資訊市場策略/收集市場資訊
在本章中，我們將從零售業務的角度探討收集客戶資訊。我們將展示從自身收集消費者資料以及研究任何可用資料對公司發展有利，以便做出最佳決策。我們將比較多種資料收集方法，以及如何進行資料收集。更重要的是，我們將討論在利用這些資料的多種選擇，無論是將某些商品一起打折，還是向特定人群傳送優惠券。
零售商可以使用大型資料庫做很多有利於企業和消費者的積極事情。如果他們看到買餅乾的人通常也買牛奶，那麼他們可能想要做的一件事就是將它們放在商店裡，這樣如果你去買餅乾，就會經過牛奶區。這不僅有助於企業銷售更多商品，還能向消費者推薦他們可能想要但沒有想到的東西。在古典經濟學中，當我們考慮什麼會影響產品的需求量時，我們唯一考慮的因素是價格。然而，當我們現實地看待超市的零售行業時，我們知道事實並非如此。有許多其他因素會影響消費者的購買行為，例如產品擺放、展示尺寸、標籤外觀等等。
產品外觀更具體地針對的是哪種商品會賣出去，而不是是否會賣出去。例如，如果你要買冷凍蔬菜，你可能會更傾向於買用綠色包裝紙包裝的蔬菜，而不是用棕色包裝紙包裝的蔬菜，因為這會讓你覺得它更健康，因為綠色與健康有關。然而，這會影響超市，因為超市經常提供他們自己的許多商品的通用品牌，如果他們能夠意識到產品的包裝可以改進，那麼他們的產品在外觀和價格上將具有相當大的優勢。在消費者行為如何對不同事物做出反應方面，存在著許多變數。我們如何知道，如果只有少量水果而不是整個貨架都裝滿水果，消費者會不太可能購買水果？對於像這樣有許多變數的事情，我們唯一可以做出明智決策的方法是反覆實際測試它，看看什麼最有效。需要收集有關這方面的資料，以便我們瞭解什麼最有效，以及需要做什麼，但這又引出了其他問題。收集這些資料並將其轉化為資訊的最佳方法是什麼？我們如何知道我們收集的資料會轉化為有效的成果？
如果你評估的零售行業是超市，那麼我們可以通過幾種不同的方式收集資料。手動計數和計算機生成系統在易用性和使用價格方面無法與之相比。手動計算所有發生的事情將非常耗時，效率極低。由於技術世界的進步，有一種方法可以每當在收銀機上記錄某件事時自動編譯這些資料。編譯資料後，有許多不同的方法可以編譯資料。
您可以使用必須註冊的會員系統為每個消費者編譯資料。另一種選擇是採用開放會員政策，在這個系統中，您將編譯反映整個超市的資料。我們將在稍後介紹您可能希望對資料進行排序的不同方式。
考慮虛構的消費者南希和莎莉，南希對去哪家超市沒有偏好，通常在許多不同的超市之間跳來跳去。另一方面，莎莉總是去同一間超市，因為它離她家很近，而且她一直對它感到滿意。南希可能在某個時候會註冊其中一家超市的會員資格，但她不太可能這樣做，因為她沒有去同一家的習慣。然而，南希很有可能成為她超市的會員，因為她總是去同一間超市，而且如果不參加會員優惠，她會很愚蠢。這個例子表明，無論你使用什麼系統，它都不可能對每個人都是最好的。瞭解你想要如何收集資料的一個重要方面是首先收集你擁有更多哪種型別的客戶的資料，南希還是莎莉？你的消費者主要是偶爾購物者還是忠實客戶？如果你能瞭解你所獲得的業務型別，那麼你就有更大的機會使用對你有效的系統。
要了解你想使用哪種資料收集方法，你需要了解你想接收哪種資訊。如果你在客戶基礎上收集資料，而不是為你的商店收集整體資料庫，你將獲得可用於提供個人回扣和優惠券以提高銷售量的資料。當你分析你的公司需要什麼時，你就可以決定哪種方式最適合你。在決定如何收集和分析資料時，有一些準則可以讓你受益。
- 明確定義資料收集的目標和目的，以便你瞭解研究的目的是什麼，這是研究中最重要的一方面之一。即使你做其他所有事情都正確，但沒有正確的資料實施目標，可能會使資料完全無用。
- 明確定義資料收集計劃，例如何時記錄購買產品的價格，或如何量化產品的存放位置。
- 確保資料收集的可重複性、可再現性和準確性，以便資料可靠。
有時，當我們擁有大量資料集時，我們只需使用演算法來查詢可以以幾種不同方式利用的模式。此資訊的另一個應用是利用的不僅僅是購買了什麼，而是消費者的行為。一個很好的例子是檢視一些航空公司，它們根據你搜索航班的方式更改同一張機票的價格。他們做了很多研究，結果表明，那些僅僅根據日期和價格搜尋航班的人並不關心諸如支付餐費之類的便利設施。對這些資訊的明智利用是向你收取預訂行李的費用。人們在比較航班時沒有意識到要考慮這筆費用，因此你最終會以與另一家航空公司相同的價格支付給這家航空公司，而沒有意識到這一點。亞馬遜和其他許多線上零售商展示了另一種行為分析的例子，當你在搜尋商品時，在下方他們會提供一些你可能喜歡的其他商品選項。這樣，當你購物時，你更有可能購買另一件商品，因為他們知道它們通常是搭配在一起的。那麼，我們如何從我們的資料庫到利用我們的資訊呢？透過一個稱為資料探勘的過程。
資料探勘是指從資料中提取模式的過程。隨著資料收集量的增加，資料探勘正成為將這些資料轉化為資訊的越來越重要的工具。雖然資料探勘可用於揭示資料樣本中的模式，但重要的是要注意，資料樣本可能會產生並非總是準確的結果。在根據獲得的資訊做出決策之前，需要確保有足夠大的樣本量。同樣，你必須意識到，即使某些模式存在，它們也可能不會出現在你的資料集中，僅僅因為一個模式沒有出現並不意味著它不存在。要開始“挖掘”你的資料，你必須首先檢查你的資料集，確保沒有不一致之處。消除資料集中出現的錯誤，以減少在正確分析資料後得出錯誤結論的可能性。最終，如何利用這些資訊取決於你自己。