我們身處行銷新紀元，隨著顧客接觸點激增與資訊過載，大規模行銷只會讓顧客無感與困擾，簡單的顧客分眾已無法滿足顧客。在多數情況下，吸引和保持顧客注意力的最佳方式是透過個人化的溝通和定制的體驗，提供顧客個人化體驗是品牌在行銷新紀元的核心關鍵。
「顧客至上」意味著品牌要切實地認識每個顧客的狀態，不論在哪個旅程，位於哪個生命週期，也無論他們當前透過何種方式與您的組織產生互動。因此，從業務的角度思考，潛客到顧客可以歸屬四個階段，如下圖所示。
圖1 關鍵階段 : Focus on Key Stages
「了解顧客」可以分成四大階段，包含：發現、促進參與、維繫和成長、重新吸引。大部分行銷投資都集中在前兩階段；但真正的顧客價值是隨著時間的推移而持續購買並增加與品牌的互動程度。換言之，行銷投資最終的回報是顧客的終身價值。為了贏得顧客的終身價值，我們應當滿足顧客全旅程的互動需求，如：退款、購買新商品、詢價、變更、投訴等。
這個歷程代表了整體的顧客體驗 (CX)，它是品牌與顧客間的關係，從行銷、銷售，到顧客服務。期間的每次互動，不論有多簡短、有沒有成交、是否是客服中心來電，或者是廣告曝光等簡單的事，顧客與品牌的每一次交流都會改善或破壞兩者間的感受，也會影響顧客如何看待這些整體的體驗。
當前，MarTech公司和數位行銷人員面臨的連串挑戰是，首先如何識別顧客，接著透過多種頻道，以不同的型式和透過多元裝置，有效與顧客溝通、吸引和取悅顧客，創造共感與更緊密的連結。成功的顧客體驗是提供跨越行銷、銷售和顧客服務，讓顧客感受賓至如歸的超個人化服務，讓顧客產生深刻的共鳴，讓他們感到被重視和欣賞。
超個人化不只應用在產品推薦與銷售
當我們從單點的銷售思維轉向全方位的顧客體驗思維時，需要重新設計改變既有的數據與商務模式。目前電商廣泛採用的個人化(Personalization)推薦技術，雖然有效但過於單一。此類技術以顧客姓名、地理位置、個人資訊和交易紀錄等歷史數據為基礎，透過統計與機器學習技術，對品牌願景與顧客需求進行分析與假設，再設計對應的行銷方案與產品推薦，往往僅關注單個平台、銷售行為和商業轉換KPI。
當顧客體驗的定義不再侷限在單一平台時，品牌從單一頻道內的特定活動需要拓展到顧客整體體驗 ── 我們應該意識到顧客並不生活在廣告技術和行銷技術中，他們不僅侷限於單一平台，而是活生生的體驗這些接觸點。
因此，品牌需要擁有超個人化(Hyper-Personalization)的思維。超個人化是一種更複雜、進階的技術與應用，它考慮了更多顧客行為面的資訊，注重即時分析顧客的行為數據（如點擊、瀏覽行為、停留時間等），同時也關注情境感知、互動歷程、數據脈絡與時序關係，將原本破碎的顧客資訊還原成完整的顧客輪廓，以快速辨識顧客的需求。
想建構超個人化的顧客體驗，需要深入的收集與分析每個顧客的行為數據，包含跨裝置與接觸點的使用紀錄、所在位置、活躍的時間、價格點、與品牌的互動等，這些資訊可以提供更多有用的數據脈絡，讓我們能夠更充分的掌握顧客的習慣與需求，量身訂製情境化互動體驗。在顧客有需要時，能適切的釋出推銷或協助訊息，推動更大的轉換效果。
超個人化以數據為支柱
前面我們說明大規模的超個人化是由數據推動和塑造的。每個組成部分環環相扣相互影響，需要更智能更完整的收集數據。完整的顧客數據不僅可以實現大規模的超個人化服務，還可賦予品牌預測最佳的下一步，而不是等待和做出反應。
超個人化亦涉及組織對轉型意識的認知、技術的投資、團隊組成、協作和流程的改變。這類型的變革，傳統上經常以負責團隊為改變核心，而不是以顧客體驗為核心，導致超個人化無法滿足顧客體驗。例如，品牌沒有在數據策略上做出重大轉變，調整以媒體銷售為導向的數據收集，轉變為深入了解顧客需求的數據策略。
未來身份識別成為每個行銷接觸點的核心，品牌將開始在個人層面看到更多的行為模式，這些行為模式可以帶來更多的個人體驗。您應該制定數據收集機制，使您能夠以更動態的方式開發體驗。首先考慮各種潛在的接觸點，進而將精力集中在可以自己收集的數據上。問自己一些問題來確認你的決定。例如：您應該追蹤每個站點互動還是只追蹤那些傾向於導致更深度參與的互動？什麼時候該用推銷思維來取代顧客自主驅動的體驗？顧客在查看產品之前與之後的行為有何不同？一旦您確定了洞察的關鍵點，您就需要採用能夠與顧客保持同步的動態、AI驅動的創意體驗技術。
