創造、挖掘消費者的潛在需求
─台大國企系副教授任立中談資料庫行銷
資料庫行銷（Database Marketing）從八○年代開始發展，九○年代趨於成熟，亞馬遜書店是迄今為止最值得討論的成功典範。
資料庫像是座寶山，讓企業得以進行一對一的行銷。為了達成這個目的，必須使用多樣的統計分析方法，來建立客戶群組。然而，同時具有統計素養、商業頭腦又懂科技的人才難尋。這是台灣策略性發展資料庫行銷最需要克服的問題。
--------------------------------------------------------------------------------
八○年代末期，Database Marketing（資料庫行銷）的概念萌芽，企業開始思考，這麼多客戶資料裡，是否藏了些寶貴的東西？
到了九○年代初，行銷界開始談Relationship Marketing（關係行銷），最早是從B2B（企業對企業）開始，也就是如何把通路結構中，廠商彼此的關係，由過去的競爭變成合作，降低交易成本，雙方都有利。後來概念延伸到B2C（企業對消費者）。學術界的看法是，企業面對消費者，應該發展一對一、個人化的行銷。但企業界發現，要做一對一的行銷有困難，因為上游廠商可能只有十幾二十家，消費者可是成千上萬。
要解決這個問題，Database是一個可利用的資源，因為裡面記錄了所有消費者的購買行為和基本資料。這就回到行銷最基本的核心--分析消費者行為。
有些書籍慢慢在探討這個問題，很多作者過去的背景是Direct Marketing（直接行銷），包括mailing（郵購）、電話行銷、電視購物等領域，那時網路還沒出來。後來，包括零售業（百貨超市）、服務業（信用卡、保險），甚至製造商，都開始投入Database Marketing。
以GM（通用汽車）為例。只要消費者購車，它就開始記錄你的資料。譬如說當一名客戶買了一台Buick（別克），三個月後便會收到GM寄來的一封信， 問他三年後想不想換凱迪拉克。GM寄這封信，有它的思考邏輯與配套措施。絕不是問問就算了。因為等客戶回信之後，GM又寄了第二封信、一本目錄和一張通用汽車的信用卡。以後只要這個客戶刷卡，消費金額裡一定比率的金額會累計，下次買車就可以直接抵扣，上限是七千元美金。
表面上看起來這是一個非常大的優惠，事實上它已經把你鎖住，這就是在做一對一行銷。它看的不是現在，是三年、五年後的交易。我相信這三、五年中，它也會持續地觀察你在這三、五年中到底買了什麼？刷卡金額有沒有提高？購買的東西在品質上有沒有提升， 從這裡可以看出來你的所得有沒有提高。
GM真的在做個人化的行銷，它不需要花什麼成本就可以做到，這就是Database Marketing在談的事。GM有成千上萬的消費者，如何能辨認出個人與個人間的分別？這就要靠統計的模式，決不會是GM底特律總部有個人坐在辦公室裡，過濾每封信。問題是，這統計模式怎麼做？金百利也在做同樣的事，它透過各種管道，在醫院蒐集了全美七五％孕婦的資料（當然經過對方同意），計算預產期之後，金百利開始寄信，等孕婦快要生了，它又寄尿片樣品。
你以為這樣就結束了嗎？不！金百利的試用品上還有折價券，每張都有編號，哪一包試用品寄給哪家人，它統統知道。一旦消費者真的使用了折價券，編號就會透過系統轉回金百利。對沒有使用折價券的人，金百利要再寫一封誠懇的信，拜託他們。有用過的人，它也再寫一封信，謝謝客人做了明智的決擇。從這個過程中，金百利可以明確地評估到底誰是價格敏感度比較高的人，並且開始很多行銷的動作。
這些都是九○年代前期就發生的事。
資料庫行銷的兩大概念
