Sorry, this content is only available in 繁體中文. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

【原文出處/轉載自DGcovery 2017.11.18 深化數據創新應用,91APP扮演品牌新零售「虛實融合」重要夥伴

91APP為目前台灣成長快速的新零售服務公司,團隊規模近300人,品牌客戶全台超過10,000多家,不乏大型零售企業在數位轉型、升級過程,都找上91APP成為合作夥伴。

例如PHILIPS飛利浦、Timberland、全家便利商店、SO NICE這類大型實體品牌,隨新零售模式崛起,品牌今年陸續啟動轉型計畫,正式邁向「虛實融合」。

在去中心化的概念下推動新零售服務,訴求品牌主導與經營實權,近日更推出91APP Enterprise品牌新零售解決方案,採用SaaS模式與企業級服務架構,降低品牌主開發建置門檻,提供零售企業一站式解決方案。

在系統使用上,以資安為前提,與國際雲端服務平台AWS合作,藉由eCommerce、O2O、Omni-Channel CRM及零售AI應用等四個層次,協助品牌整合技術、運用數據、掌握會員,快速佈局虛實融合經營環境。

91APP為目前台灣成長快速的新零售服務公司,團隊規模近300人,品牌客戶全台超過10,000多家,不乏大型零售企業在數位轉型、升級過程,都找上91APP成為合作夥伴。

例如PHILIPS飛利浦、Timberland、全家便利商店、SO NICE這類大型實體品牌,隨新零售模式崛起,品牌今年陸續啟動轉型計畫,正式邁向「虛實融合」。

在去中心化的概念下推動新零售服務,訴求品牌主導與經營實權,近日更推出91APP Enterprise品牌新零售解決方案,採用SaaS模式與企業級服務架構,降低品牌主開發建置門檻,提供零售企業一站式解決方案。

在系統使用上,以資安為前提,與國際雲端服務平台AWS合作,藉由eCommerce、O2O、Omni-Channel CRM及零售AI應用等四個層次,協助品牌整合技術、運用數據、掌握會員,快速佈局虛實融合經營環境。

 

協助品牌深耕CRM會員數據商機,導入NAPL 會員分群模型工具

目前91APP新零售相關解決方案,其中一項重要元素,就是以顧客/會員為核心,貫穿所有消費體系,無縫整合主流社群廣告媒體。全通路所累積的數據,皆導向顧客關係管理系統(OmniCRM),進行會員分級、回購預測。並開始運用AI相關科技,透過數據引擎與機器學習,有效發揮精準行銷決策。

91APP資深副總汪君羽指出,要在會員CRM上精耕細作,目前91APP提供的方案策略在「分級、分群」。也就是把人以群分,從消費金額、買過特定商品、傾向線下消費、過去曾對某種行銷活動有刺激反應的…等,利用工具把會員做到更細緻的群體分類。

目前91APP採用NAPL會員分群模型,將會員的資料、消費習性,做到漏斗式的精準預測。在第一層,主要累積會員Raw Data,做到基本資料完整蒐集。從性別、年齡、身分別到交易狀況、消費等級等基礎數據,擬定對的時間、對的方案溝通策略。例如金卡會員升級期限通知、購物車未購買品項正在打折,創造出新的消費接觸點。

到NAPL第二層,開始依會員分群條件,從單一、交叉比對條件,篩選出更細緻溝通、行銷操作方案。在這階段,系統把會員分四大群,分別提供不同行銷刺激內容、工具,例如高、中、低金額折價券、簡訊、EDM、APP推播,分析哪種行銷最有效?透過對照組,觀察不同分群當中,其溝通工具、行銷方案的反應效果如何?

對照後獲得的關鍵數據,就是在追蹤多少人點擊、多少人開信、多少轉換率,這讓品牌主對整體客戶有更深理解。將客戶切成數類族群後,可知道哪一類群體對哪些行銷活動最有反應,進而優化行銷活動。而累積下來的行銷模式,就是品牌經營會員的核心能耐。

進入NAPL模型的第三層後,則使用到演算法的大數據分析。透過會員消費活躍度、消費週期、回購情況,劃分「新客戶」(New)、「活躍客戶」(Active)、「潛在客戶」(Potential)、「流失客戶」(Lost)等四大類。每天透過模型演算,即時掌握會員交易數據,針對各類會員貼標(Tag),下一步再導入適合的行銷操作。例如針對潛在客人做刺激回購,即將流失客戶即時提供優惠訊息。

第三階段的演算功能,仍需要仰賴人力輔助,但到了第四層,則正式讓AI技術,做預測回購分析。目前91APP透過機器學習SVM演算法,把消費者過去交易紀錄提供給機器人學習。針對各類回購頻率的客戶,預測到消費者再回購時機。不過此階段需要數據斷蒐集、輸入、累積、分析,可望仰賴AI機器預測未來各種可能的消費型態,在對的時間點 (顧客生命週期),可精準提供適宜的行銷溝通內容,進一步達到個性化服務目標。

 

打造數據創新團隊,走進校園推動產學合作

然而要自行發展AI技術,做到數據創新應用並不容易。91APP公關經理林均郁回應,從去年開始,91APP內部成立一個數據創新研究的團隊,針對數據創新、AI新創工具的導入,開始做前段市場調查及工具技術上的搭配。

目前91APP推出嘗試性AI工具,包含回購預測,透過數據引擎與機器學習方式把資料倒入,判斷出消費者消費狀況,回購預測。而在新零售相關的數據創新應用上,則有NAPL 會員分群模型、訪客分群模型、購物車加(價)購、分類頁商品排序、商品推薦、回購預測、廣告投放優化、訪客 Retargeting and Re-engagement、智能導流等工具。

然而,技術工具的產生及優化,最終還是需要相關人才的推動。林均郁觀察,台灣正面臨數據人才不足的情況,過去在徵才平台上,要聘用適合的數據分析師人才並不容易,多仰賴企業內部培訓或外部合作來補足人才缺口。為了解決人才問題,91APP嘗試走進大專院校,透過大學建教合作課程,讓學生可參與91APP的實務課程,甚至在數據小組內成為長期實習生。

林均郁接著說,「我們主要協助零售品牌做線上線下融合,AI就是很重要的工具技術,去幫助零售業,讓業者品牌銷售變得更好」。因此因應新零售模式,數據人才有大量需求,91APP可望把數據創新團隊的技術與觀念慢慢延伸到其他部門,最終成為企業文化的一環。

既然數據應用、AI是很重要的工具提供更好解決方案,目前91APP積極把資源放在技術部門提升研發能量,也透過專才培育的方案,與Google、AWS等科技大廠做合作夥伴等面向進行。經由產學合作、異業結盟的方式,讓數據創新概念真正落地,等待技術更加成熟後,最終才有機會擴大市場。汪君羽提及,91APP的下一步,會有更多實體品牌的合作,打通虛實融合場景;第二步是跨國市場布局,從台灣延伸到東南亞國家,甚至全球。