零售行業面對同行競爭租金及人手不足的壓力，導致許多商家顧此失彼，未能將所有時間及資源投入在拓展生意之上。將生意數碼無疑是一個趨勢，但經營數碼生意卻又有另一類問題，那就是如何使用數碼平台或工具來拓展業務。不同於實體店，顧客都集中在營業時間到訪，若顧客人流理想則增聘人手或再開分店。喜歡線上購物的顧客會不定時間光顧，也不會有「店員」跟顧客互動或推薦合適商品，因此，該類顧客一般都靠自己搜尋相關商品，又或者更受個人化的推薦影響而作出購物決定。 

所以最後一個問題是如何向「看不見」顧客投放行銷內容，而該內容又不能無的放矢，必須要與顧客的需要相關？看似不可能的事情，其實透過分析及使用各商家手上的顧客數據就可以相當程度解決。 

數據不會說謊，你想知道的，都可以在數據平台中一窺究竟。透過當中的分析及洞察，商家會發現平時不容易知道的真相，如下圖，原來VIP客戶及Loyal客戶，每次消費的金額都比Member客戶低。因此，商家可能會針對高階客戶推出追加銷售優惠（Upsell），而對一般客戶則是針對增加他們購物次數的優惠。

商家可以因應自己生意模式自定義各種報表並加到儀表板，讓自己可以時刻快速檢視重要的KPI。

透過分析及洞察找到成長機會是第一步，接下來就必須針對特定條件建立目標客戶群及設定對應的行銷專案。這次我們會以三個常見場景來展示如何使用分層工具突破銷售盲點。 

場景一：增加交叉銷售(Cross-sell) 

例如我們想在購買奶類產品的普通客戶當中找出那些沒有購買肉類的特定顧客。我們活用客戶分層工具以不同維度的條件來建立客戶區間，如下圖。 

然後再配合內建的人工智能模型，讓AI在只購買奶類產品但不購買肉類產品的顧客當中找出那些有機會進行交叉銷售的群體，並以此群體來進行行銷推廣。

場景二：預防客戶流失 

門店或線上生意人來人往，商家往往容易忽略顧客透過購物行為發出的警告信號---客戶即將流失！ 

常規客戶不會無故消失，而每次客戶流失或許會有不同原因，但每次客戶流失都有一個共通點，就是他們購物或到訪頻率會逐步下降直至不再光顧。 

運用RFM Analysis可讓商家及早洞悉這些顧客發出的信號。當顧客在商家定義的日子內不再購物，系統會自動把顧客標籤為At Risk。 

然後商家可以在分層工具中直接找出所有被標籤為At Risk的顧客，行銷或業務團隊就可針對該類顧客進行跟進行動。

場景三：主動創造回購客 

我們如何在顧客每次購物之後，主動出擊，吸引他們再次消費？最簡單的方法就是使用Machine Learning來預測顧客的補貨日期。 

CDP分析顧客購物習慣並運用機器學習技術預測顧客的回購日期，商家還可以加入其他參數，例如平均消費額，來準備建立客戶群體，因此可以預早計劃行銷活動和提前備貨。 

每次改變參數，系統都會實時計數符合條件的人數，確保客戶群體的質量適中，避免太闊或太窄而影響效果。

每位顧客都有自己的購物習慣，精準客戶分層可讓商家找到有相似特質的顧客并建立相應的行銷活動，達致最大程度的個人化推廣。再配合CDP 客戶數據平台的自動化行銷工具，讓商家找到自動化生意增長的配方。