美國很多公司，過去用Zip Code（郵遞區號）來管理顧客，現在已是過去式了。 傳統行銷概念是用Zip Code做單位，看各區有什麼差異，再發展行銷策略，這是從上而下。問題是生活在同一個Zip Code的消費者，會有截然不同的消費行為，就算某個Zip Code的平均消費值比其它高，你能用高價位的產品來打這個市場嗎？
這是不對的。因為即使同樣高所得的人，也會有不同的價格敏感度。真正影響消費的是價格敏感度，這跟消費者的人格特質有很大關係，有的人斤斤計較，有的人就是不在乎。這會和所得相關，但不見得全然成正比。
今天做Database Marketing，真正關心的是消費者的價格敏感度，以及個人的行為，當你的目標精準到個人時，Zip Code就已經沒有必要了。
行銷市場區隔真正的理論是建立在消費者行為的差異性、異質性。我可以 把價格敏感度很低的一群人兜在一起（grouping），因為他們不在乎價錢，所以要強調的是產品的品質和服務，如果你強調產品多便宜，他反而覺得沒有價值。 我甚至不必在乎這群人的所得水準，因為我已經掌握他的行為，去做有效的行銷策略溝通。這是Database Marketing裡頭最核心的部分。真正要做到這一點，除了策略上要朝這個方向思考，更重要的是如何做這件事？關鍵在於identify（辨別、歸納）客人，這是先決條件，否則都是空談。
這也是為什麼芝加哥大學開出來的課，會叫Data-Driven Market Analytics（資料導向的市場分析），沒有這些統計模式，是分析不出來的。
Database Marketing另一個重要的觀念是Life Time Value（客戶終生價值）的計算與運用。就像我前面提到的，我對於GM的價值，不只是買Buick那一次而已，而是未來幾年有可能再買的機率多大？大家都知道Life Time Value這個觀念，問題是你面對上百萬的消費者，如何用科學的模式，很快地算出來每個客人的價值？
要先計算出價值，才能判斷跟每個客戶要維持怎樣的關係。如果這個客人的價值是非常高的，我們的成本就可以花得高一點，把這個客人留住。反之，可能就不花太多的精力。先決條件還是怎麼算Life Time Value。
最常見的計算方式是RFM，也就是客戶購買記錄的三項評估指標。 R是Recency（近期間），計算客戶最近的一次的購買日距今已有多久了，拖得愈久價值愈低。如果他上個禮拜才買過，可以確定這個客人還在，對公司的價值就高。F是Frequency（購買次數），看過去三年內購買次數，次數愈多價值愈高。M是Monetary，也就是金額，看客人每一次的購買金額大小、公司要付出的成本等等。 這三個指標是從直接行銷裡衍生出來的，這種觀念行之有年，存在五、六十年以上。不過我在EMBA班曾經請學生挑戰這個指標很多次，談來談去，都不超過這三個構面。
接下來，要用三個指標去預測未來的消費行為，還是要根據消費者過去行為紀錄，找出一套模式，才能預測。只要能預測，再按照life time value計算淨現值的財務公式就可以了。
模式第一面向：關聯銷售
所以，問題就在於，這個能預測的模式要如何建立？這部分就麻煩了。模式的建立又有兩大類，一是Cross-Selling Strategies（關聯性產品的銷售策略），也就是在消費者買的眾多產品中找出關聯性，要判定如果他買了什麼，可能會再買什麼。
一九九五年Amazon.com（亞馬遜網站）成立，就在做這樣的事，它今年已經開始賺錢了。我常講，Amazon的潛力並不是單純在「網路」兩個字，而是它完完全全體現了資料庫行銷的觀念。
Cross-Selling的觀念早就有了，並不是看到Amazon才寫出來，但多少人能做到？Amazon做到了。在Amazon網站上點選一本書，它馬上告訴你，其他買這本書的人還買了哪些書。
