零售業(yè)在大數(shù)據(jù)的推波助瀾下，早已顛覆了過(guò)去的銷售模式，帶來(lái)的是新一波智慧零售，主要是以個(gè)別消費(fèi)者為核心，利用大數(shù)據(jù)分析其需求特性，并藉此提供個(gè)別化之營(yíng)銷策略，以期透過(guò)個(gè)人需求的滿足以提高企業(yè)的獲利;由于每位消費(fèi)者的身上有其專屬的行為模式與消費(fèi)習(xí)慣，只要零售業(yè)廠商有意蒐集其各項(xiàng)數(shù)據(jù)，透過(guò)數(shù)據(jù)驅(qū)動(dòng)分析(data driven analysis)的分析方式，便可以從中挖掘個(gè)別消費(fèi)者的訊息，并提高零售業(yè)的精準(zhǔn)營(yíng)銷，是為新一代的商業(yè)智慧(Business Intelligence, BI);而本中心智慧零售團(tuán)隊(duì)即是此一領(lǐng)域的翹楚，并已應(yīng)用在百貨及電信業(yè)者的客戶消費(fèi)行為分析上。

　　以百貨業(yè)的客戶消費(fèi)行為分析為例，透過(guò)分析持有Happy Go卡消費(fèi)者在遠(yuǎn)東百貨的消費(fèi)資訊(已經(jīng)去除可識(shí)別特定個(gè)人之?dāng)?shù)據(jù))的數(shù)據(jù)，便可分析持卡者于消費(fèi)時(shí)在柜位間的移動(dòng)，進(jìn)而提供遠(yuǎn)東百貨在柜位的調(diào)整，希望藉此提供更能滿足消費(fèi)者購(gòu)物需求的動(dòng)線設(shè)計(jì);其次，在DM的發(fā)送上，也因?yàn)榇髷?shù)據(jù)分析而改變過(guò)去通用型DM發(fā)送模式，透過(guò)大數(shù)據(jù)對(duì)客戶消費(fèi)內(nèi)容進(jìn)行分析，進(jìn)而針對(duì)其特定需求來(lái)客制化DM，以彈性地變更DM內(nèi)容，讓DM更可以打動(dòng)個(gè)別消費(fèi)者的心，增加其來(lái)電購(gòu)買意愿，提高百貨公司的獲利能力。

圖二：建構(gòu)于消費(fèi)者行為理論與生活型態(tài)理論的BI介面

　　圖二為該團(tuán)隊(duì)所建立的BI應(yīng)用系統(tǒng)，此一系統(tǒng)之建立系以營(yíng)銷領(lǐng)域中的消費(fèi)者行為理論(customer behavior)、生活型態(tài)理論(life style theory)，配合多因子分析(factor analysis)的統(tǒng)計(jì)方法，找出關(guān)鍵的影響因子;以DM的發(fā)送為例，透過(guò)數(shù)據(jù)驅(qū)動(dòng)分析制成BI，百貨業(yè)者便便可藉此而更為精準(zhǔn)地發(fā)送個(gè)別化DM，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷的最高奧義;換句話說(shuō)，以往百貨公司在進(jìn)行周年慶時(shí)，所發(fā)送的DM都是無(wú)差異化的，因此印制成本甚高，成效如何也甚難評(píng)估;現(xiàn)在透過(guò)大數(shù)據(jù)分析的BI系統(tǒng)，因已知個(gè)別客戶的需求特性，因此將過(guò)去厚厚一本的DM進(jìn)行客制化制作，甚至以eDM的方式來(lái)進(jìn)行精準(zhǔn)廣告的投放，不只能提高進(jìn)準(zhǔn)度，同時(shí)亦降低了DM的印制成本;綜上所述，透過(guò)對(duì)百貨業(yè)之顧客的大數(shù)據(jù)分析所提供的BI，除了更能了解顧客的消費(fèi)型態(tài)外，亦可協(xié)助百貨業(yè)者透過(guò)柜位安排以及精準(zhǔn)營(yíng)銷的推動(dòng)，進(jìn)而提升百貨業(yè)者的獲利能力。

