Deep Insight Logo

面對

  • 新客戶取得成本增加
  • 行銷失靈
  • 舊客戶不斷流失
  • 異業跨界分食
  • 只有薄利沒有多銷
  • 折扣才有人潮
  • 同業流血競爭

等營運挑戰

我們有解決方法

Deep Insight是一間數據應用分析公司,成立於2017年,主要聚焦零售產業核心,透過資料科學讓企業更加理解顧客,進而產生高價值的商業應用。

成員專業包含零售營運、資料科學、CRM、商務智能(BI)及策略規劃。

顧問具備大型企業(104人力銀行、永慶房屋、商業周刊、可口可樂、新光三越…等)數據分析、會員經營及實施經驗,超過十五年以上。

我們的願景是讓所有零售業都可以享有與百大企業同等級的資料數據服務。

產品與服務

  • AI

    各式演算法模型解決方案 Artificial Intelligence

    運用人工智慧、機器學習技術,進行數據分析,為企業建立各種行銷決策的預測模組,協助企業提升銷售。

  • CI

    零售數據顧問服務 Customer Insight

    由具備多年零售業經驗的資料科學團隊,依據企業需求提供顧問服務。協助企業從理解顧客開始,運用數據拼出大生意。

  • BI

    視覺化互動儀表板 Business Intelligence

    運用企業提供的資料,產生可視化的商務智能互動儀表板,並依專案服務性質,提供儀表板客製化與資料即時更新功能。

  • DI

    資料整合導入 Data Integration

    為零售業量身打造O2O數據整合平台,適用於市場上絕大多數POS及會員資料格式。企業只需上傳檔案即可自動彙整。

AI

Artificial Intelligence

各式演算法模型解決方案

推薦配置解決方案

  • 客製化購物推薦
  • 搭配銷售活動(紅配綠)
  • 門市陳設規劃
  • 商場櫃位配置

會員區隔解決方案

  • 價值分群模型
  • 行為分群模型
  • 生命週期模型
  • 會員Network模型

智慧預測解決方案

  • DM回應預測模型
  • 下次購買預測模型
  • 商品需求預測模型
  • 會員流失預測模型

智慧標籤解決方案

透過購物行為辨識顧客特徵,貼上專屬標籤。例如:週末購物族、半夜下單族、新品搶先族、換季折扣族、只買好貨族……

AI-1

推薦配置解決方案

客製化購物推薦

那些類似的消費者通常喜歡買什麼?

門市陳設規劃

貨架如何配置可以讓消費者逛起來更輕鬆?更容易多買一點?

商場櫃位配置

針對大型購物商場或百貨,如何將各品牌的櫃位擺放產生最大綜效?

搭配銷售活動

透過哪些商品經常會被一起購買,提供行銷單位設計活動參考,例如:紅配綠

AI-2

會員區隔解決方案

Deep Insight 模型演算法(同時多維)
模型標籤組合應用 效果更加乘
用更全面的角度,定義及了解您的顧客

會員價值分群

善用80/20法則,依照不同產業的關鍵衡量指標,建立顧客價值模型,清楚辨識顧客價值高低,做為企業資源配置參考。

會員行為分群

了解顧客在各類商品消費行為上的差異,推論不同顧客背後需求與偏好,甚至了解不同客群的毛利狀況,作為客製化活動依據。

AI-3

智慧預測解決方案

透過對已知案例的觀察,學習輸入變數的歷史與目標變數之間的關係,再類推到未知案例的目標變數,以計算發生事件的可能性

行銷回應預測模型 (DMR Model)

利用消費者過去交易資料,以Machine Learning模型萃取出其pattern,預測消費者在一個檔期(例如百貨周年慶)的回應機率,可有效提升活動的效益。適用在實體DM、簡訊、EDM或其他行銷接觸工具。

下次購買預測模型 (NPT Model)

每一位消費者的購買時間、購買週期、購買特性都不相同,依照每個人個人化的消費軌跡,有效預測該消費者下次購買的時間區間,能在客戶尚未行動前,先一步提供商品或資訊。

商品消費序列預測模型 (Sequential Model)

消費者對於某一類別的商品存在一種持續購買,且品項可能會擴大或是升級等現象(例如,化粧品、露營設備…)。此模型即是來預測消費者買了某一些品項後,接著最有可能購買的品項,可一直類推下去,成為一連串的行為序列。

會員流失預測模型 (Anti-Churn Model)

會員在流失之前,往往會有一些行為特徵會顯現出來,但會員人數眾多,行為過於複雜,常常無法以人為觀察得知。Anti-Churn Model以會員行為資料作為材料,進一步預測出其是否流失的可能性(機率)事先挽回預防。

AI-4

智慧標籤解決方案

客戶是哪個標籤? / 每種標籤有多少客戶? 標籤與標籤間如何交互運用? / 不同標籤客戶帶來多少效益,清清楚楚 !

以實體店面為例,辨識出那些顧客都在平日上午前往採購,那些顧客則是在周末假日。

以線上電商為例,那些會員在上班途中或是中午午休時段下單;那些會員則是在半夜下單。

以百貨超市為例,找出一群人不在意價格折扣,只買頂級好東西。

不同的標籤代表不同的意義與商機

每一個「標籤」就是一個經過設計的「計算方程式」每多一個標籤貼在每一個顧客上,就是多一個維度去顯示其特性,有助於深度了解顧客!

BI

視覺化互動式儀錶板

多維度分析

將各種指標交叉轉換分析

數據儀錶板

一眼速覽企業最重要指標花最少時間找到問題看準趨勢

模組化設計

因應不同需求選擇合適的儀表模組:
1.零售產業模組:餐飲/藥妝…
2.功能模組:業務/行銷/會員管理…

跨螢無縫接軌

結合行動裝置,即時掌握營運現況 ! 主管行程滿檔,真正能坐在辦公室看電腦的時間其實不多,透過行動裝置結合,更能在管理上發揮效率

成功案例

某大型運動用品通路

透過顧問服務,協助選擇CRM作業系統、規劃會員升降級機制、訂定會員取得策略、建構以數據為基礎的管理方式,成功讓數據變成公司內部主要溝通依據。

某知名藥妝連鎖店

以模型區隔出不同分群的消費者購買偏好以及毛利率高低,讓企業更精準訂定分群經營策略以及資源投放。針對不同屬性客群做到客製化經營,不但有效提升客戶滿意度,同時也降低會員經營成本。

某大型百貨商場

過去DM印製寄送成本上億,透過行銷回應預測模型搭配會員區隔模型,不但有效減少了近半的DM印製成本,還提高了營收。

某歐洲家電知名品牌

透過顧問服務完成會員條款以及分級權益,從無到有打造會員管理系統,並以各式活動成功將原本商品保固的顧客轉為會員,累積會員消費行為數據,為未來客製化經營打下基礎。

某大型連鎖超市

以購物籃分析為核心,利用商品的關聯性設計行銷方案,活動期間顯著提升商品銷售量,這些有效的關聯性規則將成為未來提升客單價的最佳方案。

聯絡我們

有任何數據分析需求,請完成下方表格,我們將免費提供數據檢視顧問服務