TWM634531U - 目標客群消費偏好行為觀察伺服器 - Google Patents
目標客群消費偏好行為觀察伺服器 Download PDFInfo
- Publication number
- TWM634531U TWM634531U TW111207473U TW111207473U TWM634531U TW M634531 U TWM634531 U TW M634531U TW 111207473 U TW111207473 U TW 111207473U TW 111207473 U TW111207473 U TW 111207473U TW M634531 U TWM634531 U TW M634531U
- Authority
- TW
- Taiwan
- Prior art keywords
- behavior
- virtual
- preference
- target customer
- consumption
- Prior art date
Links
Images
Landscapes
- Cash Registers Or Receiving Machines (AREA)
Abstract
一種目標客群消費偏好行為觀察伺服器包括記憶體、觀察條件接收模組及觀察結果產生模組。記憶體儲存複數人物誌型態及複數虛實融合行為偏好常模,其中各複數虛實融合行為偏好常模以複數人物誌型態為分類基礎。觀察條件接收模組產生觀察條件介面以接收一使用者由該複數人物誌型態指定其中之一之該人物誌型態。觀察結果產生模組訊號連接記憶體及觀察條件接收模組,觀察結果產生模組根據該指定之該人物誌型態由該複數虛實融合行為偏好常模產生目標客群消費偏好行為結果。
Description
本新型關於一種目標客群消費偏好行為觀察伺服器及方法,特別是一種利用虛實融合行為偏好常模並根據目標客群特徵及指定之人物誌型態產生對應指定之人物誌型態之目標客群消費偏好行為結果之目標客群消費偏好行為觀察伺服器及方法。
根據經濟部批發、零售及餐飲業營業額統計,受疫情影響,2020年3月綜合商品零售業營業額年減34.3%、百貨公司年減21.6%,主要應為。2020年第1季零售業網路銷售額年增19.1%,營業額來到811億元。如此消費板塊遞移現象,讓企業需重新思考行銷資源分配。過去實體門市與電商網購因科技進步逐漸打通隔閡,商品銷售朝向O2O(虛實整合,Online To Offline)發展,所謂O2O就是把線上(網路)的消費者,引導到線下(實體商店),讓網路數據流與實際人流得以轉換,進而提升門市業績。過去O2O的確帶來人流,但也存在挑戰。例如無法全面掌握消費者偏好,導致許多品牌投入大量行銷資源,最後卻發現「轉換率」甚低。有別於O2O,OMO(虛實融合,Online Merge Offline)則重視精準行銷模式,以人為
核心基礎,需掌握不同目標族群的消費行為,才能精準觸及每一位顧客,使路人變成會員,將會員變成粉絲,以消費者偏好為核心,強調提高會員黏著度,整體推升虛實通路營業額。
不論是O2O或OMO,概念看似簡單,但對企業而言實際執行起來相當困難。主要是因為虛實通路的消費型態有落差,因此要從實體跨向電商,或是從電商跨足門市,企業都需要對消費者偏好有足夠的理解。因此有必要提供一種能讓企業瞭解其目標客群的OMO偏好,依據OMO消費行為進行分類標籤,藉此,可針對不同類型的會員量身訂製行銷活動,以實施精準的行銷策略溝通之伺服器,實為一值得研究的課題。
本新型之主要目的係在提供一種利用虛實融合行為偏好常模並根據目標客群特徵及指定之人物誌型態產生對應指定之人物誌型態之目標客群消費偏好行為結果之目標客群消費偏好行為觀察伺服器。
本新型之另一主要目的係在提供一種利用虛實融合行為偏好常模並根據目標客群特徵及指定之人物誌型態產生對應指定之人物誌型態之目標客群消費偏好行為結果之目標客群消費偏好行為觀察方法。
為達成上述之目的,本新型之目標客群消費偏好行為觀察伺服器包括記憶體、觀察條件接收模組及觀察結果產生模組。記憶體儲存複數人物誌型態以及複數虛實融合行為偏好常模,其中各複數虛實融合行為偏好常模以複數人物誌型態為分類基礎。觀察條件接收模組產生觀察條件介面以接收一使用者由該複數人物誌型態指定其中之一之該人物誌型態。
觀察結果產生模組訊號連接記憶體及觀察條件接收模組,觀察結果產生模組根據指定之該人物誌型態由該複數虛實融合行為偏好常模產生對應指定之人物誌型態之目標客群消費偏好行為結果。
本新型另提供一種之目標客群消費偏好行為觀察方法,包括下列步驟:提供以複數人物誌型態為分類基礎之複數虛實融合行為偏好常模;接收由該複數人物誌型態指定其中之一之該人物誌型態;根據該指定之該人物誌型態由複數虛實融合行為偏好常模產生對應指定之人物誌型態之目標客群消費偏好行為結果。
