書摘-AI行銷學-第二項修練 蒐集資料
書名: AI行銷學
AI行銷學：為顧客量身訂做的全通路轉型策略
Make It All About Me: Leveraging Omnichannel and AI for Marketing Success
原文作者：Rasmus Houlind, Colin Shearer
出版年: 2020
筆記範圍: 中文譯本p.76-111
學習關鍵字: 系統蒐集、資料整合
- 全通路行銷中，匿名的顧客調查往往不具備太大意義，這些資料通常只能用於一般性的產品開發，而無法深入了解顧客行為。
- 顧客資料可分為多種類型
-結構化資料(各種紀錄)/非結構化資料80%(評論、錄音、圖像、影片等)
-確定性資料/隨機性資料,
舉例來說, 網站透過cookie蒐集使用者的瀏覽行為，雖然能夠獲得一些有用信息，但無法完全確定是哪個使用者在操作，因此需要依賴推測來關聯，這類資料屬於隨機性資料。
3.資料得被使用, 才可能創造價值
4.自有媒體是蒐集顧客資料的完美管道
5.考慮以資料作為套裝顧客服務的一部分, 如Garmin、Fitbit這些紀錄生理運動數據裝置與服務
6.以貼近顧客來分類資料
-顧客提交的資料: 顧客想告訴我們甚麼
顧客檔案、問卷調查等等, 這方面資料容易有使用者偏誤、或是需要處理資料一致性的問題, 比如”行銷經理”的職稱有很多種寫法
-行為資料: 顧客做了甚麼?
行為通常透露諸多意圖, 資料有(a)交易、電子郵件與點擊資料; (b)行銷活動資料; (c)來自網站的行為資料; (d)來自客服中心及聊天室的資料; (e)物聯網-來自裝置的資料
-情緒資料: 顧客有甚麼感覺?
問卷調查、情感分析等, 未來越善於破解顧客的數位肢體語言, 就會越了解顧客
7.透過第三方增補資料: 比如DNB資料庫, 金融跟電信業有更多的資料, 但老舊系統轉換需要付出很多投資
8.如何蒐集顧客提供的資料
-創造誘因
-使提供資料流程便利容易
-用遊戲化機制
-未登入時蒐集, 但注意這是隨機性資料
-鼓勵登入
-保留登入帳號
-創造一種受用戶喜愛的服務但也能取得用戶資料(電影IMDB、Nike+)
9.實體商店:
-建立會員制
-使用顧客手機蒐集資料
-行動的銷售點系統
10.整合與儲存: 資料整合困難會損害顧客體驗, 需要有具說服力的誘因去幫助彼此
11.蒐集資料的成熟度: 最高水準每個顧客只有一個檔案, 基本資料被整理成摘要
Linkedin的案例
Linkedin好的做法是讓用戶知道多少人瀏覽他們的個人檔案作為更新履歷的誘因(這也是我黏住的原因之一, 我有曝光需求)
Linkedin注重介面, 並非所有資料都要一次蒐集完全, 比如其中一個構想是在每封電子報詢問一個簡單問題, 讓收件人只要點擊就能回答
遊戲化手法比如透過顯示百分比完成度, 以及說明做甚麼才能再完成5%, Linkedin訴諸人性本能, 讓你把開始的事情做完
總結
資料的收集與運用不僅僅是為了了解顧客需求，更多的是在創造顧客價值的過程中提升企業的服務質量。透過精確的資料整合與分析，企業能夠更深入地了解顧客，進而提供個性化的產品和服務，最終達到提升顧客體驗的目標。