行銷活動利潤模型與最佳決策點分析【總結篇】

在系列五（連結請點此），筆者帶領讀者解決了第四個問題－「如何自動評估精準行銷帶來的潛在財務效果？ 同時讓主管們也都聽得懂？」，我們產出了顧客精準行銷清單，但到此專案即完成了嗎？本系列為本主題最後一個系列，將帶領讀者解決第五個問題－「本案能否提高了行銷成效，減少客訴，甚至是開源賺錢與節流省錢」 。

讓筆者從高階管理者與策略制定者，如：總經理；以及中間管理者與第一線人員，如：行銷資料家或主管的角度來綜整本案結論。

主管或總經理們的強項在產業知識、經驗與直覺。從系統觀點來看，主管們應該把重點放在「輸入 （Input）」與「輸出（Output）」，而非「處理（Process）」。也就是說，主管應該將重心放在「定義問題」以及「分析結果」上，至於「資料分析」的方式，則交由資料科學家來執行，如圖1所示。

對行銷資料科學家而言，要試圖從不同模型中找出最適獲利或組織要求的KPI並時刻回頭檢視自己是否偏離了KPI的範疇，最終能協助找出資料金字塔中，高階管理者所需的「知識」甚或是策略制定者所需的「智慧」，在此例即得出：「只要預測到顧客有19%的意願購買下，就應該要行銷他，就可造成$549,314元的預期獲利。」的知識，如圖2所示。最後，則要確認在精準行銷的模式下是否遠比之前廣發宣傳的效果還要來得好。

對總經理或管理者而言，資料科學指標並不代表一切，如本例精準行銷的提升度（Lift）具2.94倍，意味用精準行銷的成效是高於對全顧客行銷，但是該指標卻無法涵蓋企業的財務架構，使得給予管理者的決策建議不但不直觀，無法實際接地氣，更遑論與沒有資料科學背景的公司同仁溝通。

湯瑪斯・戴文波特（Thomas H. Davenport）在中文版哈佛商評中2019年的一篇文章 — 《經理人應該如何運用數據資料》(Davenport, 2019)所道：「經理人的職責是為分析師設定適當的參數，並以具說服力的方式，傳達他們發現的結果」

故管理者為行銷資料科學家或對應的主管設定目標時，除了要瞭解資料科學指標外，更要從獲利或欲達成的KPI來設定「適當的參數」，以更通透的傳達最終所產出的「知識」，如圖3所示。在本案，戰略上，主管可以透過行銷資料科學家所做出來的精準行銷策略來得知$549,314元的預期獲利且認知到公司商品性質是適合精準行銷方法來推薦商品給顧客的；戰術上，可以請第一線的行銷人員依照「顧客精準行銷清單」來實際執行並產出主管真正要的獲利成果。

有了本次專案經歷後，主管接著則應該將相關專案經歷更落實到人才的「選、訓、用、留」上，為未來的行銷資料科學專案創造更好的良性循環。

最後筆者則建議Jasper團隊持續優化CRM資料，諸如：透過何種行銷管道成功接觸到顧客？顧客的購物車行為為何？等有諸多資料欄位尚可優化，讓精準行銷模型也能不斷優化，增益企業獲利可能性。

以下筆者綜整了本主題各系列的連結以及主題總頁的連結，歡迎讀者取用！

系列一：行銷活動利潤模型與最佳決策點分析【前言與個案介紹篇】

系列二：行銷活動利潤模型與最佳決策點分析【顧客資料蒐集與清理篇】

 

系列三：行銷活動利潤模型與最佳決策點分析【組織溝通篇】

 

系列四：行銷活動利潤模型與最佳決策點分析【資料分析篇】（附 Python 程式）

 

系列五：行銷活動利潤模型與最佳決策點分析【管理意涵篇】（附 Python 程式）

系列七：行銷活動利潤模型與最佳決策點分析【後記】

主題總頁：AI行銷學實作篇故事情境介紹 & AI行銷學分析工具應用實戰

References

Davenport, T. H. (2019). How Managers Should Use Data. Harvard Business Review. https://hbr.org/2013/06/how-managers-should-use-data

作者：鍾皓軒（臺灣行銷研究有限公司 創辦人）、蔡尚宏（臺灣行銷研究 資料科學家）