這世界上有沒有人跟你的國小好友很像？
在台灣有沒有人跟你的國小好友很像？
這邊的像指的是興趣、背景、價值觀、生活模式，而不是長相。
理論與實際上應該都有，
否則你國小之後應該就交不到好朋友了。
如果我們能夠把自己的好朋友拿來跟台灣的其他人做比對，
那比對出來的人通常跟你成為好朋友的機率比較高。
實務上可以做到嗎？
是的，做得到，但是你必須有很多台灣人的資料，才能去比對。
我們通常可以跟別人借大數據，
也就是跟FB或是Google做資料的比對。
但是你應該比對出來也很頭大，
因為比對出來大約會是18萬人以上，
每個人跟他們喝一杯咖啡可能會喝到吐，
我們個人的時間與精力有限，
不可能照顧那麼多好朋友。
但如果站在廠商端，
是把已經成交的顧客放進去比對，
那就很有用處了。
通常比對出來的客戶就是跟你已經成交的顧客非常像的人，
依照目前我接觸過的廠商與自己的經驗，
比對出來的名單，
通常廣告的點擊率與商品的成交率，
會比一般條件設定(也就是設定FB的興趣標籤)來得好一點。
但是我通常會提醒學生，
不要直接把成交客戶名單放進去比對，
因為成交顧客裡面，
並不是所有都是忠實的顧客，
有些人是一試成酸民，
你必須要先把自己的客戶名單做個分類，
把重要的顧客過濾出來。
這個地方你可以用 NES(也就是RFM)這個方法來分類顧客，
只要你有客人的交易資料，
並且有ID(通常會建議是身分證字號或會員編號以防止重複)、消費日期、實際消費3項資料，就可以進行RFM分析。
RFM主要是指，會用R(新近值:距離今天多靠近購買)，F(頻率值:購買的頻率)，M(金融值:購買的金額)，去給客戶一個分數。
如下圖是用SPSS軟體做出來的結果，RFM分析有很多軟體都可以做到，Excel也可以做到，R語言也能做到，只是Excel大約要手動10個步驟，SPSS大約只要3個步驟，而有些公司的CRM系統其實有內建這個方法。
RFM的每一個分數，通常是1-5分，所以你的客戶會得到的最高分是555，最低分是111，這中間可以被分成125個分類。
也就是班上的125名，你可以自己界定幾分以下就是不太有希望的客戶,然後把它剃除，剩下來的名單才是應該拿來複製比對的名單。
如果你要借FB的資料來比對台灣其他人有沒有誰跟你的主要客戶長得很像，
首先你必須要有這些客戶的email或是電話。
通常我們會用email比對比較多，
這個功能是在FB裡面的廣告受眾-建立自訂廣告受眾 -顧客檔案這個功能上傳。
通常上傳完之後，
成功率大約是5-6成，
這是因為客戶留給你的email不一定是他註冊FB的email，
但通常客戶都會留常用的email，
如果比對成功有超過20筆，
就會長得像下圖，
我們公司的客戶經由RFM分類後，
把分數高的一群上傳名單比對，
比對成功是2300筆。
(由於隱私權政策，FB並不會跟你說這些人是誰，你只是知道這些人是你的客戶名單裡面的某些人)
接著就要做比對這件事了，
這個功能叫做 類似廣告受眾 (Looklike，業界溝通簡稱是LL)
這時候你只要來源選擇你剛剛上傳成功的客戶名單，
以及選擇要來跟台灣的資料做比對 ，
(備註：也可以選擇其他國家，如果你有經營其他國家的生意的話)
廣告受眾規模這邊(1是比對最嚴格,但名單較少,10是比對最寬鬆,但名單較多)
但最嚴格也是有18萬2千人左右的名單可以用，
這些人就是住台灣，而且跟你忠實顧客很像的人。
我出道的時候，剛好機緣進到SPSS統計軟體公司，
這些年大數據議題火紅，
但對一般初學者來說還是會有一些統計與資工的觀念門檻，
FB與Google這些廠商很厲害的地方在於，
他的工具已經把大數據的複雜方法變成簡單的選單或按鈕，
有點像傻瓜相機，
所以讓廠商的進入門檻變低，
當你學會FB跟Google的數位廣告工具後，
再回頭對照一下統計跟資工的基本知識，
你才會發現原來學習基本觀念會比較有動力。
因為掌握程度越高，
工具才會用對，
才會回饋在營收上。
參考文章：