本新型之零售消費行為觀察伺服器,以8類亞太人物誌模型觀察為基礎建構具有複數虛實融合行為偏好常模之消費偏好常模資料庫。蒐集跨世代消費者,在生活消費領域如食衣住行育樂面向,產業新零售虛實融合偏好行為等資訊,包含虛實融合導流方式、會員經營方式、通路經營方式及媒體偏好等內容。依據蒐集資料,建置餐飲與食品領域、健康與保健領域、個人與居家用品領域、教育與學習類領域、運動領域、娛樂領域、及/或旅遊領域之虛實融合行為常模資料庫資料,搭配人物誌資料庫,據以提供企業選擇適當消費者類型作為未來新零售通路目標對象行銷策略之擬定。
1:目標客群消費偏好行為觀察伺服器
10:記憶體
12:虛實融合行為偏好常模
123:虛實融合行為常模
124:虛實融合資源分配常模
20:觀察條件接收模組
21:觀察條件介面
22:目標客群特徵
23:人物誌型態
30:觀察結果產生模組
31、31a、31b:目標客群消費偏好行為結果
70:觀察規則
312:虛實融合資源佈局建議
313:虛實融合異業合作方式建議
314:媒體偏好結果
315:通路偏好結果
316:虛實融合導流偏好結果
317:會員經營偏好結果
90:客群屬性
8:使用者裝置
80:消費領域
311:虛實融合策略佈局建議
13:人物誌資料庫
圖1係本新型之目標客群消費偏好行為觀察伺服器之一實施例之硬體架構示意圖。
圖2係觀察條件介面之一實施例之示意圖。
圖3A係目標客群消費偏好行為結果之一實施例之示意圖之一。
圖3B係目標客群消費偏好行為結果之一實施例之示意圖之二。
圖3C係目標客群消費偏好行為結果之一實施例之示意圖之三。
圖4係本新型之目標客群消費偏好行為觀察方法之一實施例之步驟流程圖。
為能更瞭解本新型之技術內容,特舉較佳具體實施例說明如下。以下請一併參考圖1、圖2、圖3A至圖3C關於本新型之目標客群消費偏好行為觀察伺服器之一實施例之硬體架構示意圖、觀察條件介面之一實施例之示意圖、及目標客群消費偏好行為結果之一實施例之示意圖。
如圖1所示,本新型之目標客群消費偏好行為觀察伺服器1譬如是一台或數台電腦伺服器並可與一使用者裝置8訊號連接。在本實施例中,目標客群消費偏好行為觀察伺服器1包括記憶體10、觀察條件接收模組20及觀察結果產生模組30,其中觀察結果產生模組30訊號連接記憶體10及該觀察條件接收模組20。記憶體10可以是固定式或可移動式的非暫態的電腦可讀取儲存媒體,包括但不限於隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體、光碟、或其他類似元件、或上述元件的組合,記憶體10儲存人物誌資料庫13及複數虛實融合行為偏好常模12,其中人物誌資料庫13包括複數人物誌型態,本實施例之複數人物誌型態包括精算管家型、享樂翻糖型、知性陀飛輪型、神秘暹羅貓型、刻苦力爭型、積極開創型、決策苦手型及生
活從眾型。複數虛實融合行為偏好常模12以前述8種人物誌型態為分類基礎,並可進一步包括如年齡區段、複數性別、複數消費領域及/或複數就業狀態等分類指標。具體來說,本新型將所蒐集的Y世代、X世代與嬰兒潮世代消費者在不同消費領域量化的調查資料,分析其平均數、標準差、百分等級等數據,建立標準分數常模、建構組間常模、組內常模,並依據複數人物誌型態以產生複數人物誌型態對應之複數虛實融合行為偏好常模12。在本實施例中,複數虛實融合行為偏好常模12利用12,000份樣本建立兩種不同的實務常模服務方案:複數虛實融合資源分配常模124及複數虛實融合行為常模123,本實施例之複數虛實融合行為偏好常模12一共有65,952個行為常模,可用來解釋Y世代、X世代與嬰兒潮世代消費者在不同消費偏好行為的程度,未來只需透過產品之目標客群特徵22及人物誌型態23,即可顯示目標客群特徵22及人物誌型態23所屬分類中的各類虛實融合消費行為相對可能偏好程度。根據本新型之一具體實施例,各該虛實融合行為偏好常模12包括複數觀察指標與對應各該觀察指標之行為偏好統計數據,其中該複數觀察指標包括複數消費領域、複數人物誌類型、複數性別資料(如:男、女)、複數年齡段資料(如:1955年前生、1965前後生)、或世代別資料(如:Y世代、X世代)、或/及複數就業資料(是否就業)。
虛實融合資源分配常模124係由單一消費領域四類虛實融合行為,該些四類虛實融合行為為媒體偏好、通路偏好、導流偏好及會員經營偏好,其中媒體偏好有10種行為、通路偏好有6種行為、導流偏好有6種行為、及會員經營偏好有6種行為,共計28種虛實融合偏好行為。再透過複數人物誌型態、性別資料、年齡資料、就業狀況資料等基本屬性,定義出