不僅如此，它還Profiling and Cloning Customers（客戶的分類與複製），我記得我第一次在Amazon買書，原本只要買一本，結果買了四本。除此之外，我點了「音樂」那一欄，它說我的歷史資料太短，沒辦法給建議；我又點「Video」，一下出來很多電影，第一部「The Matrix」（駭客任務），正是我最喜歡的，我想這也不稀奇，因為我買的書都偏電腦方面，但當我再往下看「Lion King」（獅子王）、「The little Mermaid」（小美人魚）、「The Toys」（玩具總動員）。你可能會說，這是什麼意思？我怎麼會買這些錄影帶呢？可是這正是行銷裡"Family Life Cycle"（家庭生命週期）的觀念。Amazon判斷我是一名專業人士（教授），可能已經結婚並有小孩。結果真的被他猜到，我真的買了「Lion King」給我兒子。
這是根據客人的特質來profiling（分類），然後cloning（複製）。當然我必須強調，這都是在玩機率的遊戲，但就算只有六○％可以符合，一百萬個客戶裡就有六十萬客戶，只要這些人成功交易，營業額就做出來了。這跟傳統的坐以待斃截然不同，它是創造、挖掘你的潛在需求，然後刺激出來。就像我一開始根本沒想到「Lion King」，最後卻買了。
模式第二面向：持續銷售
除了Cross-Selling Strategies之外，建立模式的第二個面向是continuity-selling strategies（跨時銷售策略），看的是未來。首先是purchase timing（購買時機）的問題，例如今天是禮拜四，我要預判一百萬客戶中，誰在下個禮拜最有可能跟我買東西，這個人不見得是剛買過的，要看他消費的pattern（行為模式、週期）。
根據目前手頭上所有的資料運算，預測誰會買、機率多高，依序排列下來，然後鎖定前一○％，做為下個月的目標客層。我會要求我所有的營業人員，儘量接觸這一○％的客人。到了下個月，我又要再算一次，於是產生另一份名單。
當我們在定義customer value（顧客價值）的時候，你會發現它不是固定的一群數字，它隨著時間推移而推移。
在網路的資料庫行銷中，patterns in time series（時序型態）特別重要，也就是某人點進某一個網頁以後停留多久？下一步點進哪一個網頁？又停留多久？在學術上都有統計的公式可以算得出來，只是運用在網路上更複雜。
不管是怎樣的思考面向和統計方式，目的都在瞭解消費者的行為，然後判定什麼樣的人會有什麼樣的行為，當下次他再來時，我後面的步驟全部準備好了。
消費者的需求被滿足，成交的機會就高。
資料庫行銷典範亞馬遜書店
其實GM或金百利的例子，是批次處理的概念，把消費者的資料一批批蒐集，然後作業處理。所以GM的信寄到客戶手上，可能是三個月之後的反應（response）。但Amazon是在線上瞬間完成這些事(on-line response)。
GM寄給客戶不同的信，可以想成是Amazon的網頁。Amazon並不是儲存了固定的網頁在系統裡，要點了才能看到，它是完全根據你當時的紀錄和反應，來設計下一張網頁的內容。
我請我班上（國際企業研究所開的資料庫行銷課）的學生每個人都上去Amazon的網站，然後記錄path（路徑）、看到的東西，結果每個人都不一樣，這不正是個人化的行銷嗎？我也跟學生說，隨便挑一家國內的網路書店，網站呈現的樣子都學到了，但是骨子裡不一樣。沒有資料庫行銷的概念，不可能做得到。
資訊技術還是其次，更重要的是，Amazon把個人化行銷的觀念，植入系統開發上。這絕不是單純的工程技術人員會做的事，工程人員會做的，是把網頁很快的呈現在你面前，但要呈現什麼？如何呈現？是行銷人員要做的事。
