Ceresus 觀點
顧客分群法應用時機(上)

在講究分眾行銷的時代,各行各業都想進行顧客研究與顧客分群(Segmentation)。但是分群的對象是誰? 要用什麼工具分群?分群後想得到什麼結果?該如何應用在後續的計畫中?卻仍有許多疑問。這次就讓我們來聊聊對於顧客分群的看法與案例吧!

一、RFM: 顧客分群的起始點 RFM可以說是顧客分群的基本方式。R、F、M分別代表Recency(上次購買的時間)、Frequency(購買頻率)以及Monetary(購買金額)。通常使用RFM分群時,我們會將顧客依照這三個指標,將顧客分成熟客/非熟客、高貢獻/低貢獻,並搭配上次客人消費的時間點,判定客人的回頭率。 RFM之所以會被多數企業採用,或是做為許多CDP、CRM內建的分群機制,就在於它需要的客戶資料只限於交易資料,而這是所有公司都一定有紀錄的數據,所以在不需額外收集其他資料的情況下,公司便可以做到顧客分群的效果。 當然,簡化的方法在效果上自然有它的極限,RFM較常見的應用是針對既有的顧客經營,這種方式最主要的兩個問題,一是無法將沒有消費紀錄的客人再細分(也就是潛在市場),二是無法解釋各群人為甚麼是熟客或為甚麼願意花多一點錢。無法細分潛在的客人,公司便很難去加強新客戶的開發或是吸引過去沒有購買的客群。而沒有辦法回答熟客之所以為熟客的原因,公司就難以培養出新的一批忠實客人。

二、Demographic: 利用個人資料,進行更精細的分析 為了解決上述問題,許多公司便會導入會員系統,請客戶提供個人資料,例如年齡、性別跟地址、email等。這些資料可以用來進一步找出潛在客人底下的群體,以達到分而治之的效果。這也是很多公司已經在採用的分群方式,例如美妝產品通常會依造產品定位去主打特定年齡層、特定收入的女性消費者。 使用客戶的個人資料,無論是由客人提供或透過觀察猜測,大致上解決了RFM的第一個問題,也就是RFM無法對沒有消費的客人進行分群。同時,使用個人資料分群具有可操作性。例如公司將產品依照年齡跟性別去定位,實體通路人員就可以在不使用輔助器材(電腦資料庫、平板等),快速的做出適當的顧客分群,並推薦適合的商品給客人。又或者在數位媒體科技的協助之下,運用常客的email list去擴大觸及類似的族群,像是Facebook的Lookalike功能。 然而使用個人資料並非沒有缺點,首先是目前的法規對於個資的收集跟使用只會更嚴格,而消費者目前對於個資保護的意識也在提升。可能多數人還會願意提供年齡、性別資料,但地址、婚姻、收入、聯絡方式等更敏感的資訊,提供的意願可能就會降低。另外,個人資料也不一定能解決RFM的第二個難題,解釋為甚麼有些顧客會更願意消費多一點,進而做出更精密的分群。

實際案例 通常飯店的PMS資料都會記錄顧客的交易紀錄以及基本的個人資料,有時候還會包含訂房管道等資訊,可以說是滿完整的資料庫了,具備了進行RFM跟個人分群的條件。 我們協助一家飯店業者梳理他的PMS紀錄,發現了他高度貢獻的顧客,主要是因為入住的頻率高,一年內平均住了5次,但房價並沒有明顯不同,年齡集中在35~45歲的男性。而另外一群25~35歲顧客,他們一年內只住了1.2次,主要是透過OTA來訂房。這對飯店業者來說,一來是發現年輕客群的忠誠度比較低,可能因為在網路上容易接觸到更多選擇,還有努力的空間。二來是第一線人員能利用年紀來推估客人是否為高度貢獻的客人,當接待到這類型客人時,需要特別注意服務細節,以免顧客流失。 年紀、性別可以直接觀察出來,不需要額外詢問顧客其他問題,因此可以做為第一層次的提醒。但是這些重要的高度貢獻客人,偏好什麼、不能忍受什麼等等,就不在PMS的範圍內。

延伸閱讀: 顧客分群法應用時機(下)

回文章列表