從舊4P到新4P，從大數據預測下次購買時間

當大數據結合行銷──大數據行銷，將成為最具革命性的行銷大趨勢，大數據行銷甚至可能顛覆奉行近半世紀的行銷4P 理論：產品（Product）、價格（Price）、 ... 電子書 分享書 閱讀最前線 犢創 mooPub Togglenavigation 首頁 閱讀 閱讀好好玩 書單 閱讀意見 好書秒讀 雜誌精選 活動訊息 排行榜 專欄 不定時專欄 陳夏民用功讀世界 譚光磊灰鷹巢城 閱樂書店書沙龍 楊勝博上街讀小說 瞿欣怡的小貓之流 康文炳的編輯檯上，和檯下 歷史檔案 elek之真是個顯而易見的圈套 施寄青的當頭棒喝 黃子欽的設計嘴，泡 葉佳怡讀字作夢 陳柏青之大人的廚房 三大叔的樂活相談室 維斯塔愛看書 鄭宗弦少年小說創作經驗談 寺島言之掰不停的那一刻鐘 裴凡強的人我生活 老貓出版偵查課 周浩正的編輯畢旅 GENE思書軒 朱家安不要偷懶了 閱讀夏LaLa 果子離群索書 祁立峰讀古文撞到鄉民 冬陽一直推 Waiting：上山頭，拚書影 故事工廠的戲裡戲外 法律白話文運動 吳曉樂：有時流離 說書SpeakingofBooks 陳培瑜睡醒活在繪本裡 評書青鳥 外邊世界 每月專題 世界就是我們 張耀升之黑是最溫暖的顏色 伊格言之虛構的萬物論 陳栢青之壞品味 專訪/記錄 專訪 活動記錄 產業 華文市場 國際風向 讀犢看出版 更新 犢叔扭扭 版本紀錄 聯絡我們 訂閱閱讀最前線 讀者投稿 活動合作 讀者遞麥 Readmoo電子書 Thefollowingtwotabschangecontentbelow.作者最新文章 Readmoo編輯團隊 閱讀最前線編輯群。

Readmoo編輯團隊的最新文章(more...) 用輕巧的姿態承受命運打擊，撐到能夠流淚的救贖時刻-2021-12-07 貴參參的礦泉水喝來格外甘甜？盲測結果讓人大吃一驚-2021-12-07 請包容大叔喜歡帥哥的興趣吧-2021-12-07 文／陳傑豪 大數據行銷新4P，即時預測消費者狀態和動態，零時差、零誤差的個人化行銷，一個人就是一個分眾市場，行銷命中率100%。

當大數據結合行銷──大數據行銷，將成為最具革命性的行銷大趨勢，大數據行銷甚至可能顛覆奉行近半世紀的行銷4P理論：產品（Product）、價格（Price）、促銷（Promotion）、通路（Place）。

大數據下的行銷將產生一個全新的4P：人（People）、成效（Performance）、步驟（Process）和預測（Prediction）。

最先提出新4P理論的是全球最具權威的IT研究與顧問諮詢公司──顧能公司（GartnerResearch）的副總裁KimberlyCollins，而我們將最後一個P（Profit，利潤）修正為預測（Prediction）（詳見圖7：新4P革命：即時預測帶來智慧控制）。

從舊4P到新4P，大數據行銷究竟如何顛覆傳統行銷？ 首先，企業應該從過去「經營商品」的思維，轉向以人為核心的「經營顧客」思維，而大數據時代，正提供了觀點轉型的最好時機。

大數據讓「一對一行銷」、「個人化行銷」不再是天方夜譚，而是基本服務。

大數據行銷顛覆近半世紀的行銷4P理論，從產品（Product）、價格（Price）、促銷（Promotion）、通路（Place），進展到全新的4P：人（People）、成效（Performance）、步驟（Process）和預測（Prediction） 每一位消費者的購買時間、購買週期、購買特性都不相同，但是傳統行銷，無法做到很細緻的個人化行銷，多是大眾行銷或群體化行銷。

例如傳統行銷依據消費者的需求和差異性等，將市場區隔為各個不同族群。

例如一家運動鞋品牌有7個市場區隔，然後搭配7個行銷活動，往往已經耗費不少人力物力。

但是大數據時代的行銷，市場區隔可以是7萬個，相應的行銷活動也有7萬個，同時在系統上或平台執行，若像傳統行銷一樣只能依賴人力去執行這7萬個活動，幾乎是件不可能的任務。

每個人的購買行為、消費習慣都不一樣，但是傳統行銷因為資源與人力的限制，因此，往往只能是人去配合行銷，而不是行銷來配合人；當企業一次只能執行7個行銷活動，自然只能是活動找人，而不是差異化的人找活動（peopletocampaign）。