64種不同之消費者特徵,由7大消費領域(餐飲與食品領域、健康與保健領域、個人與居家用品領域、教育與學習類領域、運動領域、娛樂領域、旅遊領域)、28種虛實融合偏好行為、64種消費者特徵等,建構出12,544種虛實融合資源分配常模124。虛實融合資源分配常模124可讓使用者只需輸入目標客群之人物誌型態及性別資料、年齡資料、就業狀況資料等觀察資訊,運用虛實融合資源分配常模124,就能夠顯示目標客群與其他所有類型比較的相對地位。有助於產業業者進行廣告投放、營銷經營資源配置之參考。使用虛實融合行為常模123,則協助政府相關單位及企業,從行為面的角度,瞭解特定消費者虛實融合行為類型的涉入程度,以及消費者同一種偏好行為在不同產業領域之間是否有差異,以觀察台灣特定消費者目前虛實融合行為成熟度。使用者只要輸入目標客群目標客群之人物誌型態及性別資料、年齡資料、就業狀況資料等觀察資訊,即能夠瞭解該種類型的消費者在虛實融合偏好行為的滲透度與跨業產度,作為擬訂未來行銷發展策略的重點依據。虛實融合行為常模123係由將7種消費領域、4類OMO行為偏好(媒體、通路、導流、會員經營),分別計算個別消費者得分情形;將消費者特徵依人物誌型態、性別、年齡、就業狀況,分別標記64種消費特徵;在將64種消費特徵、7種消費領域、4種OMO行為滲透度,組成巢狀樣態,分別計算OMO行為滲透度之平均數、標準差、前25%(第3四分位數)、中位數、後25%(第1四分位數)等數值,建構1,792組虛實融合行為常模123。
根據本新型之一具體實施例,虛實融合行為常模123更包括虛實融合行為滲透度指標與虛實融合行為跨業廣度指標,其中虛實融合行為滲透度指標為檢視4類虛實融合偏好行為中,消費者涉入/喜好程度,以
觀察該特徵之消費者虛實融合行為深度,其中虛實融合偏好行為為媒體偏好、通路偏好、虛實融合(OMO)導流偏好、及會員經營偏好。虛實融合行為滲透度指標的計算方式為分別計算4類虛實融合偏好行為消費者涉入/喜好的行為數。在本實施例中,媒體偏好共有10種行為,具體包括社群/粉絲團/部落格、入口網站/關字搜尋、電子郵件/電子報/DM、YouTube、Clubhouse/podcast、論壇、電視、平面媒體、各品牌/店家APP、及內容網站。通路偏好共有6種行為,具體包括品牌門市/餐廳、連鎖通路、品牌官網、品牌/餐廳APP、購物網站/APP、及電話購買(電銷)。導流偏好共有6種行為,具體包括線上下單到店取貨、使用門市優惠券、參與門市活動、註冊會員、下載APP、及門市購買線上積點。會員經營偏好共有6種行為,具體包括會員紅利積點/里程回饋、會員限量/限時搶購、會員獨家折扣、會員專屬現金回饋、會員獨家贈品、及專屬你個人的推薦服務。前述各類虛實融合偏好行為,計算勾選項目數即為該行為滲透度分數,勾選項目越多,代表該領域消費時,該項虛實融合行為滲透度越高。
虛實融合行為跨業廣度指標為檢視前述28種虛實融合偏好行為中,消費者在7種消費領域涉入/喜好的情況。用以觀察目標客群消費者虛實融合行為廣度。企業能夠使用虛實融合行為跨業廣度判斷特定消費者的偏好行為強度,並檢視該偏好行為是只侷限在少數領域,或是在各種領域都會使用或喜好。虛實融合行為跨業廣度指標計算方式為分別計算28種虛實融合行為(媒體10種、通路6種、導流6種、會員經營6種),消費者在7大消費領域(餐飲與食品領域、健康與保健領域、個人與居家用品領域、教育與學習類領域、運動領域、娛樂領域、旅遊領域)涉入/喜好的行為數。
以虛實融合偏好下單一行為,在不同消費領域出現之數量,即為該行為廣度分數,單一行為出現在不同領域數越多,代表該項虛實融合行為廣度越高。
如圖1與圖2所示,觀察條件接收模組20於使用者裝置8之顯示螢幕產生觀察條件介面21,以供使用者於對應的欄位中填入觀察條件。在本實施例中,觀察條件介面21可供使用者填入的觀察條件包括消費領域80、人物誌型態23及目標客群特徵22、22a、22b,其中消費領域80包括餐飲與食品領域、健康與保健領域、個人與居家用品領域、教育與學習類領域、運動領域、娛樂領域、及/或旅遊領域;人物誌型態23為8種人物誌型態;目標客群特徵22為性別、目標客群特徵22a為世代別、目標客群特徵22b為就業狀態。使用者可分別於每個欄位中指定欲觀察之目標客群的條件。
以圖2的例子來說,使用者指定之觀察條件為:消費領域80為餐飲與食品領域;人物誌型態23為享樂翻糖型之人物誌型態;目標客群特徵22為女性、目標客群特徵22a為Y世代、目標客群特徵22b為有就業。觀察條件接收模組20接收前述之目標客群之人物誌型態23及目標客群特徵22、22a、22b後,觀察結果產生模組30根據所接收之觀察條件利用複數虛實融合行為偏好常模12中之與觀察條件接收模組20所接收之觀察條件相對應之複數觀察指標與對應各該觀察指標之行為偏好統計數據產生如圖3A至圖3C所示之一目標客群消費偏好行為結果31、31a、31b。指定之該人物誌型態23、目標客群特徵22為女性、目標客群特徵22a為Y世代、目標客群特徵22b為有就業產生如圖3A至圖3C所示對應指定之該人物誌型態