圖三：電信業(yè)使用者之社會(huì)網(wǎng)絡(luò)圖

　　而該團(tuán)隊(duì)另一研究則是在電信業(yè)客戶數(shù)據(jù)的分析，目前，臺(tái)灣各大電信業(yè)者皆積極進(jìn)行大數(shù)據(jù)之加值應(yīng)用，希望從中找到新的獲利管道，而使用者社會(huì)網(wǎng)絡(luò)分析即是一種可能的方式;一般來(lái)說(shuō)，可以將電信業(yè)區(qū)分成兩個(gè)數(shù)據(jù)集(DataSet)，分別為語(yǔ)音通話數(shù)據(jù)和3G、4G上網(wǎng)，其中消費(fèi)者的語(yǔ)音使用本身便可分析其社會(huì)網(wǎng)絡(luò)(如圖叁)，比如說(shuō)親朋好友、網(wǎng)內(nèi)、網(wǎng)外互打等，從中分析語(yǔ)音服務(wù)使用者的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)，并從中判讀意見(jiàn)領(lǐng)袖與其影響力路徑;此部分的分析可以搭配簡(jiǎn)訊傳送數(shù)據(jù)來(lái)進(jìn)行，以Aster Discovery Platform的方式找出通路網(wǎng)絡(luò)中的意見(jiàn)領(lǐng)袖，從中辨識(shí)出網(wǎng)路中心點(diǎn)─即核心使用者(如圖四)，并以Customer Behavior Segmentation建立分群，找出諸如「高花費(fèi)、偶欠費(fèi)、常抱怨」、「愛(ài)撿便宜、買錯(cuò)方案、不怕違約」的客群，并對(duì)其發(fā)展客制化的營(yíng)銷方案;此一分析結(jié)果應(yīng)用上較為成功的案例，如電影院業(yè)者與意見(jiàn)領(lǐng)袖的合作，透過(guò)簡(jiǎn)訊通知這些核心使用者，并表示若其發(fā)送電影折價(jià)訊息給其他網(wǎng)絡(luò)成員，且這些訊息接收者也因此而前往電影院消費(fèi)時(shí)，則此一意見(jiàn)領(lǐng)袖即可獲得一些獎(jiǎng)勵(lì)，效果非常的顯著，據(jù)了解整體票房可提升至30%左右?！?/p>

圖三：Aster Discovery Platform

　　另一方面，從3G、4G使用者的上網(wǎng)數(shù)據(jù)來(lái)看，電信業(yè)者可以取得用戶各項(xiàng)使用資訊，簡(jiǎn)單來(lái)說(shuō)，就是用戶逛了哪些網(wǎng)站、停留網(wǎng)站多久時(shí)間、使用了哪些APP等，事實(shí)上，這些行為是相當(dāng)紊亂的，故取得數(shù)據(jù)后如何利用統(tǒng)計(jì)技術(shù)將這些混雜的巨量數(shù)據(jù)壓縮成幾個(gè)大面向，就顯得相當(dāng)重要，以購(gòu)物網(wǎng)站為例，有各大購(gòu)物類網(wǎng)站、APP或是關(guān)鍵字搜尋等，然后透過(guò)機(jī)器學(xué)習(xí)(Machine Learning)，利用大量數(shù)據(jù)立自己的「智慧」，進(jìn)而預(yù)測(cè)、分類或是分群等動(dòng)作，如搜尋規(guī)則及關(guān)鍵字的建立等，進(jìn)而分析使用者在網(wǎng)路上的行為，如逛購(gòu)物類網(wǎng)站的時(shí)間比重、購(gòu)物行為，甚至是使用者的生活型態(tài)、社經(jīng)地位等，也就是說(shuō)可以藉由統(tǒng)計(jì)分析去辨識(shí)該位使用者的身份，如上班族、學(xué)生族、銀發(fā)族等，該團(tuán)隊(duì)積一直極于發(fā)展顧客動(dòng)向洞察研究，協(xié)助業(yè)者深度認(rèn)識(shí)顧客生活型態(tài)、社交網(wǎng)路，并發(fā)展留住舊客、開(kāi)發(fā)新客的顧客關(guān)系管理新方法，目前已提升女性用戶的市場(chǎng)滲透率 (penetration rate) 3%，未來(lái)將加入位基服務(wù)(LBS; location-based) 數(shù)據(jù)，將有利于精確判讀用戶行為。

　　在龐大且復(fù)雜的數(shù)據(jù)中，如何進(jìn)行蒐集以及如何有效處理各種消費(fèi)數(shù)據(jù)，透過(guò)巨量數(shù)據(jù)分析深入了解消費(fèi)行為，在抽絲剝繭中找出關(guān)鍵分群，進(jìn)而掌握先機(jī)并創(chuàng)造商機(jī)。而曾芳美院長(zhǎng)率領(lǐng)該團(tuán)隊(duì)與業(yè)界知名百貨業(yè)、電信業(yè)共建良好合作模式，便是將所有的應(yīng)用淋漓盡致地體現(xiàn)出來(lái)，將理論模型與實(shí)務(wù)需求結(jié)合并利用大數(shù)據(jù)解決方案，洞見(jiàn)消費(fèi)者需求并依此發(fā)展精準(zhǔn)營(yíng)銷方案、發(fā)展Online to Offline(O2O)零售商業(yè)模式等，并用以整合至企業(yè)內(nèi)部既有的結(jié)構(gòu)化數(shù)據(jù)，從而發(fā)展出一套整合分析模式，為經(jīng)營(yíng)者帶來(lái)洞察力。最后，值得一提的是，在這些大數(shù)據(jù)分析與應(yīng)用的背后，也帶來(lái)個(gè)資隱私保護(hù)的疑慮，不過(guò)再去除可識(shí)別化數(shù)據(jù)后，便可進(jìn)行上述分析，進(jìn)一步提升BI在零售業(yè)的重要性。

　　(本文作者：由吳相勛教授、廖東山教授研究團(tuán)隊(duì)提供)