glints-talenthunt-tw-blog2020 年初的 COVID-19 疫情影響的層面擴及各個層面，很多人因此在家隔離，導致消費者將日常消費轉往線上，「數位轉型」、「電商」等等都是近期熱門的關鍵詞。因此 Glints 特別訪問新零售雲端服務商 91APP 的產品長李昆謀 Happy Lee，了解現在最新的電商趨勢—— OMO（Online-Merge-Offline）線上線下虛實融合。
目錄
新電商時代：OMO 到底在幹嘛？
電子商務（E-Commerce）隨著網路世代一併興起，近年電商高速發展，從電商 1.0 到電商 4.0，從 B2C、B2B2C 到強調 O2O 、新零售，近來電商領域更高度聚焦於整合線上與線下的串接。
「不是說電商嗎？和線下有什麼關聯？」或許在聽到 OMO（Online-Merge-Offline）這個新名詞時，你也會有這種疑問。
OMO 是什麼？它的全稱是 Online-Merge-Offline，線上、線下的虛實融合，也是消費行為的雙向流動與融合。Happy 說，傳統的 E-Commerce 是線上線下分開操作，門市歸門市，電商是電商，許多品牌線下的實體門市很給力，轉頭做線上還要跟他人競爭、搶廣告資源，而 OMO 則更強調借力使力，用門市打線上業績，用品牌的強項和其他人競爭。
在新零售時代，實體零售與線上銷售不是獨立或是競爭的兩件事，兩者是相互協助拉抬的關係，也就是 Showroom 展示間現象和 Webroom 逆展示間現象同時並存。Showroom 展示間現象是消費者在線下看到實體商品之後，選擇在線上購買；而 Webroom 逆展示間現象則是消費者先行在線上瀏覽商品，再到線下實體門市完成購買。
舉例來說，消費者可以在Make Up For Ever 的官網先瀏覽商品，下班後直接到櫃上指名購買商品，減少在櫃上猶豫的時間；也可以下班後到門市實際摸摸看化妝品的質地，回家後再使用 APP 下單，有更多的時間思考自己真正需要的東西。
OMO：全通路會員的整合
要如何讓 Showroom 展示間現象和 Webroom 逆展示間現象同時運作？Happy 深信 OMO 的關鍵是讓品牌全通路的會員整合。
會員經營對品牌來說，是這個時代必須關注的重要課題，是多通路（Multi-Channel）走向全通路（Omni-Channel）的致勝關鍵，也是新客獲取成本日益增加的今日，品牌可以採取的因應之道。而所謂新零售時代的全通路（Omni-Channel），就是不管消費者在門市、品牌官網或專屬 APP，品牌都有辦法精準辨認消費者，並針對顧客過往的消費習慣或行為，提供個人化的服務體驗。
前一段的舉例是以消費者的角度，如果以品牌的角度來說，就是消費者線上的瀏覽與活動紀錄，可以在線下實體門市協助店員精準行銷；而線下實體門市的商品試穿、瀏覽紀錄，也可以由店員透過加入線上購物車或發送活動連結的方式，進行再行銷（Retargeting）。
協助客戶完成全通路會員的整合，一直是 91APP 專注在做的事，Happy 說他們在鼓勵消費者加入會員做了兩個方向的努力，也是其他品牌可以參考的方法。
其一是降低門檻，以往加入品牌會員需要填寫繁瑣的表格，讓許多消費者為之卻步。為了鼓勵消費者成為會員，91APP 的系統提供快速且不連續的辦會員服務，「快速」意指只要提供手機號碼就能加入會員，顛覆的高會員門檻；「不連續」是指透過手機號碼成為會員後，補齊會員資料、下載 APP 等等行為都可以事後完成，意即當下消費者不用填寫詳細的會員資料，也可以以會員的身份結帳。並且系統可以設定各種優惠，以刺激消費者完成品牌期待他們做的事，像是首次下載 APP 的下載禮、填資料的開卡禮、填資料之後才有的生日禮等等。
其二則是推薦人制度，這個推薦人就是指店員，「而 OMO 的重點就是店員一定要參與」Happy 強調。91APP 提供門市店員「推薦人機制」，店員在門市推廣下載 APP，使消費者成為會員，更可搭配運用店員數位工具「門市小幫手」發送優惠券到客人手機 APP 中，或店員現場提供銷售服務，客人滿意，願意讓店員綁定 APP 成為該會員的推薦人，該消費者後續不管是在門市或線上有消費行為，店員都可以獲得分潤。讓店員有利可圖，他們就願意為企業做事。
數據為王的時代
