後Cookie時代,以AI打造「客戶決策平台」追緊消費者足跡

疫情加快數位轉型的腳步,讓全世界意識到數據蒐集的重要性,過去我們同步仰賴第三方cookies跨網站追蹤,然而,隨著消費者隱私意識逐漸覺醒,與GDPR及個資保護法規日益嚴格,至2022年底前,瀏覽器將會陸續停用第三方cookies。

沒有cookie的時代,以第三方cookies所建構的商業模式將受到衝擊,消費者的足跡碎裂化,企業必須尋找新的行銷途徑。面對四散各處的線上、線下通路的數據,要如何跨越全通路的斷點,追蹤客戶足跡,甚至為客戶做到個人化行銷推薦?

解決cookieless挑戰,打造創新的CDP平台

據調查機構(註1)指出,多數企業仍苦於整合客戶資訊,尤其在數位通路上更添難度,超過8成的企業將著眼於打造更好的客戶識別整合系統。

甫被Forrester評選為跨通路行銷管理唯一領導者的SAS,台灣業務顧問部副總經理陳新銓直指:「後cookies時代,使用自有、消費者同意、跨通路的第一手數據顯得重要,企業必須有效蒐集企業自有的官網、電子報、EDM等自媒體(Owned Media)數據,整合實體店或其它合作通路的消費者交易記錄,來建立身份識別圖譜!」也就是說,即便消費行為來自不同管道,都能辨識出單一客戶的身份。

過去企業應用行銷雲蒐集數據,然而,傳統的行銷雲卻面臨許多挑戰,包括透過行銷雲蒐集的數據很難被下載、下載的資料格式不相容及資料上雲有資安疑慮等。

因此,建議企業開始重視建立CDP(Customer Data Platform)客戶資料平台,陳新銓強調,「導入CDP平台,目的是要整合DMP匿名資料和會員交易資料,做到一對一的個人化行銷。」

陳新銓進一步說明,打造能自主、透明管理的CDP平台,整合行銷雲、自媒體及線下的數據,從中識別客戶的身分,再根據身份識別的結果去做資料分析,把分析結果轉化為客戶服務或商品推薦。而理想的CDP平台應有三大特色:

特色1》整合:

整合線上加線下數據,橫跨集客(inbound)式或推播(outbound)式的通路,整合DMP、CRM數據,及匿名加實名的數據,打造360度的客戶輪廓。

要點2》分析:

分析客戶輪廓,打造個人化的行銷內容,提供客戶客製化溝通內容,以及適合客戶的銷售方案。不過,多數傳統CDP平台僅蒐集、管理數據,分析含量較不足。

要點3》溝通:

根據客戶推薦和客戶貼標的結果,做到跨通路的一致性溝通,才能擴大整個行銷面的成交率。

超越CDP,打造「客戶決策平台」

為了趕上瞬息萬變的客戶體驗趨勢,陳新銓認為,企業對CDP的理解,不能只做傳統的數據蒐集,應該更進一步「超越CDP」,將客戶資料平台(Customer Data Platform)轉成客戶決策平台(Customer Decision Platform),做到智慧自動化,讓數據蒐集同時即啟動決策。亦即導入AI,使CDP平台從管理的大腦變成決策的大腦,針對不同客戶做不同的商品推薦。

在導入AI分析CDP的七大場景中,因為有AI運算及監測的能力,企業可以在單一平台上,即展開跨通路辨識身份,辨識客戶的行為、偏好及消費旅程,進一步預測客戶的意圖和需求,甚至即時提供個人化的行銷方案及商品推薦。

也就是說,透過更進階的單一CDP平台,能協助企業做到不論客戶是主動接觸、回饋或消費,或是推播訊息、跨售都能透過AI提供個人化服務、推薦及關懷,打造更好的客戶體驗。

未來客戶體驗,兼顧身份識別及風險評估

一窺創新「客戶決策平台」為零售商帶來的具體效益,陳新銓舉了幾個SAS客戶案例:歐洲大型電子產品零售商康拉德電子公司(Conrad Electronic)透過AI整合CDP,原本過去只能辨識2-3%曾到訪其電商平台的訪客,到現在可辨識度達60%!以協助其進行更精準化的行銷推播。此外,還增加20%的個人化Email推銷信件,佔其50%營收。

英國電商巨頭The Very Group旗下Shop Direct則透過AI,一年內整合跨80個系統的數據來源,節省2,200萬美元的維運成本。商品個人推薦方面,更是以分析技術進行更準確的價格和產品優化,讓Shop Direct每年節省5,000萬美元。

如何做到?陳新銓進一步舉「Shop Direct個人化分期方案」為例,以往國內外電商平台多有在做分期付款方案推薦,但SAS為Shop Direct建置的AI決策系統,則更全面納入整合行銷跟風險的運算,當客戶瀏覽Shop Direct電商網站後,AI會整合客戶的瀏覽、點選行為,與客戶過往的消費記錄,自動給予客戶評分。

若AI偵測發現客戶是穩定型消費,未來不會有違約的風險,就會同步針對客戶推薦個人化的分期方案;若客戶為風險型消費,則不會推薦個人化分期的方案,避免讓客戶在後續分期流程被拒絕時,有不好的客戶體驗。這背後其實是仰賴AI進行串流資料、歷史資料的處理與分析,達到一個即時的決策。

場景回到台灣,陳新銓進一步舉例,像遊戲業這樣充滿匿名數據也能透過AI提升客戶體驗。遊戲玩家使用虛擬身份,讓遊戲業難以清楚描繪玩家的輪廓,因此對玩家用一致的銷售方式,效果有限。

而SAS即曾協助鈊象電子透過AI貼標,分析玩家的遊戲習慣及儲值習慣,找出玩家消費疲弱的時間點,解析玩家儲值行為前後期的變化,在玩家面臨高風險情況時推出照顧策略,成功讓部分遊戲平台的營收及付費率成長超過162%以上(註2)。

去程式化時代,行銷人員也能變身平民資料科學家

然而身為零售服務業者,多數的客戶經營或是行銷部門人員,多非技術背景出身,該如何有效率地引用這些工具來協助應對後cookie時代的挑戰?

陳新銓說:「AI已不再是傳統資料科學家能用的技術,愈來愈多供應商提供Low code(低程式)或是No code(無程式)」的視覺化操作工具,一般的行銷人員不必寫程式,也能運用資料科學技術完成數據分析,成為時下最流行的平民化資料科學家!」

而對於組織內尚未有成熟技術與人力的企業,如SAS也有提供Results as a Service(分析結果即服務)可直接派員與企業主確認分析的目的;後續,企業主只需提供相關數據,即可取得客製化的分析結果,甚至進一步提供AI模型範例,免除企業購買軟硬體、打造分析團隊的營運成本。

運用AI技術的門檻已愈來愈低,cookie消失,代表的只是技術的移轉,而在這競速的過程中,就看誰能跟趨勢、搶時間,從碎裂的通路與數據裡,快速洞察顧客輪廓與足跡,做到真正的行銷決策敏捷化!

註1:《Experience 2030: The Future of Customer Experience is…NOW!  Pulse Report》 Futurum Research, in partnership with SAS,2020
註2:此為2018年數據

Young female shopping in retail store

獲得更多洞察


想要從SAS獲取更多洞察? 訂閱我們的洞察時訊。亦可回顧往期以獲得更多您所關心的主題洞察,包括分析大數據商業智能數據管理欺詐和安全營銷以及風險管理

Back to Top