當台灣 Ariel 品牌洗衣精折價時,購買人數是沒有折價消費人口的 6.33 倍,可是橘子工坊折價的購買人數,是沒有折價的 12.43 倍
如果觀察家覺得字體太小不易閱讀,不妨可以聽聽看
許多消費者都喜歡趁著周年慶商品打折的時後購買商品,打折降價的商品確實可以吸引許多消費者購買商品,許多的通路、品牌喜歡找一些理由,讓更多的消費者有購買商品的機會,因此消費者幾乎每一天都可以看到貨架上總是有一些商品正在特價。觀察家是否曾經特別留意某項商品降價的週期呢?是否評估過商品降價對品牌帶來了什麼效益呢?究竟是商品降價比較好呢?還是之前曾與觀察家討論過的加價購或者是滿額禮可以帶來更多的好處呢?由於每一個消費者願意購買一件商品的價格都不一樣,商品週期性或預告性的降價,可以讓平時買不起或不願意以超出預期價格購買的消費者,有試用與購買的機會,而這些消費者付出的代價與成本就是時間,需要等候每年的雙十一或者周年慶,才有機會購買自己想要的商品。
角度數據隨機觀察市面上常見的衣物清潔品牌 Ariel 與橘子工坊,Ariel 是寶僑旗下知名的洗衣精品牌,在日本銷售量居高不下,在台灣也累積一定數量的愛好者。橘子工坊是天然潔品領航者也是台灣本土知名的衣物清潔品牌,在量販通路排行榜上,也是不曾缺席的品牌之一。角度數據觀察 Ariel 與橘子工坊這兩個品牌在折扣降價期間的消費人數,對比降價結束後購買的消費者人數,計算降價期間與降價結束後每天平均的消費者人數。假設品牌業者有一場連續 14 天的折扣活動,該活動自然的吸引消費者購買商品,角度數據將活動期間 14 天內統計到的總消費人數除以 14 ,計算得到平均一天的購買商品的消費人數,接著觀察折扣活動結束後 14 天內的消費人數,同樣取得平均每一天的消費人數,經過若干次活動的反覆觀察後,發現 Ariel 品牌洗衣精折價時,購買人數是沒有折價消費人口的 6.33 倍,這個實驗的前題假設是洗衣精品牌折扣當下,想要在這段時間購買洗衣精的消費者,都可以購買到需要的商品,沒有商品短缺或供貨不足的現象,如果商品折扣結束 14 天內,有 100 位消費者購買 Ariel 品牌洗衣精,則在折扣的 14 天內將會累積 633 位消費者購買 Ariel 品牌的商品。 如果商品折扣結束 14 天內,有 100 位消費者購買橘子工坊品牌洗衣精,則在折扣的 14 天內將會累積 1243 位消費者購買橘子工坊品牌的商品。數據資料顯示,橘子工坊品牌洗衣精的降價可以吸引到更多的消費者,或許橘子工坊品牌洗衣精的消費者有比較高的機率是屬於價格敏感型消費者,有較高比例的消費族群會留意商品的折扣訊息,造成橘子工坊品牌洗衣精有更多的消費者會在折扣區間內出現。
觀察家可以進一步了解數據資料,假設所有購買 Ariel 與橘子工坊品牌的消費者,在商品折扣的時候都只能購買一件商品,許多的賣場都會以一卡限購的方式避免消費者買不到商品,如果觀察家希望重複進行測試,在現實情況下都是有機會可以辦到。假設商品折扣與消費者增長人數有線性關係,對此感興趣的觀察家可以研究真實狀況是否真的會呈現線性關係,在此角度數據簡化各種複雜的變化。接下來,觀察家可以將資料製成一張圖表以方便理解,圖表的橫軸坐標如果是 1 ,表示商品以 100% 的價格出售,也就是消費者以原來的價格購買商品,如果橫軸的坐標數值是 1.5 ,表示商品可能受到通貨膨脹或其他因素造成商品漲價,商品的價格變成原來價格的 1.5 倍,如果橫坐標的數值是 0.8 ,表示商品可能因促銷活動造成商品價格下降,商品的價格變成原來價格的 0.8 倍。圖表的縱軸的數字表示消費人口的變化,如果每一個人都只能購買一件商品,縱軸也可以代表商品銷售數量的變化。圖表的紅色線條表示當 Ariel 品牌商品打 8 折的時後,消費人口將會增長 6.33 倍,藍色線條表示當橘子工坊品牌商品打 79 折的時後,消費人口將會增長 12.43 倍。圖表顯示,折扣對橘子工坊品牌的影響比較大,在同樣的時間區間內,橘子工坊品牌進行行銷活動可以得到 9.82 的效益,而 Ariel 品牌進行行銷活動僅可以得到 5.06 的效益,同樣是進行商品打 8 折的行銷活動,不同品牌獲得的效益完全不一樣,或許 Ariel 品牌進行行銷成本比較高,因為 Ariel 品牌商品售價比較高,打八折吸引消費者購買造成品牌價值下降比橘子工坊品牌更多,觀察家覺得同樣的行銷策略可以使用在所有商品嗎?
或許角度數據的抽樣資料並不完整,無法代表全台灣真實的消費狀況,但是觀察消費的趨勢與動向應該仍有參考的價值,或許某大型店商的觀察家也將 Ariel 與橘子工坊這兩個品牌進行分析比較,可能得到的數值與角度數據計算出來的數值不相同,但是應該同樣可以得到橘子工坊的消費者比 Ariel 品牌的消費者更喜歡在商品折扣時進行消費的結論。角度數據認為從消費數據中,可以觀察出某些關聯性,從圖表的高低變化可以看到一些蛛絲馬跡,透過系統可以提供店家決策的參考訊息,觀察家希望利用這些蛛絲馬跡,希望在做決策的時候有參考的依據,這些都必須在平時就做好準備,提前佈署收集可能會用到的數據資料,數位轉型的第一步就是將未來可能會用到的數據資料數位化,提高公司數據資產的使用率,古人常常有書到用時方恨少之感慨,現今的觀察家不時有制定決策數據少之遺憾,角度數據希望觀察家可以在角度數據的協助下減少這些遺憾。
資料來源:角度數據 2024 年消費者消費交易資料庫
Comments