全管道行銷聽上去是一個簡單的概念。消費者喜歡線上、線下等不同管道購物，因此公司需要在任何地方與他們遇見。但是要制定一個能夠產生效果的全管道行銷策略要比僅僅收集cookies和跟蹤購買資訊要複雜得多。一項最新發表在《市場行銷雜誌》（Journal of Marketing）特刊上的新研究解釋了為什麼全管道不是萬靈藥。
要讓全管道行銷策略發揮作用，主要面臨三大挑戰。該研究概述了這些挑戰，以及一些解決方案，包括使用機器學習和區塊鏈技術來讓全管道行銷發揮充分的作用。
沃頓行銷學教授伊揚格（Raghuram Iyengar）是這篇題為“全管道行銷中的資訊挑戰：解決方案以及未來趨勢研究”（Informational Challenges in Omnichannel Marketing: Remedies and Future Research）的論文的八位合著者之一。伊揚格在和沃頓知識線上的訪談中，談到了企業如何充分利用全管道行銷優勢。
沃頓知識線上：現在不僅是公司試圖更好地實施全管道行銷，像你這樣的研究人員也在努力地理解這個趨勢。然而技術的快速發展使其成為一個很難把握的移動目標。這項研究的主要發現是什麼？
伊揚格：全管道行銷當然是一個非常熱門的話題。當公司考慮全管道（omnichannel）時，他們有時會問它和多管道（multichannel）的區別。我們認為，多管道意味著你在不同的管道用不同的方式來聯繫客戶。全管道雖然也是這樣，但這些方式應該有協同效應。
例如，如果你是REI的客戶，你有一個手機應用APP，你也會收到電子郵件。如果他們追求的是全管道戰略，他們希望客戶看到的是相互關聯的不同資訊片段，並且在某種意義上，這些資訊是相互補充的。
實現這一點並不容易，因為你需要很好地瞭解數據是什麼樣的？你要能理解顧客與公司之間的所有不同接觸點（touchpoints）是什麼，然後你要能在後端執行它。把這一切放在一起並不簡單。
“尤其是最近一年左右，消費者行為發生了變化。前一年有效的措施今天可能失效。”
1、數據協同和機器學習
沃頓知識線上：論文指出了三種不同的挑戰和補救措施。第一個挑戰是數據。問題是什麼？
艾揚格：假設你在諾斯丹（Nordstrom）網站上購物。然後你又決定去線下商店買點其他。你會希望該公司能把你所有的數據放在一起：網站、手機APP、線下商店。但許多公司的現實是，許多數據都非常孤立。為什麼？因為不同的部門負責不同部分的業務。
這些管理部門查看的是不同的數據。有時在大公司中，數據會變得孤立。其中的原因之一可能是政治性的，因為有些人想掌控數據，這可能比收入更重要。還有一些原因可能是分析師不知道數據在哪里。
沃頓知識線上：我們如何將技術解決方案應用於此？
伊揚格：當然，其中的一個辦法是必須迫使公司改變內部孤立的管理結構。這個改變說易行難，但必須自上而下地貫徹。企業必須意識到，一些管理筒倉（silos）被打破，會帶來什麼附加值。
另一組解決方案來自更多機器學習。你可以想像，在某些受嚴格監管的行業，即使他們真的希望筒倉消失，也不可行。例如，在金融行業，公司必須分業務經營，不能跨界經營和跨界使用數據。
有一種叫做預測學習的方法，它是一種機器學習，你可以想像數據在不同的地方，有一種核心可以稱之為演算法過程的方法——每個數據本身都是匿名的。從這個意義上說，或許可以類比成，你可以把秘制的醬汁混合在一起。監管導致有些企業必須存在筒倉，因此越來越多的公司都在考慮這些解決方案。
2、行銷歸因的解決方案
沃頓知識線上：讓我們來看看論文中提出的第二個挑戰，這是關於行銷歸因（marketing attribution）。這是什麼？
伊揚格：讓我再拿諾斯丹舉個例子。想像你收到一封電子郵件。然後你還收到一本精美的購物目錄。假設諾斯丹的數據不是孤立的，那麼在某個時刻，他們看到你買了一些東西。行銷歸因就是問：到底是哪部分起作用呢？是郵件嗎？是雜誌目錄嗎？是導購員的熱情介紹嗎？也許所有這些都促進了顧客的行為。但他們也在思考：有多少轉化可以歸功於不同的接觸點？這就是歸因的意義所在。你如何將最後的轉變或缺乏轉變歸因於沿途發生的不同事情？
沃頓知識線上：對於行銷歸因有些什麼解決方案嗎？
