替換物件。如果客戶選擇了一部手機,店員便會推介手機套或無線藍牙耳機希望客戶能一併購買。

交叉銷售和追加銷售關係非常密切,兩者均專注於為客戶提供額外的價值,而不是將其限制在客戶已經考慮或購買的產品上。兩者成功的關鍵是了解客戶最重視的地方,然後提供真正滿足這些需求的產品和服務。

兩者都具備非常高的重要性。很多機構之研究分析指出,獲取一個新客戶之成本比銷售給現有客戶之成本為高,所以好好照顧現有客戶比尋找新客戶其實更為重要。而且,如果給客戶合適的建議,商戶與客戶之關係定能更進一步,加強客戶之忠誠度,客戶終身價值(Customer Lifetime Value)亦能獲得提升。

亞馬遜(Amazon)將其高達35%之收入歸功於交叉銷售,無論是通過“經常一起購買”(Frequently Bought Together)還是“買了這個產品的客戶也買”(Customers Who Bought This Item Also Bought)兩種銷售手法。

要成功做到以上效果,其中一個方法是按客戶之購買行為進行動態客戶分群。行為分群是個非常有力的方法去推動交叉銷售和追加銷售。亞馬遜(Amazon)等公司採用機器學習演算法(Machine Learning Algorithm),使用客戶行為數據(例如客戶之歷史購買紀錄,曾放入購物車中之商品以及之前所作出評價的商品等等)來提供產品推介。

公司系統內部和外部之數量可以被組合在一起進行大數據分析,從而建立動態客戶檔案。了解客戶的產品使用情況,及如何隨著時間而變化,如何在不同產品之間轉換,以及哪些因素導致行為改變等等。這些都有助於設計有效的客戶行銷策略。而且,客戶行為數據還可用於確定何時不針對某些客戶進行推廣。例如,如果客戶最近對公司有負面的體驗及評價,或者他們認為所購買的產品滿足不了原有之期望,那麼繼續向他們進行新產品推廣可能不是一個好主意。

為了識別那些客戶具有高消費力,又或者那些是無利可圖的客戶群,商戶必須挖掘行為數據並跟踪每個客戶的整個行銷旅程,這樣便就可以進行長期有效且有利可圖的動態交叉銷售和追加銷售決策!

Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
YouTube: https://www.youtube.com/drjackeiwong/