零售業、餐飲業、金融業等與消費者直接接觸的産(chǎn)業，每天都有(yǒu)大量的交易數據産(chǎn)生，近年來由于大數據分(fēn)析技(jì )術的興起，消費性産(chǎn)業也相繼投入數據分(fēn)析，試圖從數據尋找洞見、拟定戰略并創造價值。大數據的概念抽象、架構龐大卻難以掌握，許多(duō)企業制定大數據戰略來因應趨勢，卻兩三年毫無作(zuò)為(wèi)，主要原因可(kě)能(néng)是:

1對于外部數據的過度追求，卻無決策參考意義

企業常認定外部數據才是自己未知的領域，隻要分(fēn)析大量外部數據，就能(néng)靠一兩個洞燭先機一舉領先對手。導緻部分(fēn)企業在設定大數據分(fēn)析目标時，皆在追求“高管未知的洞察”而忽略現有(yǒu)資料能(néng)帶來的内涵與價值。此現象常導緻企業過度追求外部資料的收集，包含社交渠道(如微信、Facebook)的輿論搜集、天氣、人口地理(lǐ)統計資料等數據，而該種數據的分(fēn)析成果通常難與現有(yǒu)顧客的數據進行鏈接，最終無法成為(wèi)決策的根據。

2虛耗時間擴充數據成“大”數據，卻無分(fēn)析能(néng)力

除對外部數據有(yǒu)過多(duō)的期待，企業在讨論大數據分(fēn)析時，通常會出現”數據這麽少，怎麽做大數據分(fēn)析?”的雜音，轉而緻力開拓數據源或整合數據，從POS系統、财務(wù)數據、營銷活動成效、店(diàn)内存貨數據、新(xīn)渠道的顧客活動資料等，最終投入大量資源于升級ERP(企業資源規劃)系統，或建立與ERP系統内存信息重複的數據庫，當企業内部認為(wèi)數據已經足夠時，分(fēn)析能(néng)力卻未能(néng)跟上，最終仍無法産(chǎn)出具(jù)有(yǒu)決策影響力的分(fēn)析結果。

為(wèi)避免上述狀況，先整合有(yǒu)用(yòng)的内部數據并針對重大商(shāng)業議題快速展開分(fēn)析更能(néng)快速體(tǐ)現數據決策的價值，本文(wén)将帶領讀者了解消費性産(chǎn)業各種既有(yǒu)的數據組，并探讨其應用(yòng)領域與實際範例:

交易層級數據-購(gòu)物(wù)籃中(zhōng)的玄機

交易層級的數據即是小(xiǎo)票上的資料，從POS系統出來的小(xiǎo)票記載每一筆(bǐ)交易的總金額、購(gòu)買的物(wù)品、參與的促銷活動、付款方式甚至會員編号等，藉由小(xiǎo)票數據，企業可(kě)以了解各種品類的表現及顧客如何購(gòu)買商(shāng)品，從各種商(shāng)品的銷售表現、并買品類、回購(gòu)率、忠誠度，商(shāng)品促銷期間、特殊檔期的表現等等，不但可(kě)以協助高管了解銷售數據的細節組成，亦能(néng)提供高管商(shāng)品捆綁、促銷設計的決策基礎。

舉例而言，一台灣領先便利商(shāng)店(diàn)即長(cháng)期分(fēn)析其交易層級數據，在近幾年的重點鮮食開發中(zhōng)，該便利商(shāng)店(diàn)曾針對銷售額、并買率和潛在需求的考慮，找出現煮咖啡、面包、飯團作(zuò)為(wèi)第一優先的開發和擴充品項，并且進一步找到熱門的購(gòu)買組合，根據商(shāng)品利潤等不同種的績效指标設計促銷活動，成功帶動整體(tǐ)的銷售績效成長(cháng)。

門店(diàn)層級數據-除缺貨數據還有(yǒu)什麽？

門店(diàn)的數據通常反映運營的績效，常用(yòng)的領域包含各門店(diàn)銷售績效的比較、存貨銷售數據的分(fēn)析等等，但對于門店(diàn)較多(duō)的零售業者而言，運用(yòng)不同的門店(diàn)屬性 (如門店(diàn)型态、門店(diàn)區(qū)位、門店(diàn)大小(xiǎo)等) 進行關聯性的分(fēn)析，找出銷售績效的驅動因子，可(kě)進一步預測未來銷售績效。