Amazon的行銷人員用資料庫行銷的觀念，去思考如何從客人所買的書的種類、內容，和他的身分，來判定他生活中需要什麼，這時候要依據的就是統計資料。研究以後，訂出一些規則和條件，交給資訊部門的人，告訴他們資料庫裡有哪些變數需要考慮，這就很簡單了，只是if...than...（若怎樣，便如何）的動作而已。執行的技術簡單，問題是if和then之間要擺什麼？全是策略思考的結果。
比如說，如果他是一位專業經理人，生涯大約在什麼階段，則要提供他什麼資料。當這所有的if...then...放上網路之後，客人在滑鼠上點，系統就會動態的即時反應。
Amazon剛建立的時候絕對也不完美，重要的是它朝這個方向做，經驗和資料累積得愈多，預測會愈正確。怕是怕在台灣業者沒有思考這方面的問題，也就沒有累積。
我曾經建議國內某家知名的網路資訊公司，應該在每次成功的行銷活動後，進一步分析成功的因素，再套用在下一次活動上，五次、十次以後，當要再設計一個行銷活動時，就可以預測多少人會上網參與這個活動？他們的行為模式是怎樣？更重要的是，每次活動，上網人口衰退的速度如何？這是策略規劃時的重要參考依據；如果衰退得快，活動時間就要短一點，反之，則長一些。這些事，在活動開始前就要決定，而不是邊走邊看。
面對成千上萬的消費者，台灣企業不能再以直覺、經驗，或純粹的創意來做行銷，應該從扎實的市場資料分析來擬定策略，付諸行動。畢竟行銷是策略領導創意，而不是創意領導策略。
即使有扎實理論基礎的策略產生，台灣企業要做好資料庫行銷，還要克服一個大問題：如何以統計方法分析龐大的資料？這需要更多懂得統計又有business sense（生意頭腦）的人。現在台灣的高等教育裡，研究所念統計的學生異質性不夠，統計研究所應該開設應用統計課程，讓不同背景的人進來，才能慢慢解決這個問題。
本文轉載自遠見雜誌2000年6月號天下遠見出版股份有限公司版權所有
Copyright 2000 Global Views Monthly Corp.All Rights Reserve
─台大國企系副教授任立中談資料庫行銷
資料庫行銷（Database Marketing）從八○年代開始發展，九○年代趨於成熟，亞馬遜書店是迄今為止最值得討論的成功典範。
資料庫像是座寶山，讓企業得以進行一對一的行銷。為了達成這個目的，必須使用多樣的統計分析方法，來建立客戶群組。然而，同時具有統計素養、商業頭腦又懂科技的人才難尋。這是台灣策略性發展資料庫行銷最需要克服的問題。
--------------------------------------------------------------------------------
八○年代末期，Database Marketing（資料庫行銷）的概念萌芽，企業開始思考，這麼多客戶資料裡，是否藏了些寶貴的東西？
到了九○年代初，行銷界開始談Relationship Marketing（關係行銷），最早是從B2B（企業對企業）開始，也就是如何把通路結構中，廠商彼此的關係，由過去的競爭變成合作，降低交易成本，雙方都有利。後來概念延伸到B2C（企業對消費者）。學術界的看法是，企業面對消費者，應該發展一對一、個人化的行銷。但企業界發現，要做一對一的行銷有困難，因為上游廠商可能只有十幾二十家，消費者可是成千上萬。
要解決這個問題，Database是一個可利用的資源，因為裡面記錄了所有消費者的購買行為和基本資料。這就回到行銷最基本的核心--分析消費者行為。
有些書籍慢慢在探討這個問題，很多作者過去的背景是Direct Marketing（直接行銷），包括mailing（郵購）、電話行銷、電視購物等領域，那時網路還沒出來。後來，包括零售業（百貨超市）、服務業（信用卡、保險），甚至製造商，都開始投入Database Marketing。