23、女性、Y世代、有就業之一目標客群消費偏好行為結果31、31a、31b。本實施例之目標客群消費偏好行為結果31、31a、31b包括一虛實融合策略佈局建議311如圖3A所示、一虛實融合資源佈局建議312如圖3B所示、一虛實融合異業合作方式建議313如圖3C所示。且如圖3A至圖3C所示,虛實融合策略佈局建議311、虛實融合資源佈局建議312、虛實融合異業合作方式建議313皆包括一媒體偏好結果314、314a、314b、一通路偏好結果315、315a、315b、一虛實融合導流偏好結果316、316a、316b、及/或一會員經營偏好結果317、317a、317b。
如圖3A所示,在本實施例中,目標客群消費偏好行為結果31顯示針對享樂翻糖型之人物誌型態;目標客群特徵22為女性、目標客群特徵22a為Y世代、目標客群特徵22b為有就業產生之虛實融合策略佈局建議311,也是虛實融合行為常模123之虛實融合行為滲透度指標產生的結果,此結果可觀察特定消費性格客群(人物誌型態),在4類消費偏好行為何種消費行為較具佈局優勢,可由偏好行為觀察,當出現該類行為平均次數越高時,代表業者進行虛實融合佈局時,可投注之方向。可參考4類虛實融合消費行為,越靠上方者,資源投注比例建議越高,建議關注項目以「平均~最高」數為主。如圖3A所示,在本實施例中,這類消費者在餐飲領域,媒體偏好中,享樂翻糖型之人物誌型態女性、Y世代(26-40歲)有就業的消費者在媒體偏好的10種消息來源管道中,使用將近3種左右的消息來源管道;通路偏好中消費者使用不到2種管道進行消費行為;OMO導流偏好中消費者偏好的深度平均為2.2;會員經營偏好的平均為2.5。
如圖3B所示,在本實施例中,目標客群消費偏好行為結果31a顯示針對享樂翻糖型之人物誌型態;目標客群特徵22為女性、目標客群特徵22a為Y世代、目標客群特徵22b為有就業產生之虛實融合資源佈局建議312,由虛實融合資源分配常模124產生,虛實融合資源佈局建議312可觀察特定消費性格客群,在4類消費偏好行為何種行為較具優勢,當出現該類行為頻率占比越高時,代表業者進行OMO資源佈局時,可投注之方向。可參考4類OMO消費行為,4大偏好中比例越高的項目,建議可以投注較多資源。建議依虛實融合資源佈局建議312選擇,例如虛實融合資源佈局建議312媒體偏好平均2個,則可選擇媒體偏好中最高的2種模式投入資源。
如圖3B所示,在本實施例中,由虛實融合資源佈局建議312可知,此類消費者使用實體通路比例高,即透過品牌門市/餐廳(50.8%)與連鎖通路(32.3%)進行餐飲消費,但此類消費者有將三成左右的消費者會使用線上的消費通路,包含購物網站/App(36.4%)與品牌/餐廳App(33.2%),整體而言實體通路略大於虛擬通路,除了電銷(14.7%)之外,其餘通路皆有將近三成以上的消費者會使用,多元性高。虛實融合導流偏好中,偏好廣度最高的為註冊會員與門市購買線上積點,說明這個類型的消費者在4個領域以上皆偏好這兩類的導流活動。若企業以此類消費者作為目標客戶,且要一次針對多種領域推出促銷活動,即請客戶註冊會員與門市購買線上積點兩種活動的效果最好
如圖3C所示,在本實施例中,目標客群消費偏好行為結果31b顯示針對享樂翻糖型之人物誌型態;目標客群特徵22為女性、目標客群特徵22a為Y世代、目標客群特徵22b為有就業產生之虛實融合異業合作
方式建議313,也是虛實融合行為常模123之虛實融合行為跨業廣度指標產生的結果,藉此可觀察特定消費性格客群(特定人物誌型態),在4類消費偏好行為中何種行為較具優勢,當出現該類行為頻率占比越高時,代表業者進行OMO資源佈局時,可投注之方向。可參考4類OMO消費行為,4大偏好中比例越高的項目,即為可進行異業結盟合作。數值代表跨領域合作的強度。舉例而言,在媒體偏好(OMO行為)中的「社群/粉絲團/部落格」行為,若某特徵消費者在7大消費領域中,共有6個領域都出現此行為。則該偏好行為廣度中,得分6分,以該特徵消費者為目標客群的企業可多投注心力進行異業結盟合作。
需注意的是,上述各個模組除可配置為硬體裝置、軟體程式、韌體或其組合外,亦可藉電路迴路或其他適當型式配置;並且,各個模組除可以單獨之型式配置外,亦可以結合之型式配置。一個較佳實施例是各模組皆為軟體程式儲存於記憶體上,藉由目標客群消費偏好行為觀察伺服器1中的一處理器(圖未示)執行各模組以達成本新型之功能。此外,本實施方式僅例示本新型之較佳實施例,為避免贅述,並未詳加記載所有可能的變化組合。此外,在本新型之一具體實施例中,係以PHP動態網頁開發語言(PHP:Hypertext Preprocessor)方式建置,目標客群消費偏好行為觀察伺服器1之功能介面。
以下請繼續參考圖1、圖2、圖3A至圖3C,並一起參考圖4關於本新型之目標客群消費偏好行為觀察方法之一實施例之步驟流程圖。如圖4所示,本新型之目標客群消費偏好行為觀察方法包括步驟S1至步驟S3,以下詳細說明各步驟。
步驟S1:提供以複數人物誌型態為分類基礎之複數虛實融合行為偏好常模。