此外，許多(duō)新(xīn)舉措都會以門店(diàn)為(wèi)單位來推廣，因此企業會運用(yòng)門店(diàn)層級數據變化來評估新(xīn)舉措的成效。為(wèi)了避免市場雜音對分(fēn)析結果的影響，世界許多(duō)領先的零售業者會運用(yòng)實驗組與對照組的分(fēn)析方法，将有(yǒu)實施新(xīn)舉措的門店(diàn)作(zuò)為(wèi)實驗組，并運用(yòng)過去的财務(wù)績效表現、門店(diàn)屬性找出與實驗門店(diàn)相似的對照組門店(diàn)，進一步評估在新(xīn)舉措開始後，實驗組與對照組間的績效差異。該分(fēn)析可(kě)協助企業了解新(xīn)的營銷活動、運營策略、定價促銷活動之成效，且可(kě)針對不同的品類、消費者、門店(diàn)類型、商(shāng)圈的人口地理(lǐ)數據進一步的探究，找出未來較适合推行新(xīn)舉措的門店(diàn)。

舉例而言，麥當勞中(zhōng)國(guó)在推行新(xīn)舉措時，即會以門店(diàn)作(zuò)為(wèi)基礎進行實驗，并經過缜密的市場實驗及數據分(fēn)析做出決策。以推出新(xīn)商(shāng)品為(wèi)例，麥當勞先是在部分(fēn)門店(diàn)推行新(xīn)的商(shāng)品，并比對實驗組與對照組門店(diàn)的表現差異，了解新(xīn)商(shāng)品是否會對舊商(shāng)品産(chǎn)生競食、或是否能(néng)帶來新(xīn)的客戶，經綜合評估以後，再決議是否推出該産(chǎn)品來完善其産(chǎn)品線(xiàn)。

門店(diàn)層級的數據在分(fēn)析上較為(wèi)困難且繁雜，但其中(zhōng)可(kě)應用(yòng)的議題遠(yuǎn)超出存缺貨、人力配置管理(lǐ)的範疇，從貨架空間分(fēn)析與優化、運營策略調整、門店(diàn)改裝(zhuāng)、開關店(diàn)的影響、營銷促銷策略等，都适合以門店(diàn)層級的銷售數據為(wèi)基礎進行分(fēn)析，并作(zuò)為(wèi)決策推廣的依據。

顧客層級數據-顧客分(fēn)群的盲點

顧客層級數據的分(fēn)析近年受到高度關注，包含忠誠計劃的推出，支付工(gōng)具(jù)的創新(xīn)，營銷渠道的擴張等等都加速鞏固以顧客為(wèi)核心的數據分(fēn)析邏輯，相較門店(diàn)層級的數據着重于營運、商(shāng)品端等應用(yòng)，顧客層級數據更聚焦于顧客對于各種營銷溝通、促銷的反應。由于消費者的組成複雜、行為(wèi)多(duō)變且難以預測，多(duō)數的企業都會先針對顧客過去的行為(wèi)進行分(fēn)群，如RFM的分(fēn)群、消費型态的分(fēn)群等，進一步再設計分(fēn)衆的營銷、促銷活動來最大化顧客價值。

顧客層級數據分(fēn)析與應用(yòng)的兩個挑戰

(1)顧客對于活動的反饋率、參與程度無法反映至業績

較為(wèi)領先的零售業者已經能(néng)從各渠道撷取完整的數據，了解顧客對于每個營銷、促銷活動的參與率，但高參與率、反應率有(yǒu)時候并不代表高獲利能(néng)力，很(hěn)多(duō)時候企業在顧客已經有(yǒu)意願要購(gòu)買的商(shāng)品上，持續投資營銷資源以及折扣來讓顧客高興，此類的活動更受歡迎反而更損害毛利，因此在顧客層級的數據分(fēn)析，最重要的在于選定正确的衡量标準，(例如每個客戶的購(gòu)買金額、來店(diàn)頻率而非參與率)，才能(néng)了解各種舉措的真實效益。

(2)顧客分(fēn)群的預測模型無法快速反應市場變化

顧客層級的數據分(fēn)析最終在于預測新(xīn)的活動推出時，顧客對于該活動的反應。如金融業、電(diàn)子商(shāng)務(wù)及部分(fēn)的零售業者都已經能(néng)針對顧客的分(fēn)群建立良好的預測模型，但針對顧客的來店(diàn)頻率、消費金額的預測模型無法預測活動推出後，顧客的增額消費金額、或增額購(gòu)買頻率，因此很(hěn)即使了解了顧客未來可(kě)能(néng)的消費金額，仍難以确認一檔新(xīn)促銷推出時，顧客多(duō)買多(duō)少錢，或多(duō)造訪門店(diàn)多(duō)少次。

