Yahoo奇摩財經 
懂得行銷新4P 未來就能玩轉於手中
文：小花平台
是什麼新原料可以取之不盡、用之不竭，還能帶你穿越古今中外？亞馬遜前首席科學家斯岸（Andreas Weigend）說：「數據是『新石油』！」未來企業的運作，不靠石油也不靠電力，所倚靠的正是關鍵數據。未來，小花平台要告訴你：誰能掌握了大數據與厚數據，誰就能掌控大未來，打贏這場新世界之戰。
大數據玩轉行銷
大數據（Big Data）又稱巨量資料，其主要特性為容量大（Volume）、速度快（Velocity）、多樣性（Variety）、不確定性（Veracity）與價值（Value）。透過這些特性，大數據能夠幫助行銷人有效做到哪些關鍵決策？若以商業最重要的獲利條件來看，哪些要素會影響獲利？
你必須先知道，若是以獲利為目標，其獲利的公式：營收＝有效顧客數 Ｘ 顧客活躍度 Ｘ 客單價。
先找出10個關鍵指標：新增率、變動率、流失率、轉化率、活躍度、S1～S3喚醒率（S＝Sleeping，S1指瞌睡顧客，S2指半睡顧客，S3指沉睡顧客）、客單價 Ｘ ２（新顧客客單價、主力顧客客單價），而後每天監控這10個指標，即能快速找到問題並做出對的決策，進而提升營收獲利。
此外，數據行銷下的全新4P：人（People）、成效（Performance）、步驟（Process）和預測（Prediction），更是能幫助企業聰明預測消費者狀態與動態的零時差行銷術。這個以人為核心的「經營顧客」思維，不論是「一對一行銷」、「個人化行銷」，都可以透過大數據輕易做到。每位消費者的購買時間、購買週期、購買特性，購買行為、消費習慣……，都能透過大數據分析，將每個顧客都變成是1個分眾市場，體現個人化行銷活動。
人（People）：NES模型，再多的顧客問題都只分下列5種
●N 是指新顧客（New Customer）
●E 指既有顧客（Existing Customer）則包含3種
E0：主力顧客，個人購買週期2倍時間內回購的人
S1：瞌睡顧客，超過個人購買週期2倍未回購的人
S2：半睡顧客，超過個人購買週期2.5倍未回購的人
●S3 指沉睡顧客(Sleeping Customer)，購買頻率超過個人購買週期3倍未回購、回購率低於10%。
NES模型就是為了即時掌握顧客的變動性而設計，根據消費者實際交易數據演算，並配合資料更新進行動態修正。NES模型將消費者分成N（新顧客）、E0（主力顧客）、S1（瞌睡顧客）、S2（半睡顧客）、S3（沉睡顧客）5種標籤。老闆們必須知道，隨著顧客沉睡度愈來愈深，品牌能夠有效喚醒的機會愈低，而相對要花的喚醒成本也將大幅增加。千萬不要低估了時間對消費者動機干擾的影響力。如果將數據透過NES模型演算即會發現，很多顧客早在120天左右就進入了S3（沉睡顧客）階段，小心不要錯失了關鍵的喚醒時機。企業應該即時掌握每個消費者的實際狀態，這是大數據行銷的首要之務。懂得為每位顧客量身訂製專屬的溝通時間點，才能隨時收網不漏網。
成效（Performance）：每間店都可以做自己的行銷
對於企業經營來說，獲利是共同目標，其主要是受到3種營收影響：顧客數增加、客單價提高、活躍度提升。但是試問，當在檢視獲利營收時發現來客數下滑，你會認為原因是新客疲弱不振，還是忠誠顧客大量流失？這藏匿數據背後真正造成店家營收下滑的主因，其實正是高貢獻度的忠實客戶大量且快速流失。活動提升的新顧客對營收幫助渺小，當務之急是先找出忠誠顧客流失的原因，制定顧客挽回方案，先固本補破再找尋新顧客，才是正確且有益的處理方式。
步驟（Process）：找出Priority，優先處理危急問題
當企業發現營收下滑了，建議先檢視品項銷售狀況、來客數與客單價等數據。假如顧客人數不夠，應想辦法增加新顧客或舊客戶。如果發現是顧客活躍度不夠，或忠誠度不夠，那麼可再針對早期再購顧客（意謂：短期內馬上二次購買的客戶，極有可能成為主力顧客），或現有顧客的定期關懷、購買時的事先提醒等，以不同的行動提升顧客活躍度。假使，問題出在顧客的客單價不夠，則該進一步檢視，究竟是新顧客不夠還是舊顧客不足？思考並分析是否因為不當的促銷方式，吸引了不健康的短期客戶。第3個P要告訴你，流失是能夠被控制與改善的。行銷人在不同階段，應設定對應的行銷活動，例如：在顧客E0階段就應規劃顧客忠誠度計畫，並在S1、S2和S3不同停滯階段，設計喚醒方案。
預測（Prediction）：精準預測顧客下次回購時間
透過大數據分析未來走向，就能推算出會員的「下次購買時間」，藉此店家就能在對的時間點對最有可能上門的顧客說話。假如顧客的狀態就像5階段的水槽裝置，從新顧客（N）一路向下流向沉睡顧客（S3）。為了預防顧客不斷地從主力顧客慢慢滑落到無法挽回的沉睡客戶（S3），我們不但要建立有效預警和調節機制。藉由大數據的演算和預測，做到「智能控制」的即時偵測、零時差、零誤差的溝通和個性化訊息。
然而，當數據愈龐雜，數據的不確定性就會隨之提升。除了大數據外，真正能判定勝負的關鍵其實是觀點。觀點就是假說，當觀點形成了才會產生判斷，然後才能有更進一步的預測。因此，想要深入情境，掌握人在不同情境中的變化，就必須知道如何分析情境，而這就需仰賴「厚數據」。所謂的厚數據，更重視的是產品或產業數據的深度與情境，而好的數據觀點，也往往是從厚數據產生。厚數據強調深入使用者情境，需要厚實的產業知識為底，透過厚數據，將產業產品與消費者做更緊密的連結。一旦你懂得結合大數據與厚數據的思維，你就能提早探知未來趨勢。
小花平台溫馨提醒：
在大數據的領域中，永遠別忘了，讓數據說話的是人。所以，企業需要的是結合左、右腦，運用哲學的思維、科學的方法找出核心問題，才能準確地解決問題。