但是當行銷活動有能力變成多達7萬個，每一位消費者都可以從7萬個活動中配對到最適合他的活動，我們必須翻轉舊的行銷觀點，變成人找活動，而不是活動找人。

一旦行銷活動從人群到個人，市場區隔愈來愈小，或者說每個顧客都成為一個分眾市場，個人化行銷應運而生。

第1個P：人（People）：NES模型，再多的顧客問題都只分5種 大數據行銷的第一個P是「消費者」（People）。

在大數據時代，以人為核心，消費者存在兩個最大特徵就是異質性和變動性，其中又以變動性最難掌握（詳見圖8：行銷新4P的第1個P：人（People））。

對於顧客來說，我們建構了一個NES模型： N＝新顧客（NewCustomer） E＝既有顧客（ExistingCustomer），分三種： 1.E0主力顧客：個人購買週期2倍時間內回購的人 2.S1瞌睡顧客：超過個人購買週期2倍未回購的人 3.S2半睡顧客：超過個人購買週期2.5倍未回購的人 S3＝沉睡顧客（SleepingCustomer），購買頻率超過個人購買週期3倍未回購、回購率低於10%。

NES模型即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）以及S3（沉睡顧客）五種標籤，隨著顧客沉睡度愈來愈深，品牌能夠有效喚醒的機會愈低、而相對的喚醒成本也將大幅增加。

行銷人過往將行銷預算和時間花在以下工作：從顧客過往的累積消費貢獻，與前一次的交易紀錄，結合顧客的性別以及消費能力指標，來決定他們的標籤設定與經營方式；但在這些數據資料背後，我們低估時間對消費者動機干擾的影響力，只透過一個平均數的概念，「大概」定義了超過180天沒有回購的顧客，就是所謂的「沉睡顧客」。

事實上，當我們將數據透過NES模型演算後發現，很多顧客早在120天左右就進入了S3（沉睡顧客）階段，品牌一視同仁的時間定義，讓企業不但錯失了關鍵的喚醒時機，然後在低喚醒率的S3階段才著手補救。

這些看似微不足道的小細節，都在浪費企業寶貴的成本與資源。

即時掌握每個消費者的實際狀態，是大數據行銷最重要的第一步。

如果我們已有能力為每個顧客量身訂製專屬的溝通時間點，行銷網隨時都可以收網，而不致有太多漏網之魚。

大數據行銷的第一個P是「消費者」（People）。

顧客百百種，但行銷新4P，NES模型將顧客分為5種狀態，分成N（新顧客）、E0（主力顧客）、S1（瞌睡顧客）、S2（半睡顧客）以及S3（沉睡顧客） 第2個P：成效（Performance）：每一間店都可以做自己的行銷 大數據行銷的第二個P是「成效」（Performance）。

「獲利」是企業經營的共同目標，影響獲利的因子很多，說穿了就是三個營收影響目標：顧客數增加、客單價提高、活躍度提升（詳見圖9：第2個P：成效（Performance））。

前面的People談顧客狀態，Performance談的就是顧客動態。

顧客流動反映在門店導向的觀點，我常觀察到企業在檢視獲利營收時，發現來客數下滑，就直接判定新客疲弱不振，是造成營收衰退的罪魁禍首，立刻決定砸下百萬預算，安排來店贈禮活動提升新客招募，期望能夠一舉提升銷售動能，拉抬業績，結果，新客數確實明顯增加了，但營收卻仍舊沒什麼起色（詳見圖10：提升獲利，各店鋪策略大不同）。

原來藏在數據背後真正造成店家營收下滑的原因，其實是高貢獻度的忠誠顧客大量而且快速的流失，活動提升的新顧客對營收幫助渺小，當務之急應是先找出忠誠顧客流失原因、制定顧客挽回方案，先固本補破，才去找新顧客。

看錯數據會錯意，不但會讓店家消耗無謂的行銷預算和時間，解決一個無關痛癢的問題，更進一步給對手可趁之機。

這一來一往之間，勝負立判，能不慎乎？ 換言之，每一家門店營運的KPI都應該根據自身問題做個性化設定。

比如說台北在做顧客新增的時候，高雄可能應該做顧客流失，台北1店在做顧客新增時，台北2店可能應該做顧客流失，端看各門店的數據，來決定它們應該優先改善什麼。

大數據行銷的第二個P是「成效」（Performance），講得是顧客的動態。

先用NES把顧客分五類，但顧客的狀態卻是會改變的，就像圖中的人在溜滑水道一樣，如果不做顧客關係管理，或者在錯誤的時機、溝通錯誤的訊息，那就會讓顧客不斷流失 以上圖擁有11家分店的這間企業為例，當企業用整體單一指令的指揮方式來經營的時候，很容易就會下達11家店通通在下一季執行任務A的指令，全面招募新顧客；但是當我們透過NES分群並結合BCG矩陣後，我們將清楚地看到，只有A至D這四間店需要執行任務A。

在招募新顧客這個指標對分店E的營收干擾很大，但是此刻分店E在招募新客的表現上已經很好，當前影響分店E的反而是降低沉睡顧客大量流失；同理，分店F雖然在提升新顧客這個指標上表現不佳，但是這個指標對F分店的營收幾乎不造成干擾，反倒是沉睡顧客的流失，才是真正關鍵。

