【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。