企業如能(néng)解決上述兩種挑戰，将可(kě)以完全掌握每一種新(xīn)舉措對于消費者的影響為(wèi)何，進一步拟定更能(néng)直接營利的顧客經營策略。世界領先的銀行及零售業者常運用(yòng)”實驗學(xué)習”的方式來了解新(xīn)舉措對于顧客的增額影響為(wèi)何，先針對部分(fēn)客戶進行小(xiǎo)規模的實驗，并根據客戶的各種屬性找出相似于實驗組的對照組客戶，觀察實驗組客戶與對照組客戶在活動開始後，在購(gòu)買金額、來店(diàn)次數上的變化，進一步分(fēn)析在實驗中(zhōng)表現較佳的客戶的屬性為(wèi)何，進一步根據”該活動”建立預測模型，以全盤掌握該活動推廣時，顧客的真實反映。此方法不但能(néng)直接了解活動對于績效的影響，亦能(néng)針對各别的舉措進行預測，突破原有(yǒu)的顧客分(fēn)群及預測模型的概念，讓企業能(néng)更大膽的拟定策略，更精(jīng)準的掌握成效。

舉個實際的案例，一個美國(guó)的連鎖便利店(diàn)業者想提供熱門商(shāng)品咖啡8折促銷，卻擔憂熱門商(shāng)品的促銷會大量損害毛利，因此僅提供部分(fēn)消費者該項優惠，想了解該優惠的成效。當實驗開始後，發現該促銷大幅提升客戶的造訪次數，同時也帶動顧客的并買行為(wèi)，整體(tǐ)的表現不但彌補了促銷的成本，還帶動了毛利成長(cháng)。即使該促銷獲得意外的成功，該企業也讓利給部分(fēn)較為(wèi)精(jīng)打細算的客戶，企業因此針對反應較佳的客群建立模型，找出最能(néng)拉擡績效的客群，在一半的促銷成本下增加了80%的增額利潤。

了解決策、找尋數據、産(chǎn)出分(fēn)析

要能(néng)運用(yòng)數據創造價值需要大量的投入，從數據收集、分(fēn)析能(néng)力建置、成果産(chǎn)出到決策應用(yòng)每個環節都相當重要，企業可(kě)以先訂立目标，先了解重大決策需要回答(dá)那些商(shāng)業問題，才能(néng)定義所需數據。

拿(ná)市場很(hěn)常見的門店(diàn)升級作(zuò)為(wèi)舉例，坐(zuò)擁成千上百的零售企業每幾年就推出新(xīn)店(diàn)型來升級門店(diàn)，但門店(diàn)改裝(zhuāng)的成本甚巨，若成效不佳數年内也無法損益兩平，通常企業會先試水改裝(zhuāng)數家門店(diàn)，再逐步推廣。在這項極重要的決策中(zhōng)，高管可(kě)能(néng)會想先看到幾項數據，

(1)已經升級的門店(diàn)的績效相較于原有(yǒu)門店(diàn)成長(cháng)多(duō)少? 對于銷售金額、客單價、來客量的影響為(wèi)何?

(2)升級後的門店(diàn)那些品類、客群的反應最好? 那些品類表現最差?

(3)哪一種門店(diàn)較适合進行升級，且能(néng)在3年内損益兩平?

由上述的題目可(kě)知，企業需要以門店(diàn)層級的銷售數據作(zuò)為(wèi)分(fēn)析基礎，再運用(yòng)交易層級的數據和顧客層級的數據則用(yòng)來分(fēn)析品類、客群行為(wèi)的變化，方能(néng)全面輔助決策。企業永遠(yuǎn)不缺少議題，也具(jù)有(yǒu)相當多(duō)的數據，從重要議題來建立更精(jīng)準、有(yǒu)效的分(fēn)析方式，并将分(fēn)析邏輯與決策流程一緻化後，再逐步擴充到各種議題，企業才能(néng)真正全面運用(yòng)數據分(fēn)析協助決策與創新(xīn)。

（聯商(shāng)網專欄作(zuò)者 李展宏/文(wén) 作(zuò)者為(wèi)APT亞太區(qū)資深副總裁）