本新型之複數虛實融合行為偏好常模12係以複數人物誌型態為分類基礎,本實施例之複數人物誌型態包括精算管家型、享樂翻糖型、知性陀飛輪型、神秘暹羅貓型、刻苦力爭型、積極開創型、決策苦手型及生活從眾型。複數虛實融合行為偏好常模12以前述8種人物誌型態為分類基礎,並可進一步包括如年齡區段、複數性別、複數消費領域及/或複數就業狀態等分類指標。具體來說,本新型將所蒐集的Y世代、X世代與嬰兒潮世代消費者在不同消費領域量化的調查資料,分析其平均數、標準差、百分等級等數據,建立標準分數常模、建構組間常模、組內常模,並依據複數人物誌型態以產生複數人物誌型態對應之複數虛實融合行為偏好常模12。在本實施例中,複數虛實融合行為偏好常模12包括複數虛實融合資源分配常模124及複數虛實融合行為常模123,複數虛實融合行為偏好常模12利用12,000份樣本建立兩種不同的實務常模服務方案:複數虛實融合資源分配常模124及複數虛實融合行為常模123,本實施例之複數虛實融合行為偏好常模12一共有65,952個行為常模,可用來解釋Y世代、X世代與嬰兒潮世代消費者在不同消費偏好行為的程度,未來只需透過產品之目標客群特徵22及人物誌型態23,即可顯示目標客群特徵22及人物誌型態23所屬分類中的各類虛實融合消費行為相對可能偏好程度。根據本新型之一具體實施例,各該虛實融合行為偏好常模12包括複數觀察指標與對應各該觀察指標之行為偏好統計數據,其中該複數觀察指標包括複數消費領域、複數人物誌類
型、複數性別資料(如:男、女)、複數年齡段資料(如:1955年前生、1965前後生)、或世代別資料(如:Y世代、X世代)、或/及複數就業資料(是否就業)。
虛實融合資源分配常模124係由單一消費領域四類虛實融合行為(媒體偏好、通路偏好、導流偏好及會員經營偏好),其中媒體偏好有10種行為、通路偏好有6種行為、導流偏好有6種行為、及會員經營偏好有6種行為,共計28種虛實融合偏好行為。透過複數人物誌型態、性別資料、年齡資料、就業狀況資料等基本屬性,定義出64種不同之消費者特徵,由7大消費領域(餐飲與食品領域、健康與保健領域、個人與居家用品領域、教育與學習類領域、運動領域、娛樂領域、旅遊領域)、28種虛實融合偏好行為、64種消費者特徵等,建構出12,544種虛實融合資源分配常模124。虛實融合資源分配常模124可讓使用者只需輸入目標客群之人物誌型態及性別資料、年齡資料、就業狀況資料等資訊,運用虛實融合資源分配常模124,就能夠顯示目標客群與其他所有類型比較的相對地位。有助於產業業者進行廣告投放、營銷經營資源配置之參考。使用虛實融合行為常模123,則協助政府相關單位及企業,從行為面的角度,瞭解特定消費者虛實融合行為類型的涉入程度,以及消費者同一種偏好行為在不同產業領域之間是否有差異,以觀察台灣特定消費者目前虛實融合行為成熟度。使用者只要輸入目標客群目標客群之人物誌型態及性別資料、年齡資料、就業狀況資料等資訊,即能夠瞭解該種類型的消費者在虛實融合偏好行為的滲透度與跨業產度,作為擬訂未來行銷發展策略的重點依據。虛實融合行為常模123係由7種消費領域、4類OMO行為偏好(媒體、通路、導流、會員經營),分別計算個別消費者得分情形;將消費者特徵依人物誌型態、性別、年齡、就業
狀況,分別標記64種消費特徵;在將64種消費特徵、7種消費領域、4種OMO行為滲透度,組成巢狀樣態,分別計算OMO行為滲透度之平均數、標準差、前25%(第3四分位數)、中位數、後25%(第1四分位數)等數值,建構1,792組虛實融合行為常模123。
虛實融合行為常模123更包括虛實融合行為滲透度指標與虛實融合行為跨業廣度指標,其中虛實融合行為滲透度指標為檢視4類虛實融合偏好行為中,消費者涉入/喜好程度,以觀察該特徵之消費者虛實融合行為深度,其中虛實融合偏好行為為媒體偏好、通路偏好、虛實融合(OMO)導流偏好、及會員經營偏好。虛實融合行為滲透度指標的計算方式為分別計算4類虛實融合偏好行為消費者涉入/喜好的行為數。在本實施例中,媒體偏好共有10種行為,具體包括社群/粉絲團/部落格、入口網站/關字搜尋、電子郵件/電子報/DM、YouTube、Clubhouse/podcast、論壇、電視、平面媒體、各品牌/店家APP、及內容網站。通路偏好共有6種行為,具體包括品牌門市/餐廳、連鎖通路、品牌官網、品牌/餐廳APP、購物網站/APP、及電話購買(電銷)。導流偏好共有6種行為,具體包括線上下單到店取貨、使用門市優惠券、參與門市活動、註冊會員、下載APP、及門市購買線上積點。會員經營偏好共有6種行為,具體包括會員紅利積點/里程回饋、會員限量/限時搶購、會員獨家折扣、會員專屬現金回饋、會員獨家贈品、及專屬你個人的推薦服務。前述各類虛實融合偏好行為,計算勾選項目數即為該行為滲透度分數,勾選項目越多,代表該領域消費時,該項虛實融合行為滲透度越高。