以GM（通用汽車）為例。只要消費者購車，它就開始記錄你的資料。譬如說當一名客戶買了一台Buick（別克），三個月後便會收到GM寄來的一封信， 問他三年後想不想換凱迪拉克。GM寄這封信，有它的思考邏輯與配套措施。絕不是問問就算了。因為等客戶回信之後，GM又寄了第二封信、一本目錄和一張通用汽車的信用卡。以後只要這個客戶刷卡，消費金額裡一定比率的金額會累計，下次買車就可以直接抵扣，上限是七千元美金。
表面上看起來這是一個非常大的優惠，事實上它已經把你鎖住，這就是在做一對一行銷。它看的不是現在，是三年、五年後的交易。我相信這三、五年中，它也會持續地觀察你在這三、五年中到底買了什麼？刷卡金額有沒有提高？購買的東西在品質上有沒有提升， 從這裡可以看出來你的所得有沒有提高。
GM真的在做個人化的行銷，它不需要花什麼成本就可以做到，這就是Database Marketing在談的事。GM有成千上萬的消費者，如何能辨認出個人與個人間的分別？這就要靠統計的模式，決不會是GM底特律總部有個人坐在辦公室裡，過濾每封信。問題是，這統計模式怎麼做？金百利也在做同樣的事，它透過各種管道，在醫院蒐集了全美七五％孕婦的資料（當然經過對方同意），計算預產期之後，金百利開始寄信，等孕婦快要生了，它又寄尿片樣品。
你以為這樣就結束了嗎？不！金百利的試用品上還有折價券，每張都有編號，哪一包試用品寄給哪家人，它統統知道。一旦消費者真的使用了折價券，編號就會透過系統轉回金百利。對沒有使用折價券的人，金百利要再寫一封誠懇的信，拜託他們。有用過的人，它也再寫一封信，謝謝客人做了明智的決擇。從這個過程中，金百利可以明確地評估到底誰是價格敏感度比較高的人，並且開始很多行銷的動作。
這些都是九○年代前期就發生的事。
資料庫行銷的兩大概念
美國很多公司，過去用Zip Code（郵遞區號）來管理顧客，現在已是過去式了。 傳統行銷概念是用Zip Code做單位，看各區有什麼差異，再發展行銷策略，這是從上而下。問題是生活在同一個Zip Code的消費者，會有截然不同的消費行為，就算某個Zip Code的平均消費值比其它高，你能用高價位的產品來打這個市場嗎？
這是不對的。因為即使同樣高所得的人，也會有不同的價格敏感度。真正影響消費的是價格敏感度，這跟消費者的人格特質有很大關係，有的人斤斤計較，有的人就是不在乎。這會和所得相關，但不見得全然成正比。
今天做Database Marketing，真正關心的是消費者的價格敏感度，以及個人的行為，當你的目標精準到個人時，Zip Code就已經沒有必要了。
行銷市場區隔真正的理論是建立在消費者行為的差異性、異質性。我可以 把價格敏感度很低的一群人兜在一起（grouping），因為他們不在乎價錢，所以要強調的是產品的品質和服務，如果你強調產品多便宜，他反而覺得沒有價值。 我甚至不必在乎這群人的所得水準，因為我已經掌握他的行為，去做有效的行銷策略溝通。這是Database Marketing裡頭最核心的部分。真正要做到這一點，除了策略上要朝這個方向思考，更重要的是如何做這件事？關鍵在於identify（辨別、歸納）客人，這是先決條件，否則都是空談。
這也是為什麼芝加哥大學開出來的課，會叫Data-Driven Market Analytics（資料導向的市場分析），沒有這些統計模式，是分析不出來的。
Database Marketing另一個重要的觀念是Life Time Value（客戶終生價值）的計算與運用。就像我前面提到的，我對於GM的價值，不只是買Buick那一次而已，而是未來幾年有可能再買的機率多大？大家都知道Life Time Value這個觀念，問題是你面對上百萬的消費者，如何用科學的模式，很快地算出來每個客人的價值？
要先計算出價值，才能判斷跟每個客戶要維持怎樣的關係。如果這個客人的價值是非常高的，我們的成本就可以花得高一點，把這個客人留住。反之，可能就不花太多的精力。先決條件還是怎麼算Life Time Value。
