財經觀察

許多公司長期與顧客來往，留下許多寶貴銷售資料，包括會員背景資料、交易品項、金額、時間等。但經常沒有被充分利用，拿來作為行銷工具，甚為可惜。

過去在處理資料的觀念上，主要是就總體策略面考量，習慣將顧客區分成不同的目標群組，再以過去的經驗，判斷各該群組的購買行為與傾向，作為目標市場行銷的依據。譬如，男性與女性在購買行為，或投資行為上均有顯著的不同，所以簡單區分男女性別，來判斷或預測消費者的可能購買或投資傾向。當然其他如年齡或工作等，也都是經常被當作行銷策略的判斷工具。但是，現在進入電腦時代，消費數據累積比以往容易，而且快速，其中隱藏著許多寶貴資訊，有待商家在應用層面作更廣泛地應用。

傳統目標市場分析

傳統資料處理與分析架構，主要在發掘顧客所購買的產品，與其背景特徵之間的關聯程度如何，多屬於靜態的因果關係模型，可簡單表示如下：

商品銷售量q = f(人口特徵)

該模型表示商品的銷售量q，受到某些人口特徵的影響，只要能驗證某項顧客特徵與產品銷售，兩者具有關聯性，就可以建立顧客與消費之關聯模式。並針對相關特徵的消費者，進行銷品銷售活動。但是這種行銷方式太過粗略，因為消費動機百百種，關係錯綜複雜，未必男人就不上市場，女人一定會做家事，大亨一樣上小館，月光族吃豪華大餐，都不是稀奇事。

大數據個別消費者分析

所以有了大數據資料，可更精準的分析消費行為，只需要改變觀念，根據過去實際的消費行為，量身訂做，建立個別顧客與商品的動態消費模型，以提高企業行銷能力。以下謹嘗試舉例說明應用方法，以顧客i，對商品A的消費為例：   

商品A銷售q_i=g_i(A商品_t1、A商品_t2、A商品_t3、----- A商品_tn)，i=1--k

其中

   q_i：表示第i個客戶，對A商品的採購金額或採購量

   A商品_t1：表示第i個客戶，在t1期進行採購

   ---

   A商品_tn：表示第i個客戶，在tn期進行採購

以上是商品A，對不同K個顧客，根據n期銷售資料，所建構的消費模型。首先，針對K個顧客當中，第i個客人，估計對產品A的消費模式。譬如，我是顧客i，去一年當中(共365天)，去某賣場購買衛生紙(商品A)的消費模式為何？為了方便說明，假設我在每月月初，都會去買衛生紙，一年之中我就買了12次衛生紙，所以得到一個穩定的購買模式。當然也有可能，一年中購買頻率增加，表示我是穩定成長的顧客，但若購買金額減少，總購買金額未變，仍是穩定的顧客。另外，也有可能我買的頻率減少，可能即將淪為流失的顧客，但如若購買金額增加，則需要繼續觀察。所以最終廠商會得到，顧客i對產品A的特定消費模式。若以相同方式，也可以找到所有K個顧客，各自對產品A之消費模式。廠商根據各種型態之顧客，可以採取不同的行銷對策。

同樣道理，我們可以繼續擴大模型的適用範圍：

1.建立每個顧客(K個)，對各種商品(M項)的消費行為模式，共有K×M種。

2.建立每個顧客(K個)，每次購買所有商品之綜合購買行為模式，共K種。

3.建立各種商品(M項)，在時間週期上銷售量之變化，以及購買者(新顧客、常客顧客、非固定顧客)的變化模式。

所以從企業內部銷售大數據，可以針對產品面，以及顧客面，分別進行精準的銷售分析，作為商品選擇、廣告投放、促銷對象的參考。