虛實融合行為跨業廣度指標為檢視前述28種虛實融合偏好行為中,消費者在7種消費領域涉入/喜好的情況。用以觀察目標客群消費者虛實融合行為廣度。企業能夠使用虛實融合行為跨業廣度判斷特定消費者的偏好行為強度,並檢視該偏好行為是只侷限在少數領域,或是在各種領域都會使用或喜好。虛實融合行為跨業廣度指標計算方式為分別計算28種虛實融合行為(媒體10種、通路6種、導流6種、會員經營6種),消費者在7大消費領域(餐飲與食品領域、健康與保健領域、個人與居家用品領域、教育與學習類領域、運動領域、娛樂領域、旅遊領域)涉入/喜好的行為數。以虛實融合偏好下單一行為,在不同消費領域出現之數量,即為該行為廣度分數,單一行為出現在不同領域數越多,代表該項虛實融合行為廣度越高。
步驟S2:接收由該複數人物誌型態指定其中之一之該人物誌型態。
如圖1與圖2所示,觀察條件接收模組20於使用者裝置8之顯示螢幕產生觀察條件介面21,以供使用者於對應的欄位中填入觀察條件。在本實施例中,觀察條件介面21可供使用者填入的觀察條件包括消費領域80、人物誌型態23及目標客群特徵22、22a、22b,其中消費領域80包括餐飲與食品領域、健康與保健領域、個人與居家用品領域、教育與學習類領域、運動領域、娛樂領域、及/或旅遊領域;人物誌型態23為8種人物誌型態;目標客群特徵22為性別、目標客群特徵22a為世代別、目標客群特徵22b為就業狀態。使用者可分別於每個欄位中指定目標客群的目標客群特徵22及人物誌型態23。以圖2的例子來說,使用者指定之消費領域80為餐飲
與食品領域;人物誌型態23為享樂翻糖型之人物誌型態;目標客群特徵22為女性、目標客群特徵22a為Y世代、目標客群特徵22b為有就業。
步驟S3:根據該指定之該人物誌型態由該複數虛實融合行為偏好常模產生對應指定之該人物誌型態之一目標客群消費偏好行為結果。
觀察條件接收模組20接收前述之觀察條件(人物誌型態23及目標客群特徵22、22a、22b)後,觀察結果產生模組30所接收之觀察條件利用複數虛實融合行為偏好常模12中之與觀察條件接收模組20所接收之觀察條件相對應之複數觀察指標與對應各該觀察指標之行為偏好統計數據產生如圖3A至圖3C所示之一目標客群消費偏好行為結果31、31a、31b。如圖3A至圖3C所示之對應指定之該人物誌型態23、女性、Y世代、有就業之一目標客群消費偏好行為結果31、31a、31b。本實施例之目標客群消費偏好行為結果31、31a、31b包括根據觀察規則70與目標客群特徵22及人物誌型態23產生之一虛實融合策略佈局建議311如圖3A所示、一虛實融合資源佈局建議312如圖3B所示、一虛實融合異業合作方式建議313如圖3C所示。且如圖3A至圖3C所示,虛實融合策略佈局建議311、虛實融合資源佈局建議312、虛實融合異業合作方式建議313皆包括一媒體偏好結果314、314a、314b、一通路偏好結果315、315a、315b、一虛實融合導流偏好結果316、316a、316b、及/或一會員經營偏好結果317、317a、317b。在此須注意的是,目標客群消費偏好行為結果31、31a、31b的內容已於前段詳細說明,故不再贅述,請參考相關段落。
本新型之目標客群消費偏好行為觀察伺服器1及方法依據複數虛實融合行為偏好常模12結果顯示,分別出現指定目標客群特徵22及人
物誌型態23零售消費偏好行為,並考提供三項觀察指標:虛實融合策略佈局建議311、虛實融合資源佈局建議312、虛實融合異業合作方式建議313。
應注意的是,上述諸多實施例僅係為了便於說明而舉例而已,本新型所主張之權利範圍自應以申請專利範圍所述為準,而非僅限於上述實施例。
1:目標客群消費偏好行為觀察伺服器
10:記憶體
12:虛實融合行為偏好常模
123:虛實融合行為常模
124:虛實融合資源分配常模
20:觀察條件接收模組
31:目標客群消費偏好行為結果
8:使用者裝置
13:人物誌資料庫
22:目標客群特徵
23:人物誌型態
30:觀察結果產生模組
Claims (7)
- 一種目標客群消費偏好行為觀察伺服器,該目標客群消費偏好行為觀察伺服器包括:一記憶體,用於儲存複數人物誌型態以及複數虛實融合行為偏好常模,其中各該複數虛實融合行為偏好常模係以該複數人物誌型態為分類基礎;一處理器,包括:一觀察條件接收模組,產生一觀察條件介面以接收一使用者由該複數人物誌型態指定其中之一之該人物誌型態;以及一觀察結果產生模組,訊號連接該記憶體及該觀察條件接收模組,該觀察結果產生模組根據該指定之該人物誌型態由該複數虛實融合行為偏好常模產生對應指定之該人物誌型態之一目標客群消費偏好行為結果。
- 如請求項1所述之目標客群消費偏好行為觀察伺服器,該目標客群消費偏好行為結果包括觀察一虛實融合策略佈局建議、一虛實融合資源佈局建議、及/或一虛實融合異業合作方式建議。
- 如請求項2所述之目標客群消費偏好行為觀察伺服器,該虛實融合策略佈局建議、該虛實融合資源布局建議、及/或該虛實融合異業合作方式建議皆包括一媒體偏好結果、一通路偏好結果、一虛實融合導流偏好結果、及/或一會員經營偏好結果。