最常見的計算方式是RFM，也就是客戶購買記錄的三項評估指標。 R是Recency（近期間），計算客戶最近的一次的購買日距今已有多久了，拖得愈久價值愈低。如果他上個禮拜才買過，可以確定這個客人還在，對公司的價值就高。F是Frequency（購買次數），看過去三年內購買次數，次數愈多價值愈高。M是Monetary，也就是金額，看客人每一次的購買金額大小、公司要付出的成本等等。 這三個指標是從直接行銷裡衍生出來的，這種觀念行之有年，存在五、六十年以上。不過我在EMBA班曾經請學生挑戰這個指標很多次，談來談去，都不超過這三個構面。
接下來，要用三個指標去預測未來的消費行為，還是要根據消費者過去行為紀錄，找出一套模式，才能預測。只要能預測，再按照life time value計算淨現值的財務公式就可以了。
模式第一面向：關聯銷售
所以，問題就在於，這個能預測的模式要如何建立？這部分就麻煩了。模式的建立又有兩大類，一是Cross-Selling Strategies（關聯性產品的銷售策略），也就是在消費者買的眾多產品中找出關聯性，要判定如果他買了什麼，可能會再買什麼。
一九九五年Amazon.com（亞馬遜網站）成立，就在做這樣的事，它今年已經開始賺錢了。我常講，Amazon的潛力並不是單純在「網路」兩個字，而是它完完全全體現了資料庫行銷的觀念。
Cross-Selling的觀念早就有了，並不是看到Amazon才寫出來，但多少人能做到？Amazon做到了。在Amazon網站上點選一本書，它馬上告訴你，其他買這本書的人還買了哪些書。
不僅如此，它還Profiling and Cloning Customers（客戶的分類與複製），我記得我第一次在Amazon買書，原本只要買一本，結果買了四本。除此之外，我點了「音樂」那一欄，它說我的歷史資料太短，沒辦法給建議；我又點「Video」，一下出來很多電影，第一部「The Matrix」（駭客任務），正是我最喜歡的，我想這也不稀奇，因為我買的書都偏電腦方面，但當我再往下看「Lion King」（獅子王）、「The little Mermaid」（小美人魚）、「The Toys」（玩具總動員）。你可能會說，這是什麼意思？我怎麼會買這些錄影帶呢？可是這正是行銷裡"Family Life Cycle"（家庭生命週期）的觀念。Amazon判斷我是一名專業人士（教授），可能已經結婚並有小孩。結果真的被他猜到，我真的買了「Lion King」給我兒子。
這是根據客人的特質來profiling（分類），然後cloning（複製）。當然我必須強調，這都是在玩機率的遊戲，但就算只有六○％可以符合，一百萬個客戶裡就有六十萬客戶，只要這些人成功交易，營業額就做出來了。這跟傳統的坐以待斃截然不同，它是創造、挖掘你的潛在需求，然後刺激出來。就像我一開始根本沒想到「Lion King」，最後卻買了。
模式第二面向：持續銷售
除了Cross-Selling Strategies之外，建立模式的第二個面向是continuity-selling strategies（跨時銷售策略），看的是未來。首先是purchase timing（購買時機）的問題，例如今天是禮拜四，我要預判一百萬客戶中，誰在下個禮拜最有可能跟我買東西，這個人不見得是剛買過的，要看他消費的pattern（行為模式、週期）。
根據目前手頭上所有的資料運算，預測誰會買、機率多高，依序排列下來，然後鎖定前一○％，做為下個月的目標客層。我會要求我所有的營業人員，儘量接觸這一○％的客人。到了下個月，我又要再算一次，於是產生另一份名單。
