數據化經營：如何精準推估顧客偏好?

大數據議題近年來被各大企業做為主要業務發展的核心需求，零售業者扮演品牌商品供應鏈最終站之角色，如何更貼近終端消費者需求、深化客戶體驗、進一步的預判其消費行為模式，進而達到增加營業額，刻不容緩。

作為全球電子商務龍頭，Amazon佈局應用大數據於未來消費者行為之預測更可謂箇中翹楚，例如Amazon的「預判發貨」(Anticipatory Shipping)機制專利，提供顧客尚未下單前，即提前發出商品之服務，可協助縮短物流遞送，提升配送效率和強化客戶之購物體驗。Amazon透過累積大量之網路購物行為以及瀏覽路徑，例如訂單記錄、商品搜索資訊、心願清單等，將資料進行有效之歸納，搭配數據分析演算法，推估個別顧客再購時機、商品與其消費頻度，以數據分析出的結果作為輔助、並有效之應用優化於現有商業之營運模式，提升營收表現。

由此可見基於巨量數據之歸納、分析與推測，能有效輔助高層決策，為電子商務平台創造更多商機，但綜觀當前國內之電商環境，雖然皆儲備足夠之數據量，但在資料歸納與如何運用之面向卻較為匱乏，以致於無法將數據實質性的轉化成提升營業額之工具。本文將就電商平台如何分析現有之巨量會員數據紀錄，找出其消費關聯性，並提供精準之購買行為預測做為案例分享。

數據分析之方法論與初步處理

Deloitte數據分析團隊綜合多年數據分析服務及國內外案例經驗後，將數據分析之顧客行為預測方法論淬煉成以下步驟:

1.     目標確認

2.     資料收集與確認

3.     模型建立

4.     模型效度驗證

5.     持續優化模型準確度

6.     應用與價值產出

更多精彩內容結合案例應用，說明Deloitte如何構建精準之商品銷售預測，請詳見本期通訊第34頁。