- 如請求項1所述之目標客群消費偏好行為觀察伺服器,其中該複數虛實融合行為偏好常模更包括複數分類指標,該複數分類指標包括年齡區段、複數性別、複數消費領域及/或複數就業狀態等分類指標。
- 如請求項4所述之目標客群消費偏好行為觀察伺服器,其中該觀察條件接收模組更接收一年齡區段、一性別資料、一消費領域資料及/或一就業狀態資訊,以供該觀察結果產生模組根據該年齡區段、該性別資料、及/或該就業狀態資訊產生對應指定之該人物誌型態、該年齡區段、該性別資料、及/或該就業狀態資訊之該目標客群消費偏好行為結果。
- 如請求項1所述之目標客群消費偏好行為觀察伺服器,其中該複數虛實融合行為偏好常模包括複數虛實融合資源分配常模,其係由複數消費領域、複數種虛實融合偏好行為,依據複數人物誌型態、複數性別資料、複數年齡資料、複數就業狀況資料定義之複數種消費者特徵,再由該複數消費領域、該複數種虛實融合偏好行為及該複數種消費者特徵建構而成。
- 如請求項6所述之目標客群消費偏好行為觀察伺服器,其中該複數虛實融合行為偏好常模包括複數虛實融合行為常模,其係依據該複數消費者特徵、複數消費領域、複數類虛實融合行為的複數種虛實融合偏好行為之行為滲透度,組成巢狀樣態,分別計算行為滲透度之平均數、標準差、第3四分位數、中位數、第1四分位數建構而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111207473U TWM634531U (zh) | 2022-07-12 | 2022-07-12 | 目標客群消費偏好行為觀察伺服器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111207473U TWM634531U (zh) | 2022-07-12 | 2022-07-12 | 目標客群消費偏好行為觀察伺服器 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM634531U true TWM634531U (zh) | 2022-11-21 |
Family
ID=85784892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111207473U TWM634531U (zh) | 2022-07-12 | 2022-07-12 | 目標客群消費偏好行為觀察伺服器 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM634531U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI831287B (zh) * | 2022-07-12 | 2024-02-01 | 財團法人商業發展研究院 | 目標客群消費偏好行為觀察系統及方法 |
-
2022
- 2022-07-12 TW TW111207473U patent/TWM634531U/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI831287B (zh) * | 2022-07-12 | 2024-02-01 | 財團法人商業發展研究院 | 目標客群消費偏好行為觀察系統及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cheng et al. | Social influence's impact on reader perceptions of online reviews | |
Cruz-Cárdenas et al. | Drivers of technology readiness and motivations for consumption in explaining the tendency of consumers to use technology-based services | |
Cheung et al. | Driving healthcare wearable technology adoption for Generation Z consumers in Hong Kong | |
Gani et al. | An integrated model to decipher online food delivery app adoption behavior in the COVID-19 pandemic | |
Sheu et al. | Relationship of service quality dimensions, customer satisfaction and loyalty in e-commerce: a case study of the Shopee App | |
