行動行銷組合—行動預測(Mobile Prediction)

美國天普大學的博士童思良(Tong, Siliang)等人,於2020年1月在《行銷科學學院期刊》(Journal of the Academy of Marketing Science)上發表了一篇名為〈個人化行動行銷策略〉(Personalized mobile marketing strategies)的研究文章。以下是對該研究所提出的「行動行銷組合」中的「行動預測」進行說明。

該研究指出,行銷人員仰賴精密的行動數據,其中包括位置、時間、環境和社會元素,以更細緻的層級預測個人行為模式的變化。行動裝置所捕捉的情境資訊和客戶行為提供了深入的洞察,使得行銷人員能夠更全面地了解客戶的意圖、購買路徑階段、決策過程以及即時需求。

同時,鑑於行動用戶通常與多個裝置互動,行銷人員必須找到有效的方法跨足不同裝置,精準定位相同的用戶,以實現個人化行銷和行為預測。

然而,由於行動數據存在多種非結構化格式,因此需要更複雜的方法進行分析和解釋。隨著機器學習和深度學習演算法的不斷進步,行銷人員現在能夠獲得更深入的洞察,以設計個人化的行動行銷策略並預測客戶行為。

該研究指出,隨著行動裝置位置追蹤精度的提升,行銷人員現在能夠捕捉到特定位置內的動態客戶移動軌跡。一項研究應用機器學習演算法,從大規模用戶級現場行為資料中提取時間持續、空間分散、語義資訊和移動速度等特徵。實證結果顯示,相較於傳統的推廣策略,基於軌蹤的行動推廣能夠為商店帶來更高的兌換率和收入。此外,基於軌蹤的行動推廣不僅提高了顧客目前購物流程的效率,還引導他們改變未來的購物模式。另外的研究提出,顧客的歷史位置選擇可能有助於了解他們的產品偏好。結果顯示,同處顧客對同一產品類別的偏好之間確實存在正相關關係。

該研究進一步說明,人工智慧(AI)在行動預測方面展現了巨大的潛力。企業正在將AI演算法應用於預測和客戶分析。這些演算法有助於整合來自多個來源的複雜資料結構,透過識別每位客戶的獨特模式,揭示出細緻的個人層面洞察。像亞馬遜這樣的公司正在運用AI預測購買行為並向客戶提供智能建議。

透過AI和機器學習,由AI驅動的行動應用程式能夠準確識別個別客戶的需求和願望,提供更加個人化的使用體驗。例如,Netflix 利用AI演算法捕捉數百萬用戶的觀看行為,並根據演算法對電影導演、主演和故事內容的預測來設計新的電視節目。同時,許多品牌透過聊天機器人應用程式與客戶互動,深入了解他們的購買意圖。

不過,該研究也指出,儘管AI演算法提供了預測和分析的強大工具,但它們同時受到人類主觀偏見的影響。在演算法的設計過程中可能存在主觀性,這可能導致資訊和洞察的不完整,無法真實反映實際情況。此外,客戶更傾向於與人類互動,並且可能因為對演算法的不信任而拒絕AI。在這一情境中,了解客戶對AI的態度和信任度變得至關重要,以確保有效的應用程式使用體驗。

最後,透過行動行銷5P(產品、定價、通路、推廣、預測)架構,思考彼此之間的相互作用,以及如何影響行動行銷的效果,可以幫助我們更深入地理解AI在行動行銷領域的影響,同時提供行銷人員更多的指導和洞察。

作者:羅凱揚(台科大企管博士)、黃揚博(政大企管碩士、識商創辦人)

更多商普好文推薦

回到頂端