幫客戶打通全通路、進行會員整合後，再來就是要怎麼帶流量、提高會員貢獻度。91APP 透過類似 CDP（Customer Data Platform 客戶數據平台）的全景數據中心幫品牌蒐集數據，不只是會員交易資料，還把這個消費者在這個品牌之中的所有行為、互動數據存起來，包含多久以前在哪個通路消費、在 APP 看過什麼、線上購物車有沒有東西、是什麼會員等級等等，後台數據都能完整認列，這就是全通路歸因（Omni-Channel Attribution）的概念，並透過這些數據做出 BI（Business Intelligence 商業智慧）以供品牌參考。
這些消費者行為數據是讓線下、線上互相成就的重要依據。舉例來說，門市可以借用線上數據的力量，店員透過「門市小幫手」系統看到消費者 APP 購物車的東西或是收藏的商品，藉此推薦消費者他們真正想要的東西；再來還有門市推動線上購物，消費者在現場沒有買的東西，店員可以把東西加到線上購物車，消費者就會在線上被再行銷（retargeting）。消費者如何被再行銷？Facebook 會追蹤用戶的所有行為，把商品加到購物車也會被歸納為一個行為，因此就算沒有消費，但下載 APP 或把商品加入購物車都會讓消費者看到相關產品的 Facebook 廣告。
此外，全景數據中心的數據還適合用於行銷、廣告活動，91APP 提供數據以及篩選器，讓品牌可以用不同指標撈出人選，以數據為基礎，操作分群溝通。舉例來說，今天某個品牌透過篩選器撈出五萬人的名單，給這些人發一張有效期限七天的線上、線下通用優惠券，之後就可以看使用比例、有多少人在線上買、線下買等等的資訊。
許多消費者行為如果沒有透過數據分析很難觀察出來，所以 91APP 多年來培養許多 Data Scientist，致力於把客戶的數據搜集得很完整，並且整理得乾淨易懂。
不管是Data Scientist，還是Front-End Developer我們都能為你推薦
NAPL 模型與 80/20 法則
說到數據，不得不提 NAPL 模型。模型對客戶就像是懶人包，許多品牌客戶在為消費者分群後，依然不確定應該專注於哪群人，所以 91APP 設計好用的模型，讓品牌可以透過 NAPL 模型為消費者貼標籤，了解哪群人該採用何種策略。
NAPL 模型可以用來分哪些是活躍客、哪些是沉睡客，用以了解顧客的活躍程度，字母分別取自 New 新客、 Active 活躍客、 Potential 潛力客，以及 Lost 流失客。
一次購物與二次購物之間的時間間隔，就是一個購物週期，而 NAPL 模型的其區分方式則是以「三倍購物週期」和「購物次數」作為指標。New 是指在三倍購物週期，消費過一次的會員；Active 是在三倍購物週期，至少消費過兩次的會員；Potential 則是曾是活躍客，但超過三倍購物週期未消費；Lost 曾是新客，但已超過三倍購物週期未消費。
根據 Happy 觀察，其中 New 新客、Active 活躍客、Potenial 潛力客，這三群人加起來大概佔總人數的 20％，卻能達成 80% 的業績，符合 80/20 法則。對企業而言，這項發現非常重要，舉例來說有時候品牌活動要發通知簡訊，其實是一筆不小的花費，但如果品牌能夠知道不同客戶的分層，只發 N、A、P 這群人，成本少了八成，卻能維持八成的業績，無形中提升整體溝通成效，以及提高 ROI。
除了 NAPL 之外，這個模型還有 R 和 S，分別是加入但還沒消費的 R（Ready to buy），以及一年內都沒有消費的封存顧客 S（Seal），並且消費者一但落到 S，就很難回去。其中 N、A、P 人數不多，L、R、S 區塊比許多人想像中大，品牌可能號稱擁有 400 萬會員，每個月能有三千萬營業額，但實際上平均客單價 3000 元，而真正消費人口只有 1 萬人。
OMO 有效嗎？
最後不得不問到一個很現實的問題：OMO 到底成效好不好？
Happy 直言，以數據來看整體業績大多能夠成長一至兩成，但 OMO 成果好的品牌大多投入相當的時間與資源來經營。
企業應該清楚認知，OMO 是有效的利器，但從來不是一個部門的事，而是整個公司的事情；最重要的就是老闆要願意推動，不只是建置好電商與門市數位工具，從人員組織與制度流程的轉變，給予門市店員的獎金到全面推動系統，這些都是老闆要有魄力做的決策。
而 91APP 的訴求不是從 E-Commerce 開始，而是替零售品牌用既有資源做電商部署。
開始免費企業諮詢
CDP（Costumer Data Platform 客戶數據平台）
請問Costumer 這是typo嗎？