後Cookie時代，以AI打造「客戶決策平台」追緊消費者足跡

作者:SAS TAIWAN
原文刊登自:天下雜誌

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