EARN x PROFIT：電商和零售營運者都應該要知道的兩個模型
介紹以顧客行為資料為基準的 EARN 模型，以及以顧客交易資料為基準的 PROFIT 模型。並透過兩個模型之間的交互應用，做到細膩的分群，並促進用戶的轉換。
以顧客交易資料做分群的 PROFIT 模型
每個品牌的經營業者，都越來越了解會員的重要性。越來越多工具的出現，也大幅降低了讓顧客加入會員的門檻。舉例來說，上圖是筆者這週末在日本位於筑波市的一間叫做 Kaitsuka 賣烤地瓜的實體店面的線下消費場景，他們透過提供 100 日圓的折扣，吸引線下消費的顧客加入 LINE 官方帳號，並透過「上傳消費明細即可抽獎」的行銷活動，試圖讓消費者加入 LINE 官方帳號的會員，以作為後續溝通的手段。但也不禁有幾個問題：
會員數越多就越好嗎？
花了 100 日圓換取了一個會員的加入， 然後呢？
品牌業主應該用怎樣的架構，來思考不同行銷活動的目標？
如果今天又結合了線上場景，身為電商或是零售業的運營者，我應該用怎樣的架構來思考我的會員策略呢？
如果我們把這間從筑波市起家，目前日本關東地區已經有 10 家分店的地瓜店作為範例，他所有的會員數有 100 萬人左右，其中這兩年內有消費至少一次的顧客有 40 萬人，佔所有會員的 40%；而購買兩次以上的顧客為 10 萬人，佔所有會員的 10%。也就是說，有 60 萬名會員在兩年內完全沒有消費。如果他們在兩年以前以每位會員 100 日圓的獲客成本讓他們加入會員，花費的總成本是 6 千日圓，但他們在這兩年貢獻的營收是 0，消費次數也是 0。
這些會員消失了嗎？為了更清楚了解這群會員的屬性，我們需要了解所謂的 PROFIT 模型。
PROFIT 是以會員交易資料為基礎，透過消費的週期，以及消費的頻率來將會員做分群。其實也就是傳統上所謂 RFM 模型的變形。
每個品牌的顧客終身價值以及顧客的消費週期都不相同。假設我們現在討論的品牌是以兩年來計算顧客的終身價值，且顧客的消費週期是半年。PROFIT 模型可以將品牌的會員或顧客分為六個群體：
P: Purchased，在半年內購買了一次的顧客。
R: Repeat Buyers，在半年內購買了兩次以上的顧客。
O: One-time Buyers，在兩年內購買過一次，但最近半年內沒有購買紀錄的顧客。
F: Former Champions，在兩年內購買過超過兩次，但最近半年內沒有購買紀錄的顧客。
I: Inactive Customers，註冊會員之後，還沒有任何消費紀錄的會員。
T: Terminated Customers，曾經消費過，但最近兩年內沒有購買紀錄的顧客。
PROFIT 的六群會員，彼此之間是不會重複的。但是身為一個會員，我卻會在這不同的會員群體之間移動，或是可以理解爲，我身上的 PROFIT 標籤會隨時間不斷的變化。以上述的線下消費場景為例，當我在排隊結帳看到「加入 LINE 即可獲得 100 日圓折價券」而掃描 QR code 加入 LINE 官方帳號時，我是屬於 I 這個群體的顧客。但當我完成第一次消費，用掉那個折價券後，我就進入到 P 這個群體。對於品牌來說，他的課題就是要如何將我升級成 R 群的顧客，因為如果不這麼做，隨著時間過去，我會慢慢變成 O，甚至進入 T 這個群體，這是品牌所不樂見的。
可惜的是，我們常見的情形就是，兩年內有消費的顧客，也就是 PROF 這四群顧客的總數，可能只佔所有顧客數目的 30%，另外可能有 50% 的會員已經進入到 T 這個群組，而另外有 20% 的顧客是註冊會員後，完全沒有消費過的 I 群組。
但這代表 I 和 T 這兩個群組對品牌就完全沒有興趣嗎？他們只是沒有購買而已，難道他們從來沒有關注過品牌的網站或是 IG 帳號，甚至是廣告訊息嗎？已經變心的前女友，難道他就真的對我一點感覺都沒有了？不會偶爾回來看看我的 IG，或是關心我的 LinkedIn 資訊是不是有換工作嗎？這就要介紹我們下一個 EARN 模型。
以顧客行為資料做分群的 EARN 模型
隨著最近幾年網站追蹤技術和 CDP 核心功能越來越成熟，事實上，儘管今天顧客沒有消費，只要他有和品牌的網站或 App，甚至在社群網路上做互動，品牌是有機會蒐集到這些資料的。而這些資料為什麼重要？因為每一個點擊，每一個搜尋，甚至每一個瀏覽，其實都透露消費者的購買意願。因此，我們是有機會透過消費者在網站或 App 上的用戶行為和用戶歷程做分析，甚至透過機器學習做預測。在消費者還沒真正結帳之前，預測出他們的購買意圖。
顧客資料平台 (Customer Data Platform，CDP) 也就是以這種行為資料作為基礎，得以補足 CRM 系統對於用戶理解的不足。我們甚至可以說，CRM 是「已經發生的交易數據」，品牌或零售業主可以用它來做分析和歸納，並且影響長遠的策略規劃；CDP 則是「正在發生或是即將發生的行為數據」，品牌或零售業主可以用它來預測消費者的購買意圖，甚至直接對會員做溝通，影響短期的績效。
EARN 模型即運用 CDP 所蒐集到的行為數據，將用戶分為四個群體：
E: Enthusiastic (熱衷型的顧客)，近期內購買意圖最高的一群人，可能正在積極的比較價格，就只差臨門一腳幫助他們做決定。這種類型顧客通常數目最少，但也最容易驅動。
A: Anticipating (期待型的用戶)，這些用戶已經有自己喜歡的商品，購買意圖也高，只是購買的意願還沒有熱衷型的顧客那麼高，但人數通常會比較多。提供合適的溝通訊息或是折扣，也有機會可以驅動他們轉換。
R: Researching (研究中的用戶)，近期購買意圖一般，他們可能也還在研究自己的喜好，或是不同商品之間的差別和特色。不容易驅動他們轉換。
N: No interest (沒興趣的用戶)，近期不太可能會購買的用戶，沒有將品牌封鎖可能就不錯了。他們可能是剛買過，或是透過某一檔的活動而認識品牌或是加入會員。
這樣的分群方式，「時間」、「用戶行為」以及「即時性」這三個因素的影響非常大。在資料的分析上通常是看一到兩週內行銷活動檔期內的數據，但要針對用戶的行為，馬上做出預測和判斷，提供合適的行銷活動，刺激轉換，「即時性」就非常的關鍵。
EARN x PROFIT 交互應用
在理解了 EARN 和 PROFIT 這兩個模型之後，一般運營電商和零售品牌的行銷人員，常會有這幾個問題：
曾經在最近半年已經購買過兩次以上的顧客，是不是有最近還有很高購買意圖的顧客呢？他們會是我衝一波營收最好的機會！
在註冊但尚未消費的會員中，有多少人是有高購買意圖的？因為他們是我的機會所在，只要我可以說服他們完成第一次的購買，體驗了我們的產品，我有自信可以讓他愛上我們的品牌！
曾經購買過兩次以上，但最近半年沒有購買的顧客，這些是我認為淺眠的顧客。裡面有多少是有中高購買意圖的顧客呢？我們最近有一些蠻不錯的產品，只要我可以成功喚醒他們，體驗新的產品，我有自信可以讓他們重新愛上我們的品牌！
以上的這些問題，如果我們把 EARN 和 PROFIT 這兩個模型做交互運用，可以得到下圖的一個 4 x 6 的矩陣：
圖中的數字代表該群體中的人數，因此，我們可以知道：
的確，在我的 Repeat Buyers 忠誠客中，有 24,000 位顧客是有中高購買意圖的。如果我這個月的業績告急，他們肯定會是我優先想要轉換的顧客。
在註冊但還沒有消費過的顧客中，有 1,500 位會員是有機會轉換的。他們的數目不算多，但如果品牌對自己的產品有自信的話，這些會員會是我們優先希望轉換的潛在顧客。
淺眠的顧客中，也有 2,000 人是有高購買意圖的。可能因為最近品牌有一些行銷的活動，這些淺眠顧客被透過廣告或是電子報而帶入網站。即使還沒有完成購買，但行為的資料騙不了人，他們已經展現出蠻高的購買意願，只差最後的臨門一腳。
另外，我們也會看到在忠誠的顧客中，也有 22.5% (13,500/60,000) 是屬於毫無購買意願的。這是為什麼呢？他們不是品牌的忠誠顧客嗎？難道是因為他們變心了？
忠誠的顧客是該品牌中會持續回頭購買的顧客 (Repeat Buyers)，穩定的回購率也代表了她們是影響品牌平均購物週期的人。如果忠誠顧客的平均購買週期是六個月，而越接近六個月，她的購買意圖會越高。但當她完成購買之後，她的購買意圖會降低，因為她近期的需求已經不在了。在 PROFIT 的模型中，她的標籤不會有任何改變，但如果我們同時也考慮 EARN 模型，事實上這位忠誠客的購買意圖是會改變的。這也解釋了為什麼如果我們要考慮行為類型的數據，資料的即時性如此重要。當顧客完成購買之後，即時更新她的購買意圖的標籤，會影響到品牌和這位顧客後續溝通的方式。
結論
這篇文章我們介紹了 EARN 和 PROFIT 這兩個顧客分群的模型。EARN 模型運用 CDP 所蒐集到的行為數據，希望可以預測消費者的購買意圖，即時對會員做溝通。PROFIT 模型則是用 CRM 中已經發生的交易數據，這些數據可以方便品牌業主做歸納和顧客分群，並且影響到品牌的策略規劃，畢竟，每個品牌業主希望增加的，不是會員的人數，而是會重複購買，帶動營收的忠誠顧客的比例。產品，通路，鋪貨，行銷活動的規劃，都是為了可以達到這個目的。而這篇文章著重在介紹和說明基本的模型架構，未來我們也會更著重在實際案例的探討。