特賣會情報站

作者介紹



陳傑豪 (Tony)





MIGO 執行長。





美國求學期間主修資訊工程（Computer Science），享受一邊喝著啤酒一邊寫Code的生活，一畢業就進入世界知名CRM公司Siebel，顧問經驗橫跨醫療、金融、服務及軟體產業，曾服務多家《Forbes》雜誌全球排名500強公司。





22歲開始美國創業的冒險，成功地創辦了3間公司，2010年回台灣投入CRM品牌MIGO的經營與轉型。



2014年更帶領MIGO與阿里巴巴集團簽署台灣第一紙「大數據應用合作夥伴」合約。





懷抱著對這塊土地和人才的使命感，希望幫助更多創業者走出國際格局，讓台灣的創意、人才能被夠世界看見。





MIGO：www.migocorp.com



譯者介紹

推薦序





阿里巴巴集團副總裁 車品覺》





大數據「多即少，少即多」











黛安芬董事總經理 康翔泰》





企業，你大數據了沒？











AppWorks 之初創投創辦人 林之晨》





大數據，芝麻開門











北京清華大學數據科學研究院副院長 韓亦舜 》





發問力是最關鍵的能力











自序





MIGO 執行長陳傑豪 Tony》





Better Tomorrow, 用大數據改變世界











CH1





當大數據遇上行銷／打一場《回到未來》之戰











不再霧裡看花》勝負不在數據，觀點才能決定一切











克服盲人摸象》問對問題，才能找對答案











20/80法則》不是大就美，小而準數據含金量更高











零時差行銷》從舊4P到新4P，預測下次購買時間











大數據＋厚數據》數據會說話？說話的是人











CH2





終結猜猜猜／把手按在顧客的脈搏上











人口統計標籤vs.大數據標籤》男女不重要，動機與行為才是關鍵











被動分析vs.預測分析》不只跑得快？能預測終點才是贏家！











活動找人vs.人找活動》不必再將就，100萬種行銷同時上線











人力密集vs.數據密集》你是靠工人智慧，還是人工智慧？











有形調查vs.無形偵測》還在發問卷？Log偵測喜好立現











檢討報告vs.實驗報告》還在寫悔過書？DIET做中學











CH3





從滿足Need到預知Want／轉動大數據，魔鬼藏在3個細節裡











電商如何有效集客？》阿里巴巴：動態標籤，掌握顧客DNA











食品業如何做精準行銷？》雀巢：找到搖錢金牛VVIP











零售業如何不必再猜顧客心？》...

推薦序











車品覺／阿里巴巴集團副總裁、中國資訊協會 大數據分會副會長、中國計算數學學會 理事





大數據：「多即少，少即多」











無論是大公司還是小公司，幾乎所有我見過的大數據成功例子都是「一把手」工程。公司的管理層愈了解資料的價值，大數據落地的成功概率就愈高。這也是為什麼我一直希望見到一本能讓老闆們看得懂，清楚解釋大數據能為企業帶來什麼的書籍。











數據作為一種新的原料，它可以用之不盡，也可以讓你物無所用。其中的關鍵在於，資料從收集、存儲、刷新、辨識、關聯、挖掘、決策到行動，是一條很長的鏈路，中間的各個環節環環相扣又互為作用。想要自如地使用大資料，就需要我們把科學、工程和商業三者有機地結合。











數據技術與商業模式密不可分，到底應該以商業為本去收集資料，還是先把數據收集起來，等到未來有機會再用？我覺得這個問題是沒有絕對答案的，反而我們應該問的是：What is the business？











了解商業是使用資料的前提，一切從業務問題出發，不要為了數據而數據，才可以得心應手地使用數據去描述現狀、診斷問題、預測各種可能，以及有效地幫助業務決策並指揮行動。











根據我過去幾年的經驗，好的數據科學家愈來愈難求，而能駕馭大數據的商務人才更是稀有。每個人都聽說大數據之價值是巨大的，但對於很多公司來說，其實它虛無縹緲又難以掌控。











解決難以落地這個問題，我覺得必須要把大數據科普到商業世界中，聰明的CEO 們都應該帶頭去了解大數據是什麼。盲目地投資大數據和原地踏步其實都很危險。可惜現今在市場上看到的卻都是反行其道，滿街都是把大數據概念化的書籍。











《大數據玩行銷》這本書，正好能深入淺出地講解，如何用數據去說明行銷，內容由淺入深，通俗易懂，值得每個從事數據和行銷的人閱讀。











當然了，我們不能幻想這個世界存在一本絕世祕笈，而是需要根據自己的實際情況，不斷從實踐中摸索。











大數據的實踐也正好體現了中國前賢的智慧：「多即少，少即多」的道理。

各界推薦











中國大數據教父 車品覺





台灣黛安芬總經理 康翔泰





台灣大學全球品牌與行銷研究中心主任 任立中





北京清華大學數據科學研究院副院長 韓亦舜





App Works 之初創投創辦人 林之晨

零時差行銷



從舊4P到新4P



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，1個人就是1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(Gartner Research)的副總裁Kimberly Collins，而我們將最後一個P（profit，利潤）修正為預測（prediction）。





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」，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。





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，自然只能是人找活動，而不是差異化的活動找人(people to campaign)。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，因而翻轉舊的行銷觀點，變成是人找活動，而不是活動找人。





於是，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





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。





對於顧客來說，我們建構了一個NES模型：







? N＝新顧客（New Customer）



? E＝既有顧客（Existing Customer）



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（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模型即是為了即時掌握顧客的變動性而設計，這3個標籤及5族群，完全根據消費者實際交易數據演算，並能夠配合資料更新進行動態修正。





大數據行銷的第一個P是「消費者」（People）。NES模型能夠透過即時的演算將消費者分成N(新顧客)、E0(主力顧客)、S1(瞌睡顧客)、S2(半睡顧客)以及S3(沉睡...