零售業、餐飲業、金融業等與消費(fèi)者直接接觸的産業，每天都有大(dà)量的交易數據産生(shēng)，近年來由于大(dà)數據分(fēn)析技術的興起，消費(fèi)性産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(dà)數據的概念抽象、架構龐大(dà)卻難以掌握，許多企業制定大(dà)數據戰略來因應趨勢，卻兩三年毫無作爲，主要原因可能是:

1對于外(wài)部數據的過度追求，卻無決策參考意義

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

2虛耗時間擴充數據成“大(dà)”數據，卻無分(fēn)析能力

除對外(wài)部數據有過多的期待，企業在讨論大(dà)數據分(fēn)析時，通常會出現”數據這麽少，怎麽做大(dà)數據分(fēn)析?”的雜(zá)音，轉而緻力開(kāi)拓數據源或整合數據，從POS系統、财務數據、營銷活動成效、店(diàn)内存貨數據、新渠道的顧客活動資(zī)料等，最終投入大(dà)量資(zī)源于升級ERP(企業資(zī)源規劃)系統，或建立與ERP系統内存信息重複的數據庫，當企業内部認爲數據已經足夠時，分(fēn)析能力卻未能跟上，最終仍無法産出具有決策影響力的分(fēn)析結果。

爲避免上述狀況，先整合有用的内部數據并針對重大(dà)商(shāng)業議題快速展開(kāi)分(fēn)析更能快速體(tǐ)現數據決策的價值，本文将帶領讀者了解消費(fèi)性産業各種既有的數據組，并探讨其應用領域與實際範例:

交易層級數據-購物(wù)籃中(zhōng)的玄機

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

舉例而言，一(yī)台灣領先便利商(shāng)店(diàn)即長期分(fēn)析其交易層級數據，在近幾年的重點鮮食開(kāi)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、飯團作爲第一(yī)優先的開(kāi)發和擴充品項，并且進一(yī)步找到熱門的購買組合，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。

門店(diàn)層級數據-除缺貨數據還有什麽？

門店(diàn)的數據通常反映運營的績效，常用的領域包含各門店(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)較多的零售業者而言，運用不同的門店(diàn)屬性 (如門店(diàn)型态、門店(diàn)區位、門店(diàn)大(dà)小(xiǎo)等) 進行關聯性的分(fēn)析，找出銷售績效的驅動因子，可進一(yī)步預測未來銷售績效。

此外(wài)，許多新舉措都會以門店(diàn)爲單位來推廣，因此企業會運用門店(diàn)層級數據變化來評估新舉措的成效。爲了避免市場雜(zá)音對分(fēn)析結果的影響，世界許多領先的零售業者會運用實驗組與對照組的分(fēn)析方法，将有實施新舉措的門店(diàn)作爲實驗組，并運用過去(qù)的财務績效表現、門店(diàn)屬性找出與實驗門店(diàn)相似的對照組門店(diàn)，進一(yī)步評估在新舉措開(kāi)始後，實驗組與對照組間的績效差異。該分(fēn)析可協助企業了解新的營銷活動、運營策略、定價促銷活動之成效，且可針對不同的品類、消費(fèi)者、門店(diàn)類型、商(shāng)圈的人口地理數據進一(yī)步的探究，找出未來較适合推行新舉措的門店(diàn)。

舉例而言，麥當勞中(zhōng)國在推行新舉措時，即會以門店(diàn)作爲基礎進行實驗，并經過缜密的市場實驗及數據分(fēn)析做出決策。以推出新商(shāng)品爲例，麥當勞先是在部分(fēn)門店(diàn)推行新的商(shāng)品，并比對實驗組與對照組門店(diàn)的表現差異，了解新商(shāng)品是否會對舊(jiù)商(shāng)品産生(shēng)競食、或是否能帶來新的客戶，經綜合評估以後，再決議是否推出該産品來完善其産品線。

門店(diàn)層級的數據在分(fēn)析上較爲困難且繁雜(zá)，但其中(zhōng)可應用的議題遠超出存缺貨、人力配置管理的範疇，從貨架空間分(fēn)析與優化、運營策略調整、門店(diàn)改裝、開(kāi)關店(diàn)的影響、營銷促銷策略等，都适合以門店(diàn)層級的銷售數據爲基礎進行分(fēn)析，并作爲決策推廣的依據。

