分享在 facebook
分享在 linkedin
分享在 twitter
分享在 facebook
分享在 linkedin
分享在 twitter

酷碰行銷就該這麼作,確保優惠券只送到需要的人手上!

顧客喜歡酷碰/優惠券是不爭的事實。光是去年,全球消費者總共就使用了將近310億張電子優惠券,與2014年的140億張相較,可知優惠券是非常有效且直接的行銷手法。

優惠券不但能增加銷售業績與轉換率,更是提升顧客互動與品牌形象的利器。優惠券如果加入追蹤碼,行銷人也能輕易地追蹤並評量客戶關係經營成效。

優惠券行銷雖然有效,但若要讓廣告預算的效益最大化的話,還必須訂定明確的目標,深入了解受眾,並建立令人難以抗拒的優惠與文案。

傳統的方式是向所有人提供優惠,若能只針對「差一點推力就願意消費」的顧客進行精準行銷,就能降低優惠券行銷所需的費用並提升利潤。那麼,企業該如何辨別這些猶豫客,並鼓勵他們使用優惠呢?

 

以顧客意圖識別出你要的受眾

過去,行銷人仰賴假設與個人經驗來尋找最可能被折扣優惠所吸引的消費者;而現在,進階的機器學習技術可以幫助企業更快速且更精準地完成此任務。

企業在取得顧客同意之後所蒐集的線上行為資料可運用機器學習技術分析,並藉此掌握顧客的消費意向,例如:消費者檢視特定商品的方式、網頁上移動的軌跡、停留在某個區塊的時間與瀏覽圖片的方式等。

機器學習技術在處理這些資料後,便能輕易判別「已決定要購買」的顧客與「單純逛逛」但沒有實際購買意願的過客。此外,機器學習也能辨識出「猶豫型消費者」,也就是表現出猶豫不決的跡象的訪客。

猶豫型的消費者仍然處於衡量商品各方利弊的階段,他們正在找理由說服自己購買。此時,數位優惠券可能就是驅使他們下定決心的關鍵因素。一項研究指出,三分之二的受訪消費者表示自己曾經因為找到適合的折價券或優惠而購買了本來不打算購買的商品。由此可知,行銷部門若能將資源集中在這類猶豫客身上,必能降低行銷成本、提升銷售業績。

 

透過A/B測試找出最有效的折扣優惠

在識別出猶豫型的顧客後,接下來必須找到適合的優惠方案,才能設計出令他們難以抗拒的折價券。

在選擇優惠方案時,除了傳統的A/B測試(比如說將五折折價券發送給一半的顧客,另將免運優惠券發送給另一半,然後等待結果揭曉)之外,企業可選擇使用機器學習來「預測」A/B兩組顧客的轉換率,並能針對無限多種行銷變數同時進行多項測試,節省寶貴的時間。

日本IM公司旗下的保養品牌「光之肌」為了找出最有效的優惠券方案,運用機器針對造訪品牌官網的消費者進行兩次測試IM將消費者隨機分成人數相等的兩組,在第一次測試中,其中一組可以得到300日圓的折價券;而在第二次測試中,另外一組可以得到500日元的折價券。他們發現,300日圓折價券的轉換率高出22%。此折扣推出一個月後,商品訂購率已從原本的40%成長至70%

 

以適當的文案提升顧客互動,並增加折扣的急迫性

在找到最適合客戶的優惠方案後,下一步就是設計出好的行銷文案。

一般來說,吸睛的圖片、色彩與文字都是提升顧客互動並吸引他們採取行動的好方法。然而,文案中的影像與行動呼籲按鈕(CTA, Call-to-actions)的設計也必須配合猶豫型客戶的喜好。

最後,優惠券要有時效限制,才能增加消費者使用優惠的急迫性(例如「限時24小時八折優惠券」),最好還能在畫面上顯示一個優惠倒數計時器,增加消費者「現在不買,明天會後悔」的購買衝動。

結合資料分析與機器學習,企業可有效地找出猶豫型的顧客,並對症下藥,提供最能吸引他們的優惠和文案,進而提升顧客互動、點擊率與銷售額。最重要的是,別忘了在網站中嵌入追蹤碼,如此才能持續改善優惠券行銷的成效,提高投資報酬率。

 

* 想更深入了解進階機器學習技術如何協助企業提升折價券的行銷成效嗎?歡迎立即與Appier團隊聯絡

讓我們為你解痛點

還掙扎於不知如何做好做滿你的行銷策略嗎?

你也許也會對這些文章感興趣:

如何運用人工智慧優化個人化行銷,成功吸引首次訪客?

隨著數位化的長足發展,透過更加個人化的行銷內容與顧客進行有效互動並驅動回流儼然成為趨勢。而人工智慧所驅動的行銷自動化工具更能將個人化行銷提升到另一個境界,例如:可在顧客首次造訪網站的當下即呈現個人化網頁內容,留給首訪顧客深刻的第一印象,藉此將更多的流量轉化為實際行動(如註冊、下單等)。 在資訊龐雜的數位世界裡,品牌商無不積極地向顧客提供個人化的內容與服務來創造獨特價值。若想促使更多顧客轉換,能設計

提升消費者體驗的核心關鍵:人工智慧

該在網路商城還是實體通路消費?哪家商店的好評更多?哪些廠商所提供的付款流程又更便利? — 在數位時代下,消費者每天面臨了各種令人目不暇給的消費選項。不過,網路的便利性,對於品牌來說,卻也可能是一大挑戰 — 別忘了,當你興高采烈地推出新產品時,消費者的目光卻很有可能正停在你的競爭對手上。 在如此「高流動性」的數位經濟中,品牌無疑面臨相當大的壓力,必須同時吸引到新的消費者並留住原有消費者。許多品牌認為

如何運用人工智慧,在有限預算下取得高品質潛在客戶名單 ?

長久以來,「單次獲取名單成本」(cost per lead,以下簡稱「CPL」)一直是行銷領域奉為圭臬的績效指標。就實際狀況而言,有63%的企業表示提高流量和增加潛在客戶名單是他們所面臨最大的行銷挑戰。 CPL雖然是一項可靠的指標,卻有一個盲點:CPL並不能反映潛在客戶名單(leads)的品質。理論上CPL越低越好,但不應犧牲潛在客戶名單的品質來換取較低的成本,導致轉換率變得低落,甚至減少品牌銷量

    讓我們為你解痛點

    還掙扎於不知如何做好做滿你的行銷策略嗎?