消費者瘋狂購買對營銷者意味著什么

　　如果你曾經整個周末都在瘋狂地看《絕命毒師》或其他系列視頻，你大可以安然享受，因為不是你一個人如此。如今所有人都在以一種“集中”的方式消費電子產品及服務，這種方式在長期內保持不變，消費者時不時地會在一個較短時期內集中購買產品。

　　沃頓營銷學教授埃里克·布萊特勞 (Eric Bradlow) 表示，一旦營銷人員意識到這種現象，并且他們手中也握有跟進這一現象的數據，他們就能發現某種內容豐富的新型電子行為的發展脈絡。他指出，幾十年來衡量顧客價值的一個基本手段一直是RFM模型，即最近一次消費 (Recency)、消費頻率 (Frequency) 和消費金額 (Monetary value)。“然而我的研究表明，這個體系并不全面，還應加上一個‘C’，代表集中度 (Clumpiness)，”他補充道。布萊特勞在接受沃頓知識在線的采訪時闡釋了這一概念，這個概念來自他與瑞士信貸集團合伙人張瑤以及沃頓學院數據學教授迪倫·斯莫 (Dylan Small)合著的研究論文《衡量影響力數據簇擁度的新標準》 (New Measures of Clumpiness for Incidence Data)。

　　以下為經過編輯的采訪節錄：

　　顧客數據中的“集中度”是什么，為什么很重要：

　　目前營銷和顧客價值領域最通行的做法就是通過RFM模型，即最近一次消費、消費頻率和消費金額來概括顧客的消費行為，也就是說利用手里所有關于顧客的信息，來計算顧客在以下三個方面的數據，即最近一次消費是什么時候、多久消費一次以及消費的金額……這是大多數公司用于衡量有價值顧客和其他顧客的基礎指標。

　　我的研究發現，這不是顧客的全部特征，RFM模型還應加上字母“C”，代表集中度，表示有些顧客的購買行為具有一定規律。長期以來，顧客購買橙汁、尿布等物品時會遵循一定規律。但是集中度指的是人們一窩蜂地爭相購買物品。這種集中購買的時期可以反映出顧客身上具有某種與眾不同的特征，他們可能是極其有價值的顧客。

　　重要結論：

　　從我研究中得出的重要結論易于理解。想象一下，假設你想預測誰是未來有價值的顧客。你手里有四項可以用來預測的指標，也就是我前面提到過的：最近一次消費、消費頻率、消費金額以及在顧客身上進行的營銷。這是眾多公司設計的評分模型。但我認為你還需要多加一項指標，那就是集中度——衡量顧客購買的集中程度有多高。這項指標和R、F和M指標一樣易于計算，在Excel里就可以完成，并且計算迅速，可以在一秒內計算出一億名顧客的數據。

　　我的研究還發現，在實驗中集中購買程度較高的顧客在未來具有更高的價值，即使在運用RFM模型和營銷費用分析之后，也會得出同樣的結論。這說明我們發現了另一個關于顧客的變量，公司應該跟進這個變量，并利用它來預測顧客在未來的價值。

　　最令人驚訝的結論：

　　研究得出的結論中有兩點讓我驚訝不已。一是我才發現這個基于RFM的模型已經存在很多年，目前很多公司在使用，并且從這個意義上說已被確認為是幫助闡釋顧客價值的最簡單的手段。你可以進行各種各樣的網站搜索，也可以設立多種其他變量，但集中度這個變量卻是最簡易的。

　　所以首先讓我驚訝的是，集中度一直沒人關注，換句話說熱賣和遇冷期可以反映出顧客的一些特點。另一點讓我吃驚的是從我分析的數據來看，這種集中度適用于電子和在線消費品，不適合常規的大眾消費品。換句話說，我能明白為什么傳統模型適合常規大眾消費品，因為消費者購買廁紙、橙汁的消費行為有規律可循，但在網站Hulu上的消費卻毫無規律。消費者在eBay上競拍或在亞馬遜上買書的行為也沒有規律可循。

　　集中度對傳統意義上的商品確實不適用，但對新興產品、新興經濟來說，它是我分析過的所有數據集中很有說服力的一個數據。

　　實用價值：

　　我認為這也許是我20多年的職業生涯中做過的最實用的研究。我更傾向于把我從事的工作稱為多樣復雜的統計建模。這項工作不僅僅關于統計建模，還與數據——集中度有關，如今的公司都可以進行實際運算，不需要收集額外的數據，使用與計算R、F、M及顧客終身價值相同的數據就能計算出來。利用這種模型可以確定顧客的預測價值有多少，顧客的價值排序會發生變化，你對哪些顧客具有重新挽回的價值的認識也會發生變化。

　　我得出的結論是，盡管集中度高的顧客并不穩定，但他們依然是最值得挽回的。如果你重新贏得了這些顧客，他們又會變得具有很高的集中度，未來會進行很多消費。因此我認為這種模型具有很大的實用價值。這種模型的魅力從我的網站上就可以看到，上面有一張Excel表格，列出了一些成功案例。你可以下載這張表格，并從今天開始使用集中度來進行分析。

　　從你的研究中，你可以得出哪些新的規律、程序上的變革或者計策?

