今天我們先從用戶旅程的切角出發,可以搭配我整理的「AI行銷指標優化圖」一起閱讀,主要是從行銷團隊的視角,以行銷新手或行銷主管最關心的「如何獲取新客」與「會員經營與留存」,探討應優先改善的關鍵指標有哪些,然後分享幾個我自己對於AI行銷應用策略的看法。
「AI行銷指標優化圖」我在設計時切分三個維度:用戶旅程、AI行銷、行銷場景。
內容大致涵蓋瀏覽、註冊、首購、回購、流失、LTV等指標,行銷場景會稍微複雜一點,包含註冊斷點挽回、會員分群經營、高價值客群分析、新客首購優惠、流失會員挽回、首購交易時長...等,因為篇幅的關係(大腦腦力也有限XD)所以只會挑幾個項目來分享~
獲取新客、會員留存、流失換回這三件事,如果有在做會員經營與行銷的夥伴應該都不陌生,其中各大品牌最為關鍵的指標之一就是「獲取新客」,目標是將潛在客群變成註冊用戶或首購會員。
補充說明:
怕有些夥伴不是行銷人,稍作補充,行銷團隊通常會關注以下指標:會員註冊率(網站訪客轉為註冊會員的比例)、首購率(新註冊用戶完成首次購買的比例)、新客獲客成本(CAC)、廣告投資報酬率(ROAS) ...等(當然還有很多指標沒列出來)。
以下針對幾個核心指標,提供幾個AI可以運用的作法:
會員註冊率主要反映有多少訪客在經過我們行銷溝通後,願意填寫表單or註冊會員,數據的提升也意味著有更多潛在TA會進入到我們規劃的行銷漏斗中。
以下是幾個可以嘗試使用AI優化會員註冊率的策略:
新客的獲取渠道大致上可分為自然搜尋、社群行銷、廣告投放、網紅推薦等,其中不論是Meta Ads或Google Ads,其實都有AI篩選受眾或AI廣告投放的相關功能,可用來預測哪些受眾最可能對我們的產品/服務感興趣,然後將廣告投放給指定受眾,提高導流品質。
現行的廣告投放工具,幾乎都有優化廣告素材和Landing pagge內容的功能,最常見的是透過 A/B Test 實驗不同的標題、素材、CTA,對會員註冊率的影響。舉例來說,在線上課程的網站上,AI可生成多版本的廣告素材或行銷文案用來,測試哪種文案和內容最能吸引訪潛在TA註冊免費體驗課程。
首次造訪網站的陌生訪客,如果能很快看到跟自己需求相關的內容或優惠,會員註冊率也可能提升,透過AI做用戶行為預測,根據訪客在網站上的瀏覽與點擊行為,推薦商品或內容先提高訪客停留時間,後續再來加強會員註冊意願
也是一種策略。
會員註冊後,如何提升「會員首購率」也是衡量新客變現的重要指標。
如果我們想運用AI積極引導新會員完成首購,我想到的方法如下:
針對「註冊未購買」的會員,其實可以建立行銷自動化流程,但比較難的是如何設計個人化溝通機制。
之前有使用過CDP平台,然後用CDP內建的自動分群篩選出註冊後尚未首購的會員名單,定期透過APP push、EDM、LINE、SMS 推播專屬訊息促進首購。
這點應該很普遍,AI可以預測會員的偏好,提供合適商品與服務的建議。
比如可利用新客的瀏覽記錄與類似客群的行為,提供「猜你喜歡」的商品推薦,縮短從註冊到下單的猶豫時間。比較進階一點的作法,可嘗試搭配新客限定商品或新客專屬優惠,然後再讓AI預測的這群TA的消費潛力,對可能需要額外激勵的新會員提供更深的專屬折扣或會員首購禮,提升完成首購率。
很多客戶雖對產品有興趣,但可能卡在購買流程的最後一哩路,之前有使用過某些工具,可以協助優化結帳流程,例如偵測到使用者在購物車停留未付款時,自動跳出Chatbot或Pop-up詢問是否需要協助或提供免運誘因挽回訂單。其實目的都很明確,就是在顧客結帳前的最後一哩路,能夠想辦法讓他們轉單。
上面幾個作法分享,主要是希望透過AI的協助,讓新客獲取的效益能夠提升,引導更多註冊者成為首購會員,過程中當然也可透過不斷地測試,將新客獲取成本(CAC)降低。
但上述這些其實對於剛入門的數位行銷新手來說還是有點複雜,我建議先從數據收集相關設定著手,確保能先追蹤到正確的註冊及購買數據,然後再來思考如何應用AI工具進行廣告優化與會員溝通優化。最後才是根據每次行銷活動的數據結果,逐步調整溝通策略,才能將效益發揮到最大。
首購會員只是起點,真正的挑戰是是如何讓首購會員進行回購,持續帶來價值。
因此,「會員經營與留存」才是大魔王,常見的會員經營指標包括回購率、留存率、流失率、LTV等。
接下來簡單說明一下如何運用AI提升這些會員經營指標:
相較於會員註冊率、會員首購率,讓會員回購的溝通成本,理論上會更低,但這其實背後需要精準溝通策略。
我認為AI在這方面可以發揮強大的效益:
根據AI的預測分數,鎖定高潛力的回購客群進行重點式的溝通。
比如,AI可能發現某些客群每隔約30天就會回購保健品,則可在快到30天時自動觸發EDM推播優惠資訊,促進回購。
AI可以協助優化會員忠誠計畫,我想到的版本比較偏向透過數據分析與預測,找到哪一種專屬誘因最能促使不同客群回購,或者用讓AI協助設計會員積分兌換or會員專屬活動。
最近看到比較有趣的應用是,零售業可結合AI實現動態優惠(根據會員的回購傾向,也就是價格敏感度高低,提供差異化的優惠券。
如何降低會員的流失率也是做會員經營的一大難題。
我認為AI可以透過「預測」與「挽回」兩種數據協助降低流失率:
建立AI流失預測模型,然後針對特定會員的行為改變,比如購買頻率下降、瀏覽網站頻率降低、客服抱怨增加等,設計每位會員的風險分數(這邊我會建議團隊要有資料分析師或資料科學家協助)。
後續只要預測分析,就可以知道哪些客戶處於流失高風險,我們就可針對這些高風險客戶啟動會員挽留機制,比如發送關懷EDM、提供新品資訊、提供專屬優惠。
其實最快的方式就是打電話或者簡訊過去,但可以能會被客戶罵XDD 但目的是希望透過這種主動干預會員,將部分即將流失會員喚回。
不論是新客獲取還是舊客留存,這些都是本來就存在的任務,AI只是協助我們更有效率的分析與思考。但AI也不是萬能的,它的效果仰賴於數據的收集、數據的品質、行銷同仁的專業經驗相輔相成。
假如公司想要導入AI行銷解決方案時,記得要確保數據蒐集準確且完整,並要持續觀察模型預測的效益,適時調整與優化。
但AI是冰冷沒感情的,最終還是需要由行銷人來轉化成打動人心的內容與行銷活動,透過人機協作,我們可以更專注在做行銷決策和與思考與消費者的深度連結~
撰文/陳建夆