网络流量发展到“不患寡而患不精准”的成熟阶段，阿里巴巴使用消费者动态标签，随着真实交易行为即时变动，帮助电商有效集客。
2013年，淘宝网缔造了举世闻名的纪录，单日创下350亿人民币的电商奇迹，让许多创业者一头栽进了网络零售的世界，低成本开店的无痛门槛，人人都梦想着成为淘宝奇迹的一份子。那时生意很好做，网商不多，投放1000元的广告预算就很有效。
但到了2015年，电商世界重新洗牌，淘宝店家愈来愈多， 分到的流量愈来愈少，无法集客，连带广告效益ROI（投资报酬率）逐渐降低，即便是突破1都相当困难。连阿里巴巴都在问，这是怎么了？
这是网络卖家的集体焦虑，更是中国最大电商阿里巴巴的痛点。阿里巴巴握有全中国80%以上的线上交易流量，流量数已届顶峰，向上提升的成长空间有限，同时网络卖家成长速度愈来愈快，瓜分着有限的流量。对阿里巴巴来说，这是个警讯，代表着“卖流量”这项生意开始出现危机。
以淘宝网来说，开始产生僧多粥少、流量不均状况。短短一年的巨变，网络卖家的感受更是深刻，一样是花同样的营销预算买流量，成效却远不及一年前成效的一半。其中，出现两个问题，第一是流量成长有限，第二是导流的对象不够精准。
于是，大数据营销有了施力点。网络流量不足不是问题，不精准才是大问题，流量不是“患寡而患不均”，而是“患不精准”，解决流量不精准的问题，才能有效提高广告营收。
电商成功获利的关键在集客，网络广告仍是集客最有效的方法，投放广告有四个考虑要件：选人、选广告、选预算、选产品。个别来说，品牌主首先要考虑的是，我要接触哪个对象，第二是选择商品，第三是我愿意花多少预算来接触这些人， 第四我要用什么样的广告创意来接触他们。
面对庞大陌生的消费者，没有逻辑与策略地投放广告，就像一场单凭运气的赌注。因此，选对人是有效投放广告的关键。
那么，我们该如何选对人说话？以淘宝商家为例，在广告投放上，除了选择版位外，也能选择标签人群名单投放，但深入去了解后，发现一般标签名单是传统人口统计分类：男性、女性、年龄、居住地、职业、消费偏好等特征。还记得前面提到的人口统计营销和大数据营销的差异吗？这些硬邦邦的人口标签，背后代表的意义其实是一批不变动的固定死名单，这些名单在大量曝光、打造品牌知名度，或是其他特别需求时适合使用，但是精准战中，就显得过于庞大失准。
说穿了，广告营销无效，是因为资料库的名单失效。想像一下，某位顾客是公务员，喜欢团购美食，之后离职换工作到美妆产业，转而开始热中于购买各类新奇美妆小物，但却因为起初的职业设定，让彩妆销售员误判“这不是我的广告投放目标”而错失机会；人天天在变，店铺的营运状况也天天在改变，传统标签的定义方式显然跟不上“快营销”的电商脚步。
而这些人口标签更因为店家的不同需求，急速扩充到近1000种，使得营销人员难以驾驭，只能凭经验推测，这次广告应该使用哪几个标签名单投放广告；庞大的名单数量，也使得营销人不得不花大笔预算投放，广告效果一翻两瞪眼。不是大好就是大坏，全凭运气。
看到苦于失准的广告投放名单而失血的淘宝商家，我们认为，应锁定三个目标聚焦，分别是：精准、动态、简化，藉由数据演算的动力，活化名单。
小而准数据炼金术：算出自己的顾客DNA
在过去，淘宝商家要针对新进产品——钢铁人的T恤投放广告，就只能以操作经验来判断，从一般标签中选择，男性、20至30岁、购物偏好英雄动漫、曾买过T恤这几项标签，锁定这些标签所产生的名单投放广告，借此找到钢铁人T恤的爱好者。
但仅仅这些标签名单加总起来，人数可能就高达数百万人，因为阿里巴巴资料库有上亿笔会员，店家若要全部投放，所需耗费的广告成本将非常高昂，对小店家来说，可能根本无力负担。而就算店家真的砸重金投放广告，广告效益如何呢？这些人购买钢铁人T恤的机率有多高呢？答案是：不确定、也不知道。
其实，找不到答案的最大的盲点在于，忽略了最珍贵、有效的数据就在身边，也就是自家曾经交易的会员数据资料。虽然不若阿里巴巴的总体会员是大数据，但却能精准勾勒出会购买你家商品的会员样貌。广告要命中，优势不在于接触的人很多，而是在于接触到广告的人都会买。
另外，我们再将“时间”这个变动要素加入演算，便能清楚了解你的会员中，哪些人第一次消费（新会员）、哪些人固定时间会回来消费（主力会员）、哪些人消费后，很久没有再回来购物（流失会员）；有了这些数据，营销上便能有凭有据的灵活运用，对主力会员投放活动讯息，持续提高贡献；对流失会员祭出回流方案广告，提醒这群人别忘了回来购物。
