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: