資料庫行銷

行銷模式隨著時代演進、科技的進步，逐漸發展出截然不同的面貌，特別是 資訊科技突飛猛進之後，資料庫行銷儼然成為行銷領域之顯學。過去的行銷人員 為了了解消費者行為及偏好，常常需要利用問卷發放、訪談等方式取得所需資料，

不但費時費力，且容易產生抽樣誤差。不同於傳統行銷模式，在電腦及網路普及 的今天，資料庫行銷不但可以記錄顧客的人口變數（例如：性別、年齡、居住地、

經濟狀況、教育程度、生活型態等），更能夠詳實地留下顧客的動態資料（包括：

購買品項、消費時間、消費通路、付款方式、配合何種促銷活動、滿意度，網路 消費行為甚至可以記錄顧客在網頁上瀏覽的頁面及時間）。行銷人員得以利用資料 庫整合、產生、並分析所需的資料，以協助行銷策略的規劃。

時至今日，資料庫行銷日漸受到企業的重視，主要的原因是：資料庫行銷可 以有效幫助企業實施顧客關係管理。建立資料庫之後，企業與顧客之間不再只是 簡單的買賣關係，透過資料庫行銷，企業得以更加了解消費者，打造更深入的顧 客關係。對於企業而言，可以利用資料庫行銷研擬更有效率的行銷策略；以消費 者角度來看，能夠減少接觸多餘的資訊，並提高購買產品的機率（Denise, Geoffrey, Dawn & Linda, 1997）。

科技技術的進步以及網路環境的成熟，是促使資料庫行銷蓬勃發展的重要條 件，現代的行銷人員利用電腦儲存並處理數量龐大的顧客資料與互動記錄，可以 快速的了解顧客，與傳統的行銷研究方法相比，資料庫在行銷研究方面可以為企 業省下更多成本。

除了科技因素，統計方法的進步配合電腦卓越的演算能力，許多過去由於過 於繁複的計算而無法實施的統計方法得以實現，使得行銷人員可以進行更透徹 的、更多元的資料分析，也是促使資料庫行銷大為風行的原因之一。

以下將依序介紹資料庫行銷之定義、資料庫行銷的優點，以及資料庫行銷在 實務上的應用。

一、 資料庫行銷的定義

表2.2 資料庫行銷的定義

學者 定義

Shani and Chalasani (1992)

將現在和過去顧客的資料蒐集起來，並建立一個資料 庫，用以改善行銷的績效。

Cespedes, Frank and Jeff Smith (1993)

利用顧客資料，以改善企業對行銷資源的分配與應用，

以針對特定對象傳遞更有價值的資訊，並維持與顧客之 間良好的關係。

Arthur Hughes (1994)

「資料庫行銷」是利用電腦科技，管理一套現有顧客與

Frederick Newell(1997)

是一套中央資料庫系統，用來儲存所有企業與顧客的相

Kotler(2000)

「資料庫行銷」是一建立並維持顧客關係的過程，並利

二、 資料庫行銷的功能

在顧客管理關係裡面，資料庫行銷扮演著分析工具的角色，所以，了解資料 庫行銷對於企業的行銷決策上具備什麼樣的功能，將是本節討論的重點。根據林 慧晶（1997）的研究，把資料庫行銷的功能分為四大部分：

（1） 顧客價值分析

資料庫行銷最主要的功能在於針對顧客的價值進行分析。在過去，

企業雖然可以掌握每日的銷售金額，但卻難以評估個體顧客與銷售狀況 的連結性；而資料庫行銷可以蒐集個別顧客的消費行為及其他資訊，利 用統計方法進行分析，企業因此可以得知每位顧客對於企業而言的價值 及重要性。

（2） 計算顧客終身價值

根據 Arthur Hughes（1994）的定義：「所謂的顧客價值（Customer Lifetime Value）是指在未來一定時間之內，企業或廠商可以從個別顧客 獲得之利潤的淨現值。」透過資料庫行銷，企業可以根據資料庫對於每 位顧客所記錄的消費金額及消費頻率等，計算出該顧客可能貢獻於廠商 的顧客終身價值。藉由顧客終身價值的計算，企業不但可以預測未來營 收，還可以判斷出顧客價值的高低，而分配不同的資源於不同價值之顧 客身上，以提高行銷的效益。

（3） 進行向上銷售（Up-selling）與交叉銷售（Cross-selling）

根據Bob Stone（1995）所言：「向上銷售是指企業針對顧客目前所購 買的產品項目，推測其往後可能需要的產品項目，而進行推銷。交叉銷 售則是指針對目前顧客所購買的品項，進行相關產品的推銷。」因此，

透過資料庫行銷對於消費者購買之產品項目的記錄，企業很容易達到向 上銷售和交叉銷售的目的。

（4） 行銷決策支援系統

根據Little（1979）所言：「所謂的行銷決策支援系統（MDSS，Marketing Decision Support System）是指將顧客的購買記錄透過模型分析，再利用模 型分析出來的結果配合專家知識，使決策者能做出有利的決策。」因此，

顧客的購買記錄以及模型的分析是行銷決策支援系統的兩大重要因素，而 資料庫行銷結合兩者，不但可以幫助企業管理其顧客，更重要的是資料庫 行銷具備了行銷決策支援系統的功能。

三、 資料庫行銷之應用

Denise（1997）等人曾提出發展資料庫行銷的指南，其內容如下（引自林宗龍，

民90）：

（1） 企業需求分析（Corporate Needs Analysis）

這是第一步也可能是最重要的一步，它將會決定資料庫在使用上的方 向、功能及適切性。另一個需要被討論的議題則是：誰會來使用這個資料庫 系統，以及它應該包含什麼資料，同時必須決定要以什麼方式來發展資料庫，

是自行發展抑或是外包，不同的方式將會影響行銷程序的維持、更新及執行。

（2） 收集資料（Compiling Data）

I. 內部資料：內部資料的項目包括顧客姓名、地址、聯絡電話、主要人口 統計變數、過去交易的歷史資料例如RFM（最近購買、購買頻率、購 買金額）以及付款歷史記錄等。在B2B 資料庫中，還會包含 SIC 碼、

員工人數、購買行為的偏好，以及購買的決策者之姓名、職稱、及相 關資訊。

II. 外部資料：外部資料包括以彙編完成的資料（如：總體的人口統計資料）、

（3） 初步分析（Initial Analysis）

透過不同知識、資源以及創造力所構成的資料庫系統，必須將大量的資 料轉變成有用的資訊才有意義。有二種方法可以達成這項任務，一是利益分 析（Profitability Analysis）：計算每位顧客對公司的貢獻。另一項是趨勢分析

（Trends Analysis）：以利益分析做基礎，藉此分辨不同獲利群所呈現的特徵 和屬性。這些分析將幫助行銷人員更有效率地對高貢獻顧客設計行銷活動。

（4） 定義市場（Defining the Market）

透過資料庫所建構的模型有助於分析現有及潛在顧客，並尋找市場機 會。利益分析模型可以區隔齣最有價值的顧客，而後廠商可以決定是否要減 少或停止對於低獲利顧客群的行銷活動。

（5） 發展行銷計畫

發展行銷計畫的最佳資訊來源可能是過去的績效，不論是企業本身成功 和失敗的經驗，或其它企業的經驗，都可能提供有價值的建議，如何能辨識 出哪一種行銷計畫能產生什麼樣的績效，才是最重要的課題。其中有許多該 做（Do’s）或不該做（Don’ts）的準則，這些準則有助於引導成果，而這些都 可以從歷史的經驗學習。

（6） 追蹤結果及趨勢

資料庫行銷相較傳統的行銷，最大優勢在於創造了回饋途徑(Feedback Loop)，另一優勢則在於可藉由歷史交易資料找出顧客，求出適切的銷售型 態。最後則是可以有效追蹤所有成功的直效行銷案例，以供未來作為行銷決 策上的參考。

四、 資料庫行銷於成長策略之應用

Joseph、Lackman、Peace and Tatar（1999）在研究中指出，零售業者若能夠善 用資料庫，可以更深入了解現有顧客以及潛在顧客，並找出更精確的市場區隔方

資料來源：Joseph、Lackman、Peace and Tatar（1999）

五、 資料庫行銷的執行

任立中（2010）曾說明人是資料庫行銷能夠成功的關鍵因素，這群人由一組 跨領域的專家所組成，包括電腦專家、統計專家、策略專家與管理銷售專家。這 四種專家透過彼此溝通，進行跨領域的合作，以執行資料庫行銷之功能。

管理銷售將其銷售狀況與策略專家進行討論，策略專家將提出策略作法並與 統計專家說明，統計專家則根據策略上的需求設法找出資料分析時所需要的模 型，再進而跟電腦專家溝通討論，使其進行電腦相關之統計分析系統的建置。其 後，統計專家以電腦專家所規劃的系統進行統計分析，並將分析結果說明給策略 專家，策略專家依照分析結果進行策略規劃並透過銷售專家執行。這一連串跨領 域、跨功能的團隊合作即是資料庫行銷的關鍵成功因素，其組織關係圖如下：

圖2.1 資料庫行銷組織關係圖

第三節 RFM 模型

一、 RFM 模型的定義 ( 1 ) 最近購買日

Hughes (1994) 定義最近購買日為「顧客最近一次購買距離分析時點的天 數」。一般而言，若某顧客最近購買日較小，即是顧客最近一次購買的日期距 離現在不遠，企業認為該顧客再度消費的機會較高，因此會將此顧客認定為 較重要之顧客。然而，以最近購買日來評估顧客之重要程度時，還必續考慮 企業產品的特性，耐久品或消耗品皆會有不同的考量，不能單純以最近購買 日的大小決定顧客價值高低。

( 2 ) 購買頻率

Hughes (1994) 定義購買頻率為「顧客在一段期間內購買的次數」。一般 的情況之下，若顧客購買次數較多，企業對該顧客的忠誠度和顧客價值評價 會較高。

( 3 ) 購買金額

根據Hughes (1994) 對購買金額的定義為「在一段期間之內，購客購買該 企業產品之總金額」。一般情況下，若顧客購買金額較高時，對企業而言之顧 客價值較高。

二、 RFM 模型的應用

RFM 模型主要應用於顧客價值的分析，兩位學者 Hughes (1994) 和 Stone (1995) 針對RFM 模型的應用提出不同做法，主要差異在於對不同指標之權重和重要性的

RFM 模型主要應用於顧客價值的分析，兩位學者 Hughes (1994) 和 Stone (1995) 針對RFM 模型的應用提出不同做法，主要差異在於對不同指標之權重和重要性的