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)具的創新，營銷渠道的擴張等等都加速鞏固以顧客爲核心的數據分(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，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(fèi)者的組成複雜(zá)、行爲多變且難以預測，多數的企業都會先針對顧客過去(qù)的行爲進行分(fēn)群，如RFM的分(fēn)群、消費(fèi)型态的分(fēn)群等，進一(yī)步再設計分(fēn)衆的營銷、促銷活動來最大(dà)化顧客價值。

顧客層級數據分(fēn)析與應用的兩個挑戰

(1)顧客對于活動的反饋率、參與程度無法反映至業績

較爲領先的零售業者已經能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、反應率有時候并不代表高獲利能力，很多時候企業在顧客已經有意願要購買的商(shāng)品上，持續投資(zī)營銷資(zī)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，(例如每個客戶的購買金額、來店(diàn)頻(pín)率而非參與率)，才能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)析最終在于預測新的活動推出時，顧客對于該活動的反應。如金融業、電子商(shāng)務及部分(fēn)的零售業者都已經能針對顧客的分(fēn)群建立良好的預測模型，但針對顧客的來店(diàn)頻(pín)率、消費(fèi)金額的預測模型無法預測活動推出後，顧客的增額消費(fèi)金額、或增額購買頻(pín)率，因此很即使了解了顧客未來可能的消費(fèi)金額，仍難以确認一(yī)檔新促銷推出時，顧客多買多少錢，或多造訪門店(diàn)多少次。

企業如能解決上述兩種挑戰，将可以完全掌握每一(yī)種新舉措對于消費(fèi)者的影響爲何，進一(yī)步拟定更能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”實驗學習”的方式來了解新舉措對于顧客的增額影響爲何，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(kāi)始後，在購買金額、來店(diàn)次數上的變化，進一(yī)步分(fēn)析在實驗中(zhōng)表現較佳的客戶的屬性爲何，進一(yī)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。此方法不但能直接了解活動對于績效的影響，亦能針對各别的舉措進行預測，突破原有的顧客分(fēn)群及預測模型的概念，讓企業能更大(dà)膽的拟定策略，更精準的掌握成效。

舉個實際的案例，一(yī)個美國的連鎖便利店(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(dà)量損害毛利，因此僅提供部分(fēn)消費(fèi)者該項優惠，想了解該優惠的成效。當實驗開(kāi)始後，發現該促銷大(dà)幅提升客戶的造訪次數，同時也帶動顧客的并買行爲，整體(tǐ)的表現不但彌補了促銷的成本，還帶動了毛利成長。即使該促銷獲得意外(wài)的成功，該企業也讓利給部分(fēn)較爲精打細算的客戶，企業因此針對反應較佳的客群建立模型，找出最能拉擡績效的客群，在一(yī)半的促銷成本下(xià)增加了80%的增額利潤。

了解決策、找尋數據、産出分(fēn)析

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

拿市場很常見的門店(diàn)升級作爲舉例，坐擁成千上百的零售企業每幾年就推出新店(diàn)型來升級門店(diàn)，但門店(diàn)改裝的成本甚巨，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數家門店(diàn)，再逐步推廣。在這項極重要的決策中(zhōng)，高管可能會想先看到幾項數據，

(1)已經升級的門店(diàn)的績效相較于原有門店(diàn)成長多少? 對于銷售金額、客單價、來客量的影響爲何?

(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(yī)種門店(diàn)較适合進行升級，且能在3年内損益兩平?

由上述的題目可知(zhī)，企業需要以門店(diàn)層級的銷售數據作爲分(fēn)析基礎，再運用交易層級的數據和顧客層級的數據則用來分(fēn)析品類、客群行爲的變化，方能全面輔助決策。企業永遠不缺少議題，也具有相當多的數據，從重要議題來建立更精準、有效的分(fēn)析方式，并将分(fēn)析邏輯與決策流程一(yī)緻化後，再逐步擴充到各種議題，企業才能真正全面運用數據分(fēn)析協助決策與創新。

（聯商(shāng)網專欄作者 李展宏/文 作者爲APT亞太區資(zī)深副總裁）