您亦可基於已知的顧客摩擦力來源，進行優化應用。顧客是否有足夠的資訊來做出決策？顧客是否擁有或如何擁有與品牌互動的資訊？您是在互動後立即聯絡顧客還是給他們時間完成其他研究？根據顧客之前與您的互動，每個問題都有不同的答案。您不能只是將內容靜態的置放在網站 ─── 顧客需要動態的體驗，而不僅僅是提供靜態的創意；您需要進行動態互動，並於所有頻道與顧客進行溝通。
圖2 為持續變動的顧客行為作好準備，從會員貢獻分群到利用模型預測會員未來的機會
五大超個人化步驟
建立超個人化的框架，可參考下列五大步驟：
- 跨頻道數據收集：這是最關鍵的第一步，沒有數據，就很難了解您的顧客。有太多元的顧客，您也很難確定每位的需求。要準確地收集相關數據，品牌需要建立完善的數據收集與整理機制，並結合可操作的數據分析工具，幫助您收集業務所需的數據。為了支援一對一行銷，在所有頻道和平台上的數據必須足夠細化和全面整合。資料粒度要能精細到個人級別；然而，跨平台存在的數據孤島現象一直是一個挑戰。為了克服這一障礙，請採用可以收集跨頻道跨平台的數據工具，才能整合您的線上、線下接觸點。
- 顧客360與細緻的顧客細分：當您收集的數據已能幫助您了解顧客正如何與您的品牌互動，您需要整合顧客360的輪廓，讓每個顧客有準確、完整、即時的一致視野。因此，所有數據需要進行整合、歸納、標準化，以便與其他系統整合與應用 ─── 這將消除數據孤島，即時分析綜合數據，讓品牌可立即採取行動。另一方面，如果沒有數據區別與分眾，超個人化過程是不完整的。您可以根據購買力、地理位置、滿意度、品牌互動歷史等因素將顧客細分為不同的子集，將顧客做細緻的區隔。
- 三位一體的人工智慧行銷引擎：顧客期望在所有方面都擁有即時高效的超個人化體驗，我們必須找到創新的方法來滿足需求並最大化投資報酬，現在正是轉向人工智慧和機器學習的最佳時機。人工智慧行銷是利用資訊技術來收集數據、開發客戶洞察力、預測下一步最佳行動，並針對行銷工作做出自動化決策；而推動人工智慧行銷的三支箭可以分為行銷數據管理、顧客意圖分析、購買與機會預測。
- 行銷數據管理：它是收集和處理行銷數據、競爭情報和市場資訊的過程。這個功能不應該發生在IT部門，它應該是行銷工作的核心。在這個領域使用人工智慧和機器學習可以在宏觀和微觀層面應用。在宏觀面，部署AI和機器學習模型，以了解整個客戶群如何細分為特定的購買群體；在微觀層面，您可以預測產品的生命週期價值並將其與個別客戶相關聯。微觀數據分析可幫助您確定哪些顧客或潛在顧客最適合哪些產品。透過這些努力積累的數據會幫助您的演算模型更強大、更準確。
- 顧客意圖分析：每位顧客與您的品牌、網站或接觸點互動的數據可以進行意圖分析，您的資料分析師和數據科學家可以藉此分析顧客的興趣、互動和購買意圖，而這些推論有助於在正確的時間為顧客鎖定正確的產品與服務。數據來源對於確定意圖是最重要的。雖然您已經掌握了客戶已購買什麼、何時購買、從哪裡購買以及購買什麼類型的完整資訊；但意圖數據還會需要顧客或潛客在實際購買前進行的行為資訊。當開發出用於識別這些顧客的演算法，您還需要進行整合，方便銷售團隊、行銷人員能夠在銷售和行銷過程中充分使用。
- 購買與機會預測：在超個人化的時代，為了安排顧客未來的最佳行動，我們關心客戶的貢獻價值與歷史交易紀錄，也關注未來顧客的興趣偏好與變動傾向。透過機器學習與深度學習技術使品牌能夠預設顧客需求，並通過量身訂製的優惠、商品與訊息，提供更個人化、更準確的洞察力，提供顧客更精準的個人化服務，讓內容與訊息在對的時間以最多元的頻道和最好的方式傳遞給需要的顧客。
4.有針對性的旅程：一旦充分認識您的顧客，您就可以嘗試超個人化的溝通。手動嘗試很不切實際，而自動化行銷平台可以幫助您掌握最佳時機，以最省時省力的方式傳遞個人化內容。您的溝通愈有針對性和相關性，您的轉化機會就愈大。
5.監控測量和實驗分析：僅僅進行有針對性的活動是不夠的，衡量活動的成功也很重要。從長遠來看，客戶體驗轉型是一個無止境的成長過程，我們需要打造一個監控量測機制與實驗分析環境，可以查看行銷領先指標，關注會影響客戶體驗的各項指標將對後續的優化調整有所幫助。一旦您清楚的掌握客戶樣貌與接觸點的數據脈絡相關的細節，您就可以打造一個數據導向，能科學驗證，並持續優化客戶體驗平台，以敏捷的適應高速變化的競爭環境。
圖3 Merkle CXM數據架構範例
現在我們正處於「以人為本」的行銷轉捩點。十年前的數位行銷將往下一個階段邁進。下一個十年將是關於顧客識別與理解。當我們將這兩種強大的力量結合，將是數位轉型加上數據轉型推動顧客體驗轉型。如果可以確保您的組織能有效利用您的數據資產和分析技能，那麼就有機會轉變為一個高度以顧客為中心的組織，並利用先進技術來建立緊密的顧客超個人化體驗。
