張承管理學

透過資料科學進行精準行銷分析

這波疫情
導致許多商業行為斐變
尤其是大家一窩蜂地
殺入網路行銷的戰場
讓企業獲取有效名單的成本
也越墊越高

當新顧客取得成本越來越高的情況下
如何讓現有顧客願意再次購買
也變得更加重要

過去幾年
我花了許多時間
企圖讓行銷同仁與資訊同仁
能將資料科學的工具
導入到現場實務當中
目前也慢慢地看到成效

在本週資訊部的教育訓練裡
同仁便簡報了
如何透過資料科學
進行舊顧客加購
的精準行銷分析

首先
同仁透過決策樹建立模型
並且分析出加購顧客的樣貌

舉例來說
影響加購行為最大的因素
是顧客所念的學校（大學）、消費金額、以及性別
（這點與主管們的認知有所不同，
也與資料庫行銷中的經典模式RFM Model不同）

同仁將大學依落點分數進行排序
區分成5個層級
也將消費金額依高低區分成5個層級
（仿照RFM Model的做法）

分析結果如下：

1.學校排名中下的學生
加購的機會是前段學校的1.5倍

2.學校中上的學生
女性多於男性10倍

3.前段學校
且消費金額較高的學生
女性人數大於男性3倍

4.學校排名中下
且消費金額較低的學生
男性多於女性1.5倍

以上的分析結果
值得主管與PM們深思
同時
PM也可透過這些資訊
發展相關的行銷方案
以達到精準行銷的目的

而資訊部的同仁
也會針對這些資訊
透過資料科學、資料庫行銷、
或是傳統行銷研究的作法
進一步探究背後更深層的資訊
以利未來的行銷決策

最後
當新顧客取得成本越來越高的情況下
如何讓現有顧客願意再次購買
也變得更加重要

加油!

Peter