在今天看見明天

你的購物習慣 網路業者很清楚

你的購物習慣  網路業者很清楚
(圖片/shutterstock)

譯者/連育德

行銷

657期

2009-07-27 12:39

線上行銷業者分析網路購物行為的資訊,是經高難度的演算過,更需要強大的電腦運算能力配合,才打造出能夠洞燭機先的網站。

上網時,螢幕偶爾會跳出推薦商品的廣告,不免讓人納悶:網站為何知道我的愛好?這感覺又像變魔術,又有點詭異。

 

比方說,有人上零售網站FigLeaves.com,仔細看了絲質女用拖鞋,突然迸出推薦男用浴袍的連結,時機似乎錯得離譜,但搞不好正是她想買的。線上行銷公司採用新一代預測技術後,這類讓人意想不到的連結會越來越多。箇中道理在於,消費者按滑鼠或搜尋等動作,不斷擴充行為資料庫,且負責分析的電腦也更厲害。

 

為何冒出浴袍呢?位於麻州劍橋的分析公司ATG負責為FigLeaves網站分析資料,發現某類型女性消費者在一周某些時候,最有可能為男性親友買東西。雖說推薦商品常常不是消費者所要,但藉由仔細記錄消費者購物習慣,行銷業者又朝最終目標更進一步,亦即要電腦懂得應用有利資訊,還要像真人店員一樣精明。「一踏進店裡,店員就開始觀察客人的肢體語言和音調。」七十億人(7 Billion People)軟體公司執行長納蓋提(Mark A. Nagaitis)說。該公司為位於德州奧斯丁的新創企業,是ATG的競爭對手。「我們要教電腦從線上行為汲取類似訊號。」

 

分析網路購物行為

 

隨著民眾日益擔心線上隱私權遭到侵犯,分析網路的購物行為顯得敏感。但傳統的廣告技術追蹤消費者點選的每個網站,作法備受爭議。反觀「偏好預測」的方式對追蹤程度多有限制,只記錄消費者在該零售業者網頁的行為。分析時,電腦大多只鎖定按鍵頻率、購買狀況與其他變數,而不需個資。惟有在亞馬遜(Amazon.com)與沃爾瑪(Walmart.com)等網站,消費者登記成為會員,並提供個資時,私人細節才會被納入分析。

 

剛進入電子商務時,購物行為的分析大多針對消費者購物模式。九○年代末期,亞馬遜等業者引進協同過濾(collaborative filtering)技術,發現會買同本書的人,很顯然地對其他書類的品味也可能相同。

 

科技日新月異,三年前,網路租片業者Netflix懸賞百萬美元獎金,看誰能分析幾百萬名不具名顧客的資料,讓公司預測顧客偏好時,準確度能提高一成。六月時,由一組電腦專家組成的國際團隊獲獎,他們加深分析層次,將大量細節納入演算法,考量因素之一像是:顧客的情緒可能隨時間而改變。若多部電影連續被某顧客批評得體無完膚,真有這麼難看嗎?演算法可能會考慮是顧客意氣用事,對他給的評等採保留態度。

 

穩抓消費者的興趣所在

 

要達到這種高難度演算,少不了強大的電腦運算能力,多數企業最近才有這番能耐。「用以前的電腦是不可能的。」ATG副總裁與工程長丹伯修(Bruce D'Ambrosio)說。他說公司正在擴大資料庫,企圖勾勒出每名消費者最可能留下的網站途徑。

 

無論是Tommy Hilfiger還是美體小鋪(Body Shop),ATG會將客戶產品的每項關係量化出來,分析何種消費者會購買何種商品,還對哪些產品感興趣,如此形成的可能性有好幾千億種。但正是經過這層分析,ATG才會找到絲質拖鞋與男用浴袍的關聯。ATG還研究網路使用者的長期行為。丹伯修說,消費者若在上班時點進網站,通常會比較匆忙,周末時就比較悠閒。在理想情況下,網站會依消費者的節奏調整,周六下午時引導消費者慢慢瀏覽,周一上午時立刻秀出付款視窗。

 

「七十億人軟體公司」使用的演算法,企圖模仿實體店面的顧客反應,店員可以實際看到客人趕時間,但網站要得到相同結論,只能靠其他訊號,例如連珠炮似地按滑鼠。執行長納蓋提說,訣竅就是要打造顧客導向的網站。有的人習慣看用後感想和相關產品,會被連結到其他網頁,可以多加探索;有的人要看到展示才會動心,所以可能會有影片供他們點選。

 

客戶表示,網站調整後應該很有用。Doug Scott是英國電子商務搖籃ASAP Ventures策略長,說他以前會依個人喜好調整旗下網站,提供很多細節和選項。

 

但與「七十億人軟體公司」進行測試後,他了解到跟他喜好一致的用戶只有約三分之一,其餘用戶想瀏覽使用心得,或只想趕快結束。「我們是可以針對那三分之一微調,但這樣就沒法滿足其他三分之二了。」他說。原本瀏覽網站的人只有三成會買東西,但根據用戶行為修正出不同類別後,比率增至五成。

 

ATG的對手還有位於舊金山的richrelevance。該公司搬出電腦時代前就存在的理論演算法,看能否用來預測消費者行為。「如果沃爾瑪網站有人在看戴爾(Dell)電腦,」執行長David Selinger說:「他會對什麼比較有興趣?是更貴或更便宜的機種?還是保固?」答案全因人而異,因時而異,還得考慮幾百種變數。
(By Stephen Baker)

延伸閱讀

大數據時代 「你可能也喜歡」的祕密

2017-08-24

全世界最成功的瘋子 顛覆未來的下一步

2017-05-31

挖出顧客討厭的事 業績多十趴

2016-08-18

次世代行動網路

2009-03-19

麥肯錫顧問:區塊鏈、無人車...公司策略不能忽視的三大科技力

2021-04-22