而对于潜在顾客的招募，透过分析自家“新会员”、“主力会员”的数据DNA，再到阿里巴巴大数据库“淘金”，挖掘出拥有相似DNA的潜在顾客投放广告，更能运用“标签智库”选择DNA序列相似的程度来进行不同策略的广告投放；如选择DNA相似程度仅放大5倍的淘宝会员，就像是近亲种子名单，消费行为非常相似，投递广告最精准；反之，若选择DNA相似程度放大30倍，就如同远亲，人群较多但消费行为相对较有差异，因此投递广告精准度稍微下降，但好处是曝光量较高。
阿里巴巴的数据，与电商店铺数据建立互补关系，前者提供整体市场样貌，后者精准掌握个别商家潜在顾客轮廓，让我们告别“猜”的不确定性，而名单精准收敛，更使投入的广告成本大幅降低，投资报酬率自然攀升。
实际使用精准标签（标签智库）以投放广告的淘宝商家，平均ROI比对原本用经验挑选的标签成效提升三至五倍，这就是精准数据营销的强大力量，用自己的数据，算自己的生意。
消费者动态标签：顾客变我们就变
一共两亿人次的淘宝会员天天在变，只靠一两个营销人员，绝对赶不上市场变化的速度，因此我们创造了“活的”标签，快速反应顾客需求。
什么是活的标签呢？
第一，所产出的种子名单，设定投放广告期间，将不断自动更新。昨天A会员还是潜在顾客，会收到吸引新客上门的广告，今天他上门购物，消费者动态标签就直接将他排除在“吸引新客”的广告名单之外，并转到“吸引二次购”的广告名单内，这样一来，不但广告费用能免于浪费，会员收到的广告也是相对有用的资讯。
第二，一旦A会员购买了B商家产品后，他的消费数据DNA也同步开始被自动分析，B商家的顾客轮廓将多一个样本值。可以想见，当愈多人购买你的商品，你将愈来愈了解什么样的人容易成为你的顾客，而且这次是扎扎实实地用数据计算出来的活标签，不只是经验谈。
最后，依据这些“活”的动态数据，就可以计算出7天后最有机会购买B商家产品的名单并投放广告，为营销人找到最可能花钱购买的顾客。
DNA演算法精准接触高贡献潜在顾客：动态“标签智库”以店铺观点出发，透过消费者DNA演算法，算出各店铺的消费者图像，并可依等比例放大范围。比如现有5000名曾经购买某产品的种子顾客，以他们为基准演算出DNA标签，根据DNA标签放大倍率5倍，这2万5000名就是极有可能购买该产品的潜在顾客。店铺可依广告投放预算决定倍数，但准确率与放大倍数成反比。
数据愈大，愈要简单：上千标签简化成19个
阿里巴巴每天产生的庞大数据量，一方面是庞大的数据金库，产出许多有价值的资料，但高达1000组的人群标签，也同时让营销人看花了眼，与其花费大把时间一一选择标签，营销结果还不一定准确，不如把时间还给策略思考和创意发想，所以数据愈大，营销人更需要用统计和科技简化决策流程。
多达1000个的人口特征标签，透过3个演算模型NES、LRFM （Length，顾客开始购买你家产品至今的时间长度。Recency，顾客最近一次来购物的时间。Frequency，顾客购物频繁程度，Monetary，顾客平均购物金额）及顾客下一次交易时间（Next Purchasing Time, NPT）。
将上千个标签改为简单清楚的6组动态及19种标签，6组动态包括“顾客动态”、“入店资历”、“购物情境”、“购物频率”、“购物金额”、“购物机率预测”。
运用这19个动态标签，就能做到精准广告投放应用，标签名单每24小时自动学习优化，让广告投放自己找到最适合的人。这19个标签并非是穷尽的概念，而是透过数据分析，让高达千组的人口标签简化至19个，降维到营销人可以有效处理的范畴，具体成效在于足以提升广告精准度，商家还可以搭配原本的一般标签做灵活变化。
营销操作变得简单上手，因为复杂的数据，已经透过背后统计，帮营销人运算完毕。未来电商店铺的无人化经营不再是理想，而是一定会发生的事。
找到顾客的19个动态标签：改变以人口统计营销（Profile Marketing）为分析的数百种标签，聚焦在LRFM顾客区隔＋NES顾客状态＋NPT下次购买时间等三大顾客分类法，共得出19个消费者动态标签，精准掌握你的顾客。
閱讀更多 創業雜燴 的文章
