DIGITAL BRAND BASE

大數據時代，數字本身不等於價值

大數據時代來臨，重新為數據賦予價值的定義，變成可被解讀的數字商機。然而，由數字組合而成的數據，本身並不存在意義，須被詮釋才可突顯其價值的存在，否則都只是一堆數字的庫存。

試想一下，一個專頁集結超過50萬粉絲，但從未被轉換為該品牌的消費者，那麼這現今普遍商戶都設立會員制度，收集客戶個人訊息作為數據存儲。但問題從來不是「有沒有數據」，而是50萬都只是數字記錄，而非商業資產。所以，關鍵是從「看見訊號」到「定義問題」，再到「客戶分層、設計互動、追蹤轉換」，把數據「活」起來，才是價值本身。

本文涵蓋

• 不是「說」數字，是「問」數字
• 抓對問題，才能挖出有用的數據
• 不是問 WHY，而是問 WHAT & HOW
• 數據背後的思維模式
• 用數據做客戶管理，從總量分析到定向互動
• 環迴佈局，數據讓行銷持續轉動
• 數位驅動，傳統行銷做不到的細節

不是「說」數字，是「問」數字

「看」是活化數據的先決條件，但「看」不是站在框框內拿數字來說話。2016年首季度，香港零售業總銷貨價值則按年下跌 12.5%，同時內地訪港旅客同期下降15.1%。普遍做法是把兩者數據拉上關係，製造「零售業表現疲弱」的成因。這是「說」數字的一個例子，用數據引證說法，卻未從數字裡查找出解決方案。

真正的數據演練，是從數據中發現問題的同時，也能找出解決方案的方向。

同期，一田百貨公布 2016 年首季銷售額按年升 5.4%，旺角店更勁升 20.8%。同樣以零售為主要業務，卻創造出截然不同的數據表現。原因在於「看」的角度不同，前者以內地訪港旅客為主要客群，後者以本地地區客群為核心銷售對象，零售方針與策略因此大相逕庭，成果自然各異。

這個對比說明的不是「哪個策略更好」，而是，數據的價值，在於迫使你回頭問「我的客戶是誰」這個最基本的問題。

客戶分層：讓每一個號碼對上一張臉

客戶類型	特徵描述	策略目標	訊息方向
高消費・高活躍	近期購買、頻次高、消費金額大	深化關係，提升推薦意願	專屬禮遇、優先體驗、品牌故事
高消費・低活躍	消費力強但近期沉寂	重新激活，喚回購買動機	個人化回歸提案、限定優惠
低消費・低活躍	偶發性購買、互動稀少	培育潛力，提升購買頻次	教育型內容、低門檻入場優惠
將沉睡	活躍程度開始下滑，尚未完全流失	及時挽留，防止流失	溫度感提醒、限時回饋訊息
已沉睡	一段時間無購買或互動紀錄	重啟接觸，測試反應	「我們想起你了」型訊息、回饋誘因
深度沉睡	長期無任何互動，幾乎無回應	評估是否繼續投入資源	最後一次喚回嘗試，或列入清單整理

客戶分層不是把人分類，而是把資源放到最有機會產生回報的地方。想進一步計算每個客層的真實獲利價值，可參閱〈別再盲目撒錢！零技術 AI 一步部署 CLV-Based 客戶精準分群〉。

很多品牌誤以為數據驅動行銷是大企業的專利，需要龐大的 BI 系統或數據科學團隊。現實是即使沒有這些，你仍然可以用現有工具建立基礎模型：

DBB 觀點：數據驅動行銷的門檻從來不是工具，而是思維轉換。從「我有多少數據」到「我的數據能回答什麼問題」。工具是執行的手段，問題意識才是策略的起點。

抓對問題，才能挖出有用的數據

數據並非單一化，而是多元化的結集，形成俱參考價值的數字報告。關鍵從來不在於數據有多少，而在於「看」的角度與思維，走出對數據的預設框架，還原數字本身的獨立性，才能釐清數字背後真正的訊息。

數據以六個維度 ( 6V) 構成事態的內容：數量 (Volume)、速度 (Velocity)、多樣 (Variety)、真實 (Veracity)、波動 (Volatility)、價值 (Value)。「事態」可因「波動」與「速度」產生流動性的變化，也會隨「數量」與「多樣」衍生泛濫式資訊；而「真實」與「價值」則取決於演算的維度與問題的品質。要抓住數據，必須先問對問題。

6V 框架如何應用在品牌行銷？

大數據的 6V，並不是一組只供技術人員理解的名詞，而是品牌判斷「哪些數據值得看、哪些變化值得追、哪些行動值得做」的思考框架。 真正的關鍵，不在於手上有多少數據，而在於品牌能否先問對問題，再把數據轉化為分群、溝通、優化體驗與提升轉換的具體依據。

6V 並不是要品牌收集更多資料，而是協助品牌建立一個更清楚的判讀框架：哪些數據可支持決策、哪些數據只是在堆積資訊、哪些變化值得立即行動。 只有先界定問題，再從 6V 的角度檢視數據，品牌才不會停留在「說數字」而在「問數字」，真正走向「用數據做行銷」。

