阿里巴巴的電商集客秘訣再進化：數據愈大，愈要簡單，流量導流不精準才是大問題

阿里巴巴的數據，與電商店鋪數據建立互補關係，前者提供整體市場樣貌，後者精準掌握個別商家潛在顧客輪廓，讓我們告別「猜」的不確定性，而名單精準收斂，更使投入的廣告成本大幅降低，投資報酬率自然攀升。

實際使用精準標籤（標籤智庫）以投放廣告的淘寶商家，平均ROI比對原本用經驗挑選的標籤成效提升三至五倍，這就是精準數據行銷的強大力量，用自己的數據，算自己的生意。

消費者動態標籤：顧客變我們就變

一共兩億人次的淘寶會員天天在變，只靠一兩個行銷人員，絕對趕不上市場變化的速度，因此我們創造了「活的」標籤，快速反應顧客需求。

什麼是活的標籤呢？

第一，所產出的種子名單，設定投放廣告期間，將不斷自動更新。昨天A會員還是潛在顧客，會收到吸引新客上門的廣告，今天他上門購物，消費者動態標籤就直接將他排除在「吸引新客」的廣告名單之外，並轉到「吸引二次購」的廣告名單內，這樣一來，不但廣告費用能免於浪費，會員收到的廣告也是相對有用的資訊。

第二，一旦A會員購買了B商家產品後，他的消費數據DNA也同步開始被自動分析，B商家的顧客輪廓將多一個樣本值。可以想見，當愈多人購買你的商品，你將愈來愈了解什麼樣的人容易成為你的顧客，而且這次是扎扎實實地用數據計算出來的活標籤，不只是經驗談。

最後，依據這些「活」的動態數據，就可以計算出7天後最有機會購買B商家產品的名單並投放廣告，為行銷人找到最可能花錢購買的顧客。

DNA演算法精準接觸高貢獻潛在顧客：動態「標籤智庫」以店鋪觀點出發，透過消費者DNA演算法，算出各店鋪的消費者圖像，並可依等比例放大範圍。比如現有5000名曾經購買某產品的種子顧客，以他們為基準演算出DNA標籤，根據DNA標籤放大倍率5倍，這2萬5000名就是極有可能購買該產品的潛在顧客。店鋪可依廣告投放預算決定倍數，但準確率與放大倍數成反比。

數據愈大，愈要簡單：上千標籤簡化成19個

阿里巴巴每天產生的龐大數據量，一方面是龐大的數據金庫，產出許多有價值的資料，但高達1000組的人群標籤，也同時讓行銷人看花了眼，與其花費大把時間一一選擇標籤，行銷結果還不一定準確，不如把時間還給策略思考和創意發想，所以數據愈大，行銷人更需要用統計和科技簡化決策流程。

多達1000個的人口特徵標籤，透過3個演算模型NES、LRFM （Length，顧客開始購買你家產品至今的時間長度。Recency，顧客最近一次來購物的時間。Frequency，顧客購物頻繁程度，Monetary，顧客平均購物金額）及顧客下一次交易時間（Next Purchasing Time, NPT）。

將上千個標籤改為簡單清楚的6組動態及19種標籤，6組動態包括「顧客動態」、「入店資歷」、「購物情境」、「購物頻率」、「購物金額」、「購物機率預測」。

運用這19個動態標籤，就能做到精準廣告投放應用，標籤名單每24小時自動學習優化，讓廣告投放自己找到最適合的人。這19個標籤並非是窮盡的概念，而是透過數據分析，讓高達千組的人口標籤簡化至19個，降維到行銷人可以有效處理的範疇，具體成效在於足以提升廣告精準度，商家還可以搭配原本的一般標籤做靈活變化。

行銷操作變得簡單上手，因為複雜的數據，已經透過背後統計，幫行銷人運算完畢。未來電商店鋪的無人化經營不再是理想，而是一定會發生的事。

找到顧客的19個動態標籤：改變以人口統計行銷（Profile Marketing）為分析的數百種標籤，聚焦在LRFM顧客區隔＋NES顧客狀態＋NPT下次購買時間等三大顧客分類法，共得出19個消費者動態標籤，精準掌握你的顧客。

書籍介紹

《大數據玩行銷：改變世界的18個大數據新思維，第1本把大數據變營業額的行銷聖經》，30雜誌

作者：陳傑豪，TonyMIGO 執行長，22歲開始美國創業的冒險，成功地創辦了3間公司，2010年回台灣投入CRM品牌MIGO的經營與轉型，2014年更帶領MIGO與阿里巴巴集團簽署台灣第一紙「大數據應用合作夥伴」合約。

6個Before&After思考、6個國際品牌案例、18個大數據行銷新觀點，一次看懂大數據怎麼用。

大數據玩行銷

責任編輯：鄒琪
核稿編輯：楊之瑜