Guo et al. | Webrooming or showrooming? The moderating effect of product attributes | |
Guo et al. | Exploring the relationship between social commerce features and consumers’ repurchase intentions: the mediating role of perceived value | |
Fernando et al. | What do consumers want? A methodological framework to identify determinant product attributes from consumers’ online questions | |
TWM634531U (zh) | 目標客群消費偏好行為觀察伺服器 | |
Li et al. | Consumer behavior in China and Russia: Comparative analysis | |
Huynh et al. | How to purchase an order from brick and mortar retailers during COVID-19 pandemic? A rise of crowdshipping | |
Wang et al. | Trust in human and virtual live streamers: The role of integrity and social presence | |
Verma et al. | The effect of price verification, product display, assortment satisfaction upon overall satisfaction, online repatronage intention, and customer loyalty | |
Nagy et al. | Augmented reality improving consumer choice confidence during COVID-19. | |
Roy et al. | Role of artificial intelligence in gamification for the emerging markets | |
Najjar | Relational perspectives of perceived service quality in the online and offline environments: a meta-analysis | |
Reyes-Menendez et al. | Identifying key performance indicators for marketing strategies in mobile applications: A systematic literature review | |
Dong | Analysis on influencing factors of consumer trust in E-commerce marketing of green agricultural products based on big data analysis | |
TWI831287B (zh) | 目標客群消費偏好行為觀察系統及方法 | |
Lun et al. | CONCEPTUAL FRAMEWORK FOR THE DETERMINANTS OF USER SATISFACTION AND ITS EFFECT ON ELECTRONIC WORD-OF-MOUTH ON ONLINE GROCERY | |
Singhal | Segmenting and Targeting Fashion Consumers Using Social Media: A Study of Consumer Behaviour | |
Pokrovskii | Study on customer behavior analysis using machine learning | |
Marchiori et al. | Digital marketing: a quantitative approach on the scientific production | |
CN113538090B (zh) | 基于dikw图谱的虚拟社区人员性格分析及内容推送方法 | |
Khan et al. | Elevating Consumer Purchase Intentions in Pakistan: The Power of Digital Marketing |