不是問 WHY，而是問 WHAT & HOW

一田百貨的案例說明的正是這一點，它以地區人流與消費習性「看」出商機，用的不是「為什麼零售業在下跌」的 WHY 問法，而是「我的客戶是誰、他們在哪裡、我如何服務他們」的 WHAT & HOW 思維，主動發現問題，並以實務方式解決問題。

WHY 往往把你困在現象的解釋裡；WHAT & HOW 才把你帶進行動的可能。數據分析的核心技能，不是讀懂報告，而是問出一個可以被數據回答的問題。

在訊息萬變的數位時代，必須明白「大數據」的關鍵，不在於數字報告揭示了什麼，而是如何 「轉」 數據找出問題及方案。只要理解「大數據」的演算概念，即使沒有巨型、高速、智能運算系統的中小企，也可進行數據分析工作，關鍵是對整體概念的理解和應用。

數據背後的思維模式

所謂智能運算系統，本質上只是模仿人類的思維模式，把訊息架構建立串聯關係，作出假設並進行測試，再從測試中收集數據修正分析，反覆循環，形成可被引用的「經驗」訊息。

「智能系統」實質上是一部「學習的機器」(Learning Machine)，電腦運算相對人類思維更快速、便捷，並能保持客觀立場，不受主觀因素影響分析維度。這才是大數據熱潮的真正引擎，也是新經濟商業模型得以成立的基礎。

Scoot 的示範：小品牌如何以數據驅動行銷做決策

廉價航空 Scoot (酷航) 的案例，正好說明數據驅動行銷不是大企業的專利。酷航並非如 Google、Amazon、Walmart 般建立巨型數據庫、構建客戶心理模型，或追蹤消費足跡進行商品推送。它只是從小處著手，了解客戶的消費模式，以溝通與互動為起點建立關係，以貼心的服務留住客人。

具體而言，酷航以現有庫存訊息作為溝通與互動的基礎，持續優化客戶的消費體驗 (Consumer Experience)。正是這份體驗的持續累積，提高了客戶對品牌的忠誠度 (Brand Loyalty)。Scoot (酷航) 做的，只是把數據系統用於客戶關係管理 (Customer Relationship Management, CRM)，發揮 80/20 法則的商業邏輯，以低成本建立高效益的數位關係管理。

會員數據收集了，然後呢？

數據躺在系統裡不會自動產生價值。會員制度的意義，不在於收集，而在於啟動。從客戶第一次留下資料的那一刻起，品牌與客戶之間的關係就已經開始計時，問題是你有沒有接住這個訊號。

DBB 觀點：數據驅動行銷最大的浪費，不是沒有數據，而是有數據卻沒有問題意識。會員名單是資產，但資產需要被經營，不是被儲存。

用數據做客戶管理，從總量分析到定向互動

一般中小企未必具備開發運算系統的條件，但只要清楚理解運算系統的操作原理，便可利用 Excel 的 Pivot Table 執行最基本的分析模型，或採用雲端軟體服務對數據進行分析，配合數位行銷規劃，同樣可以制定出色的解決方案。

首先走出「總量分析」的框架。總量數字告訴你結果，卻不告訴你原因。重新以客戶的「活躍度」與「消費值」進行分層，才能讓每一個行銷決策有所依據。這正是前面客戶分層表格的執行起點。

三類客群，三種行動邏輯

再依據不同群組的動態標籤與消費輪廓，制定行銷內容，以點對點方式進行溝通互動。以下是三條主要行動軸線：

環迴佈局，數據讓行銷持續轉動

整體行銷企劃的設計邏輯，是以環迴方式佈局，一環接一環，互相緊扣，製造持續流動的效果。數據在每一個環節輔助活動成效，進行不時的檢測與資源調動。

只要思維清晰，便可以數據集客，打造銷售新商機，不一定依靠促銷手法挽救銷售下滑，也可從數據裡發掘具價值的訊息，作為行銷決策的關鍵點。

📌小提醒：數據收集不等於可無限制使用，如會員資料、聯絡方式、消費紀錄與互動紀錄等，若涉及 direct marketing，品牌應先講清用途、取得同意，並保留退出機制，以免同時損害合規性與顧客信任。

數位驅動，傳統行銷做不到的細節

回贈、優惠、獎賞等本是傳統行銷的常規技量。然而，通過數據演算，這些工具可以校準投放資源，以客製化方式針對個別客戶的需要，傳送相關訊息以提高銷售機會，做到更貼心的關係管理，製造深層次的品牌體驗。這是傳統行銷未可觸及的細節層次。

數位軟體的應用簡化了程序，把服務流程帶向極致表現。但技術終究是手段，驅動這一切的，是你對客戶行為的理解，以及你願意為每一個群組設計不同對話的決心。數位行銷的競爭優勢，最終不在於誰的系統更大，而在於誰更願意把數據轉成對客戶說話的方式。

---

---