所以，不只是顧客要個性化溝通，分店的營運管理透過數據分析，也應該要能夠做到個別營運任務的差異化分配 第3個P：步驟（Process）：找出Priority，優先處理危急問題 大數據行銷的第三個P是「步驟」（Process），透過有層次的執行心法，去改善營收方程式。

營收的3個變數出現問題時，應該採取什麼樣的戰略，去解決問題（詳見圖11：第3個P：步驟（Process））。

當店家發現營收下滑，先檢視品項銷售狀況、來客數與客單價等數據，假設顧客人數不夠，應想辦法增加新顧客，或是想辦法留住舊顧客。

如果是顧客活躍度不夠、或忠誠度不足，則可以針對早期再購顧客（短期內馬上二次購買的顧客，很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。

如果問題出在顧客的客單價不夠，則進一步去檢視，究竟是新顧客不夠，還是舊顧客不夠？倘若新客的客單價不夠，通常是因為用了不當方式促銷新顧客，用很優惠的價格吸引新顧客進來，收進來的是不健康的顧客，接下來他很可能沒有辦法繼續貢獻價值。

導致呈現出來，新客的客單價太低、再購比率也太低等。

大數據行銷的第三個P是「步驟」（Process）。

當你從People認識消費者，必然有新顧客（N）、主力顧客（E0）一直到沉睡顧客（S3）等五種狀態，然後又發現顧客不斷地往下一個階段流失，很多人看到這邊就已經開始垂頭喪氣。

但是第三個P要告訴你，流失是可以被控制和改善（喚醒）的，行銷人在不同的階段，應該設定對應的行銷活動，比方說，在顧客E0階段規劃顧客忠誠度計畫，或是在S1、S2和S3不同的停滯階段，設計喚醒方案 第4個P：預測（Prediction）：精準預測顧客下次回購時間 如果說Process告訴行銷人從營收方程式和顧客流動是可以被控制的，那大數據行銷最後環節「預測」（Prediction），就是宣告這樣的控制能夠被智能化的監控與執行（詳見圖12：第4個P：預測（Prediction））。

顧客就像水一樣，水往低處流，從第一次購買的新朋友，到漸行漸遠的流失客，這個過程是常態。

但有了大數據之後，行銷卻可以及早做出因應方案。

用數據分析未來，從分析走向預測，推算出會員的「下次購買時間」（NextPurchasingTime,NPT），讓店家在對的時間對最有可能上門的顧客說話。

假設顧客的狀態就像五階段的水槽裝置，從新顧客（N）一路向下流向沉睡顧客（S3）。

「智能控制」可以偵測每一個環節，當水槽水位或是管線流量出現異常，系統自動對它做回饋、修復，或是提出警告，哪個環節出了問題，並依據KPI自動做出最優化的調節設定。

舉例而言，當顧客從主力顧客的水槽流到S3水槽的沉睡顧客，意指高達90%的機會顧客會徹底流失，亦即所謂分手階段。

彷彿男女朋友，等到快分手才去挽回，不但事倍功半，成功挽回的機率也很低。

但是，當主力顧客開始流向沉睡顧客時，必然先經過S1（瞌睡狀態）、S2（半睡狀態）兩個水槽。

透過智能控制，就可以在S1瞌睡階段事先偵測到，當發現顧客已經有一點疏離，智能控制就會給出關懷或提醒等，以控制降低顧客流失的水量。

「智能控制」可以做到即時偵測、零時差溝通和個性化訊息，即時而且適時的調節，完全零時差、零誤差，這也是整個大數據行銷的精髓。

水往低處流，要把愈低層的水抽上來，需要更大的動能。

同理，NES顧客模型就像五個層層向下的水槽，為預防顧客不斷地從主力顧客（E0）慢慢滑落到無法挽回的沈睡顧客（S3），我們不但要建立有效的預警和調節機制，而且這套機制，必須藉由大數據的演算和預測，做到「智能控制」，基於人機分工的策略下，實時偵測、適時調整，而且一切的控制都是基於演算預測後的最佳決策 ※本文摘錄自《大數據玩行銷》，立即前往試讀 30雜誌4PNES模型PeoplePerformancePlacePredictionPriceProcessProductPromotion人企業管理促銷價格分眾市場商業理財商業資料處理大數據大數據玩行銷成效智能控制步驟產品行銷通路陳傑豪非小說預測 ←后羿留下最後一隻金烏，牠泉湧的孤獨成了最熾熱的艷陽 快要吵醒哥吉拉的美麗之海→ 您可能還想看... 面對老婆，偶爾可以靠裝傻裝可愛度過危機 1311月,2020 地震過後，「絆」讓人們聚集，成為重要而溫暖的安全網 103月,2017 也算是都市人（吧） 2712月,2018 侯文詠：教育需要一場文化戰爭 288月,2016 Copyright©2020群傳媒股份有限公司 加入粉絲團，天天帶給你有趣的閱讀新聞 Readmoo電子書店 加入Line好友 訂閱電子報