3大數據分析法 提升營銷效率

評論 2022/02/04

分享:

分享:

今年1月上旬,跨境電子錢包PayPal發布了一個中小企數碼支付研究報告,這項調查於去年9月至10月期間,訪問了210名有進行網上銷售的香港中小企業務決策者,發現有60%受訪中小企已經進行跨境貿易,佔受訪者平均32%業務,當中有26%受訪者已採用全球跨境支付方案;在銷售渠道方面,社交媒體最受香港中小企歡迎,有7成受訪者現正或計劃利用社交媒體作銷售及宣傳。很顯然,近年企業利用數據進行營銷、提高銷售效率,已然大行其道。

簡而言之,數據營銷就是使用定量方法,從數據提取意義,據此作出營銷決策。由於大量數據的可用性,營銷中的數據分析,變得比以往任何時候都更加重要。根據BMO Capital Markets的報告,營銷人員每年在大數據和深入分析上花費500億美元,據此提升營銷業務的績效;麥肯錫的研究亦顯示,投資大數據和分析的公司,其利潤平均增長5%到6%,5年間可躍升至9%。

在許多情況下,公司都致力以開放的態度,冀從大數據中獲得具啟發性的信息。根據工作流程階段和數據分析的要求,數據驅動的營銷分析可以主要分為3種類型--描述性、預測性和規範性,其基礎技術包括統計建模、數據挖掘、機器學習和人工智能等。筆者通過近年的營銷學術研究,扼要闡釋這3種類型的一些商業應用,供從事營銷工作人士參考。

解讀歷史數據 助找出商機

描述性分析,是指解讀歷史數據以識別趨勢和模式,回答「發生了甚麼?」的問題,意味通過這種分析,有助識別出潛在問題,或找到未來的業務機會。

據柏林洪堡大學一組研究人員提出,利用自然語言處理和機器學習,分析消費者購物籃中產品的共現情況,做法是透過結帳系統的現成數據,找出消費者購物籃中跨類別產品的互補性、類別內產品的替代性等有用信息,這個方法很適合零售商採用。

筆者運用類似的研究理念,擴展應用到自動售貨市場上,以助零售商同時在不同的自動售貨點,以及每個自動售貨點內改進其產品分類策略。我們利用不同自動售貨地點的消費者交易數據,建構一種自動機器學習模型,這個模型可以--(1)分析由位置偏好驅動的不同消費者群體;(2)量化這些消費者群體之間產品偏好的差異;以及(3)了解產品和自動售貨地點之間的關係(例如替代和互補性)。

由此可見,利用描述性分析方法,我們能夠得到很多有用信息,用以在不同售貨點進行有效營銷。

預測性分析 增效率降風險

預測分析是指使用當前和/或歷史數據,與統計技術相結合的過程,通過回答「會發生甚麼」或「甚麼時候會發生?」,評估特定事件在未來發生的可能性。預測分析已被用於營銷中的各種預測問題,例如信用評分、新客戶獲取、客戶流失、客戶生命周期價值、廣告點擊率、購買發生率和產品推薦等。因此,預測分析可以幫助改善企業多個領域,包括效率、客戶服務和降低風險。

此外,深度學習(DL)過去數年在營銷預測方面的表現受到極大關注。深度學習是機器學習的一個子領域,涉及受大腦結構和功能啟發的算法,稱為人工神經網絡。除了出色的預測準確性外,深度學習還可以處理來自許多不同來源的更多信息;它不僅能夠以無與倫比的規模做到這點,而且還能夠以其他系統無法做到的方式,滙集不同類型的信息,包括圖像、音頻、應用程序數據、點擊流數據、位置數據、社交網絡數據處理等。

然而,現有預測分析為人詬病的其中不足之處,是這些分析工具如「黑盒」般,無法深入了解輸入後過程中發生的情況。因此,當盲目地依賴算法來優化預測時,可能會產生潛在的負面後果。

最近有一項研究表明,Facebook廣告平台的算法,向不同人展示不同類型的住屋或就業機會,展現了帶有歧視性的效果,例如最終導致算法向女性展示了更多秘書職位廣告,向男性則展示了更多木材行業職位廣告。

一旦出現這種帶有岐視性的效果,可能會令消費者反感,因此對於公司來說,如何在準確性和可解釋性或透明度之間進行權衡,是很重要的。

規範性分析是指應用測試和其他技術,通過回答以下問題,確定在特定場景中哪個結果會產生最佳結果,即「為甚麼會發生?」或「我該怎麼辦?」。

隨機化實驗 助精準決策

以隨機實驗來說,例如「A/B測試」,是企業經常用以確定最佳廣告文案、定價點、定位策略等方法。其基本原理是在不同的處理條件下,隨機分配實驗單元,然後確定處理產生最佳利益結果的條件。

隨機化的最大優勢,是通過均衡研究設計中未明確考慮的其他因素,藉此減少偏差。然而,在大多數商業問題中,隨機實驗要麼成本太高,要麼不可行。因此,規範性分析基於使用準實驗或觀察數據的預測分析結果,據此進行精準決策。

筆者有一項研究,旨在協助從業者了解調查「時刻營銷」(moment marketing,即在正確的時間,向正確的受眾傳達正確適時信息的行為)的價值,這需要能夠將「在綫廣告」(如贊助搜索)與相關的「離綫事件」(如電視廣告)實時同步發生。

我們利用美國快餐行業主要品牌長期電視廣告支出的巨大變化,去進行因果估計。基於統計分析,我們發現,以電視播出時刻用戶網上搜索的「關鍵字廣告」(search advertising),可以有效優化電視廣告品牌的「贊助關鍵字廣告」;我們還記錄了驅動這種跨渠道廣告效果的機制。

具體言之,電視廣告可以在播出之後,瞬間改變在綫搜索流量的質量(例如誰在搜索、他們在甚麼地方搜索,以及如何搜索),從而改變平均用戶對搜索廣告的反應,增加成功營銷的機會。

總的來說,企業愈來愈多地利用數據,發現可以幫助他們制定業務戰略、制定決策以及提供更好的產品、服務和個性化在綫體驗之洞察力。在此過程中,上述3種不同的營銷分析,是互補且有價值的。事實上,數據如今已成為營銷戰略和業務發展中必不可少的環節,作為營銷人員,無可避免地要面對數據進行分析,利用上述3大數據分析法,把數據與企業的營銷策略目標結合,有助取得到位的營銷效果!

數據如今已成為營銷戰略和業務發展中必不可少的環節,作為營銷人員,無可避免地要面對數據進行分析。(中新社資料圖片)

撰文 : 劉佳 科大商學院市場系助理教授

欄名 : 評論‧世情

緊貼財經時事新聞分析,讚好hket Facebook 專版