伊揚格：有很多。讓我們從簡單的方案開始。事實上，我看到一些公司非常積極地測試和學習。他們可能會說，“讓我們看看如果不發送那封電子郵件會發生什麼？”然後公司以一種系統的方式——比如測試和控制——隨機分配人員。有些人收到電子郵件；有些人收不到。然後他們跟蹤整個客戶行為旅程，看看這其中有什麼區別。保持其他一切因素不變，只是試圖改變旅程的一部分，最後看到改變的影響。
在做此類實驗方面，我們的要求可以更高一點，例如以系統的方式改變旅程中的多個接觸點的行為。這就是這種方式的基本理念。例如，最近我和好時（Hershey）的首席行銷官談過，她提到，特別是在去年，他們一直在嘗試不同類型的媒體組合，看看哪些有效，哪些無效。
一切都是試錯。如果你覺得數據中藏著答案，你會一直繼續這種實驗，直到知道結果。但很多時候，環境正在發生變化。尤其是近一年左右，消費者行為發生了變化。前年有效的措施可能今天不一定繼續有效。
3、數據隱私和區塊鏈技術
沃頓知識線上：本文的第三個也是最後一個挑戰是關於數據隱私。我們每天都會聽到這些問題，尤其是歐盟的通用數據保護條例（GDPR）和美國提出的其他措施。你對這個問題怎麼看？
“隱私的問題是，客戶可能不想給你這些數據。”
伊揚格：當你想到全管道行銷能帶給你的所有美妙，比如客戶的協同視角，360度視角，以及你可以在所有不同的接觸點看到客戶，但是隱私的問題是客戶可能不想給你這些數據。
特別是隨著GDPR的出臺和美國《加州隱私權法案》的出臺，消費者如今對自己的數據得到了更多控制權。例如，蘋果的最新更新基本上要求消費者批准是否允許某些應用程式來跟蹤他們的資訊。所有這些都為客戶提供了更多的資訊控制權，現在取決於客戶是否希望從他們共用的數據中獲得一些好處。
但是，隱私問題不是一維的。這不是一個是或否的問題。顧客必須考慮，他們對分享有多滿意？我給你舉個例子。我喜歡喝咖啡。如果我去一個網站，上面寫著“好吧，根據你的喜好，我們推薦一種混合咖啡。”太好了。非常感謝。我很滿意這種推薦。但是另一方面，我並不希望我的醫療記錄被共用。這是一個關於上下文環境的問題。作為一個顧客，我們需要瞭解，我們究竟會得到什麼樣的好處，因此我可能更傾向於共用某些數據。
“我們真地需要最細粒度的數據來做出正確的目標決策嗎？”
沃頓知識線上：論文裏提到，當數據透明時，當公司告訴用戶共用了什麼並讓他自主選擇加入還是退出時，用戶會感到更舒服。你還談到使用區塊鏈技術來幫助解決隱私問題。你能解釋一下嗎？
伊揚格：對於我們這些可能對區塊鏈感到不熟悉或不舒服的人來說，可以把它看作一個分佈式帳本。你可能自己也會記賬。但可以把區塊鏈想像成一本巨大的審計帳本，在那裏資訊可以跟蹤，並且它是公開的。但是一旦記錄在那裏，它是不能被改變的。它的變化也沒有那麼快。
我們的想法是，你可以想像客戶放棄區塊鏈中的某些資訊，而公司能夠訪問這些資訊以適當地鎖定客戶。這是一個很好地追蹤公司正在使用什麼資訊的方法，然後消費者可以要求公司對使用這些資訊進行適當補償。
沃頓知識線上：全管道是行銷人員的新興研究領域。你下一步想學什麼？
伊揚格：我認為隱私和使用機器學習和新技術的想法很有意思。這是我和沃頓的同事行銷學教授埃裏克·布拉德洛（Eric Bradlow）和研究生金明勇（音譯）正在做的一些工作。例如，這也是蘋果和其他公司非常感興趣的問題：我們是否總是需要最細粒度的數據來做出正確的決策？
假設我們有來自客戶的個人數據。然後讓我們設想一下，我們有稍微多一些聚合的數據，可能是一群人，等等。我們真的需要最細粒度的數據來做出正確的目標決策嗎？在什麼情況下，一些更細粒度的數據會有很多雜訊，而稍微聚合的數據會消除這些雜訊？我們正試圖瞭解哪些類型的模型可以建立在稍微聚合的數據上，這些數據可能會做得很好。這對隱私意味著什麼？您可以想像，個人可能不想共用其特定數據本身，但如果他們是數據集的一部分，他們可能會感到舒服：“因為我們與其他客戶的數據聚合在一起。”
我認為這是一個有趣的研究領域，它將隱私和機器學習以及其他類型的模型相結合。看到我們如何利用不同種類的數據做出正確的決策，同時尊重人們的隱私，我感到非常興奮。
Join The Discussion
No Comments So Far