當我們在定義customer value（顧客價值）的時候，你會發現它不是固定的一群數字，它隨著時間推移而推移。
在網路的資料庫行銷中，patterns in time series（時序型態）特別重要，也就是某人點進某一個網頁以後停留多久？下一步點進哪一個網頁？又停留多久？在學術上都有統計的公式可以算得出來，只是運用在網路上更複雜。
不管是怎樣的思考面向和統計方式，目的都在瞭解消費者的行為，然後判定什麼樣的人會有什麼樣的行為，當下次他再來時，我後面的步驟全部準備好了。
消費者的需求被滿足，成交的機會就高。
資料庫行銷典範亞馬遜書店
其實GM或金百利的例子，是批次處理的概念，把消費者的資料一批批蒐集，然後作業處理。所以GM的信寄到客戶手上，可能是三個月之後的反應（response）。但Amazon是在線上瞬間完成這些事(on-line response)。
GM寄給客戶不同的信，可以想成是Amazon的網頁。Amazon並不是儲存了固定的網頁在系統裡，要點了才能看到，它是完全根據你當時的紀錄和反應，來設計下一張網頁的內容。
我請我班上（國際企業研究所開的資料庫行銷課）的學生每個人都上去Amazon的網站，然後記錄path（路徑）、看到的東西，結果每個人都不一樣，這不正是個人化的行銷嗎？我也跟學生說，隨便挑一家國內的網路書店，網站呈現的樣子都學到了，但是骨子裡不一樣。沒有資料庫行銷的概念，不可能做得到。
資訊技術還是其次，更重要的是，Amazon把個人化行銷的觀念，植入系統開發上。這絕不是單純的工程技術人員會做的事，工程人員會做的，是把網頁很快的呈現在你面前，但要呈現什麼？如何呈現？是行銷人員要做的事。
Amazon的行銷人員用資料庫行銷的觀念，去思考如何從客人所買的書的種類、內容，和他的身分，來判定他生活中需要什麼，這時候要依據的就是統計資料。研究以後，訂出一些規則和條件，交給資訊部門的人，告訴他們資料庫裡有哪些變數需要考慮，這就很簡單了，只是if...than...（若怎樣，便如何）的動作而已。執行的技術簡單，問題是if和then之間要擺什麼？全是策略思考的結果。
比如說，如果他是一位專業經理人，生涯大約在什麼階段，則要提供他什麼資料。當這所有的if...then...放上網路之後，客人在滑鼠上點，系統就會動態的即時反應。
Amazon剛建立的時候絕對也不完美，重要的是它朝這個方向做，經驗和資料累積得愈多，預測會愈正確。怕是怕在台灣業者沒有思考這方面的問題，也就沒有累積。
我曾經建議國內某家知名的網路資訊公司，應該在每次成功的行銷活動後，進一步分析成功的因素，再套用在下一次活動上，五次、十次以後，當要再設計一個行銷活動時，就可以預測多少人會上網參與這個活動？他們的行為模式是怎樣？更重要的是，每次活動，上網人口衰退的速度如何？這是策略規劃時的重要參考依據；如果衰退得快，活動時間就要短一點，反之，則長一些。這些事，在活動開始前就要決定，而不是邊走邊看。
面對成千上萬的消費者，台灣企業不能再以直覺、經驗，或純粹的創意來做行銷，應該從扎實的市場資料分析來擬定策略，付諸行動。畢竟行銷是策略領導創意，而不是創意領導策略。
即使有扎實理論基礎的策略產生，台灣企業要做好資料庫行銷，還要克服一個大問題：如何以統計方法分析龐大的資料？這需要更多懂得統計又有business sense（生意頭腦）的人。現在台灣的高等教育裡，研究所念統計的學生異質性不夠，統計研究所應該開設應用統計課程，讓不同背景的人進來，才能慢慢解決這個問題。
本文轉載自遠見雜誌2000年6月號天下遠見出版股份有限公司版權所有
Copyright 2000 Global Views Monthly Corp.All Rights Reserve
全站熱搜
留言列表
{{ article.title }}