　　如今很多人都在談論大數據。我喜歡大數據，但我想說還有比大數據更合我意的東西，那就是數據濃縮。數據濃縮是指現在你可以從人們身上搜集成千上萬的變量，并查出這些變量的來源，他們購買什么物品，瀏覽什么網頁。但這不能稱之為科學，只不過是收集數據。問題在于哪些信息真正對解決眼前的商業問題有用?這就是我所說的數據濃縮。

　　因此，我把集中度看成是像RFM、營銷活動及類似活動等傳統變量的一個補充，是數據濃縮的一種形式。我要強調的就是你需要多掌握一些數據，不能僅僅把事物濃縮至三個變量，而要濃縮成四個。

　　我已經做了大量關于集中度的研究，也知道它存在于各個行業，具有預測價值。但我不知道是什么催生了集中度……我把營銷活動與集中度聯系起來。公司可以通過給你寫郵件、寄畫冊、把你定為目標顧客等方式使你一股腦地進行消費。

　　盡管我知道集中度的存在，但尚未對公司定位目標顧客的最佳方式做過研究。比如，我從未關注過消費者是否會在購買系列產品時具有更高的集中度。試想如果是觀看《絕命毒師》、《廣告狂人》或類似的系列視頻，又會是什么情形。又如，一家公司在試圖出售面部護理系列、保濕系列等系列產品和其他類似產品時，是否會把所有產品包裝成一個套裝，使它看起來具有人們朝著一個目標在努力付出的寓意?

　　我知道如何對集中度進行數學運算，也知道這對公司來說微不足道，但它具有預見性。但我不知道從心理學上怎么解釋，這也是目前我和其他研究消費心理學同事一起研究的領域。我們將在實驗室里進行大量的行為實驗，試圖獲得人們的集中行為背后的心理學。

　　“簇擁”vs.“瘋狂”

　　我喜歡“集中”一詞，其他人喜歡“瘋狂”。我喜歡這個詞的原因在于與它相對的是“非集中”，就像一種有規律地進入某種場所或有規律地購物。我們沒有聽說關于集中度的故事，但當你看到關于別人瘋狂地做某事或消費某種東西的故事，比如“一名學生熬夜看了18小時的視頻”，你就明白“瘋狂”的意思。“瘋狂”這一概念也很具有說服力：每次我和管理人員、學生或大學生談到這個概念，大家都相信它的存在。

　　消除誤解：

　　我的研究要消除這樣的誤解：從某種程度上說，顧客的分類依據僅僅是一系列數字。我們需要考慮更多因素，而不僅僅是我所說的簡單的人類行為理論。如果我們研究最近一次消費、消費頻率和消費金額這三個指標，會發現這種傳統意義上的消費行為的基礎忽略了我所提出的間隔時間。它表明，從根本上說，我可以收集所有數據，例如消費者在這個窗口的消費間隔是兩天，然后是四天、三天或者六天，但我可以把這些通通忽略，只需記住消費者最后來消費的時間以及他們來消費的次數。

　　此外，還要消除一個誤解：關于消費者到店規律的信息不足。其實消費者到店信息很詳實。人們如潮水般涌入店里，離開，再涌入，再離開……這些人極其與眾不同。我認為人可以分為集中型和非集中型兩種類型。

　　我們的研究結果還表明，集中度因產品類型而異。比如，我們發現女性集中度高于男性，年輕人高于老年人。因此，我認為我們要澄清的是：人們不僅生而平等，而且有很多簡單的方式將人們分成若干類型。

　　本項研究如何與眾不同：

　　盡管有一系列數學模型已經存在了50年，但它們依然很受歡迎，在過去10中它們被稱為“隱藏的馬爾可夫模型”(hidden Markov model)。假設世界上有兩個國家，一個炎熱國家，一個寒冷國家。你輪流待在冷熱兩國。這個數學模型就是集中度，你在炎熱國家，你會做很多事情，在寒冷國家情況截然相反，就這樣在炎熱與寒冷中交替……我要做的就是給專業人員提供一種計算簡單數字的方法，即統計學。這不是統計學論文，而是我們所說的關于數字與統計的論文。

　　你只需計算數字，然后利用這些數字做自己的研究，可以用它來預測顧客價值，判斷男性是否比女性更具集中度，也可以用它來將人們劃分成不同類型。這就是這項研究的典型及與眾不同之處，它是一種業內人士可以使用的基于度量的方式，而非基于多樣模型的方式，不過這兩種方式都是為了解決同樣的問題。

　　證明“集中度”可能有用的例子：

　　我們針對集中型消費者進行了研究，以便證明電子郵件、宣傳畫冊還是其他不同類型的營銷渠道更有效。我們發現，電子郵件毫無意外地成為短期效果較好的一種宣傳手段，而長期效果較好的是宣傳畫冊。

　　有待我們研究的是：電子郵件、宣傳畫冊或視頻營銷中的某些詞是否與人們的集中度有關或使人們具有更高的集中度?一些話題是否具有集中度?一些產品類型是否一定和集中度有關?我們目前所做的就是證明這種現象的存在，并且我知道很多行業都存在這種現象，某些類型的人更容易變成集中型的人。

　　目前我尚未完成的任務是討論集中度的營銷含義，作為一個營銷學教授卻沒有做到這一點，確實令人驚訝。我還需要更大以及更新的數據集來把關于營銷活動的信息與人們的集中型消費行為聯系起來。我知道該如何進行，只是我還需要更豐富、更優良的數據來進行。

　　后續工作?

　　我正在考慮跟進這項研究的三個不同方面。首次，要是能夠分析更多數據集，并證明集中度的衡量標準是多么具有說服力會令我激動萬分。我分析了來自亞馬遜、CDNow、eBay、Hulu、YouTube和其他傳統大眾消費品公司的數據。目前我只需將這些數據運用到新的數據集中。

　　其次，我想了解人們的心理過程。為什么人們的消費呈現集中型?第三方面也是最后一方面，我想將營銷活動與集中度聯系起來。這不僅僅需要了解人們行為，如他們做什么，瀏覽什么網站、購買什么物品等，還需要了解關于營銷活動本身的信息，或許是營銷活動的宣傳單、這些宣傳單通過哪些渠道分發。這些都有助于我找出最佳方案——為公司提供優化營銷活動從而激活人們消費集中性的方案。