【好文分享】累積超多會員，卻無法轉換成訂單、營收？
我們愈來愈知道數據的重要性，數據是 AI 的油田、是經營會員的基礎，零售業也愈來愈知道要掌握自己的數據，
從原本的顧客關係管理（Customer Relationship Management，CRM），
都進階到要有自己的顧客數據平台（Customer Data Platform，以下簡稱 CDP）。
但今天先別管 CDP 了，你有聽過 GIGO 嗎？
什麼是 GIGO？為何數據治理（Data Governance）很重要？
「GIGO」（Garbage In, Garbage Out），你丟進去垃圾、出來就是垃圾。
在數據的世界沒有再生資源這件事，數據處理得好是資產，處理不好就是垃圾。
拿垃圾資料做數據分析，分析出來的結果還是垃圾。
公司買了厲害的 CDP，都是為了從數據中練出黃金，千萬不要在高檔的 CDP 中，放了滿滿的數據垃圾。
想透過數據應用來創造價值，數據治理（Data Governance）就是一切數據應用的根本，卻也是最常被忽略的一件事。
一個品牌的會員資料？
業績是多少？
沒有好的數據治理，甚至這些根本的數據都是錯的，永遠看不到對報表，
看不清楚自己公司的經營全貌。
累積超多會員，卻派不上用場？談資料清洗（Data Cleansing）的重要性
品牌知道會員經營的重要，但品牌卻很常搞不清楚自己有多少會員。
大多數的累積會員數，都是一種自 High 的虛華指標。
為什麼品牌會弄不清楚自己的會員數？因為有太多的會員是沒有意義的。
也就是「會員資料是髒的」，會員資料是需要清洗的。
我們常常會遇到一些品牌，號稱有 400 萬會員，可一經過資料清洗（Data Cleansing），
最後留下可用的會員數，可能最後只剩下 100 多萬。
什麼是會員資料清洗？
為什麼會員資料會愈洗愈少？
1. 確保「唯一性」
過去以門市經營為主的品牌，常常會留下很多的重複會員資料。
作為消費者，我們也常常忘記是否加過某個品牌的會員，
櫃姐為了方便，通常也就會乾脆地請你「再加入一次會員」。
我們常在協助品牌清理會員資料時，看到會員資料裡面，一個手機號碼有 3 個會員帳號這種資料重複的狀況，
且每個帳號下面，可能最近都還有交易紀錄。
這種原始的會員資料，就需要「清洗」，把重複的會員資料整併。
2. 確保「有效性」
有些會員資料是「無效的」。
像很多會員的原始資料，只留下了會員姓名、編號，但沒有手機號碼、Email、地址，也就是「完全沒有可溝通的資料」。
這種會員資料，通常我們會挑出來，備存在其他的資料庫裡面。
一般來說，沒有任何可溝通資料，也沒有任何交易資料的會員，基本上就跟不存在一樣，
存在的意義就僅是讓會員數可以加一。
3. 確保「可驗證性」
有些會員資料雖然有手機號碼，但卻不是 10 碼，例如「12345678」或「0900000000」，也就是一看就很明確知道欄位資料是錯的。
Email 也是能被驗證的資料欄位，例如沒有 @、@ 後面只有一個英文沒有「.」，都是錯誤的欄位資料，理論上都要挑出來把欄位清掉。
有些會員資料的生日也非常有趣，可能像是「1900 / 08 / 20」，也就是這個會員已經超過 100 歲了，
通常就是在填會員資料時亂填或櫃姐是亂 Key 的。
尤其當這些會員近期還有交易紀錄的時候，如果真的不是當時亂填、亂打的，那就要去拜拜了。
4. 確保「相依性」
有一些資料欄位之間是有「關聯邏輯的」。
例如會員性別欄位是「男性」，身分證字號欄位的資料開頭應該要是 1。
如果地址欄位填寫的是台北市，郵遞區號就要是 1 開頭。
會員現在的點數與等級資料，理論上也能透過交易資料回溯。
例如某會員已經是第三等級的 VIP 會員，可近一年卻沒任何交易資料，
如果不是公司內有「特別關係」的會員，那可能就是哪裡有問題了。
5. 避免「資料誤差」
在清洗完會員資料之後，我們會開始做第一次快速的會員資料分析。
通常我們會把所有會員的年度累積貢獻加總，依據每個會員的累積貢獻做排序。
通常前 10 大的累積貢獻會員裡面，會藏有很多的驚喜。
例如某品牌可能平均會員的年度累積貢獻約 10,000 元，但前幾大可能都超過 1,000,000 元，
而且第一大貢獻度的會員，一年花費可能高達 3,000,000 元。
通常老闆會很意外，哪裡來這麼熱情的品牌粉絲，很想好好的認識她謝謝他，
一聯絡才發現，接電話的這個會員，可能是某個分店的櫃姐。
這類的「超超超級大戶」，很多不意外都是特定櫃姐自己養的帳號。
而真正的超級大戶，是藏在櫃姐的口袋名單裡，品牌自己的會員資料庫，反而永遠看不到。
但這類並非由正常的會員消費行為所累積下來的數據，通常會造成整個資料分析的偏差，也是要挑出來清洗。
零售業最在乎的業績數字，很常是不準的！背後 4 大因素
零售業的業績數字，是老闆最最最在乎，但也常常是最最最不準的數字。
1. 時間差
以往的零售業以實體門市為主，業績需要在關帳後回檔，有時因各門市檔案拋回時間的不同，造成不同時間看業績，可能得到的結果是不同的。
但零售業開始增加線上購物的通路，買賣不再是單純的銀貨兩訖，一手交錢一手交貨，而變成會有一個相對負責的「訂單生命周期」。
也就是一張訂單會有許多的狀態，像是從成立訂單、到撿貨、出貨、到到貨後、鑑賞期完成等。
因為一張訂單所產生的各種狀態，也讓業績的結算變得更加複雜。
不同的狀態就像數學上的不同單位，也就是說我們不能把已出貨的訂單加上剛成立的訂單業績，
得到的總業績數據的意義，會變成意義不明。
2. 狀態差
線上購物的訂單，也就是消費者今天在網站上下單的這些業績，可以直接算進今日業績嗎？
一般來說，訂單成立之後只是一種預售，真實要轉變成能結算成業績的訂單，
需要到訂單真實撿貨、包裝、出貨後，才能落袋算成業績。
而且訂單還有可能會取消、退貨。
如果取消退貨的比率平均有 20%，單純看每日線上購物的網站成交金額（Gross Merchandise Volume，GMV），
很容易跟老闆報告的業績數字，變成一個高 20% 的歡樂指標。
3. 邏輯差
而退貨的單，要怎麼結算呢？
如果退貨要「勾稽」回原來的訂單，那每個月結算的業績數字，會變成是「浮動」的。
舉例來說，如果 11/25 的訂單，12/5 完成了退貨，結果因為勾稽回原來 11/25 的單，
造成本來 11 月結算的總業績，會因為 12 月初每天的退貨勾稽回 11 月訂單，
而需要再扣除原本 11 月才結算的的總業績，結果會因為 12 月發生的退貨，讓 11 月的總業績雖然結算了，
但卻隨著 12 月的退貨回來的數字而一直變動。
另外一種做法，是為了讓業績好結算，今天退貨完成的單，就扣在當天，而不勾稽回原訂單。
這種做法雖然會讓已經結算的業績不會再變動，但卻會讓當月的總業績，
因為上個月活動退貨的數字，造成對當月業績的影響，甚至在經營上誤判。
甚至有時品牌規模小，還會因為某天退貨量太大，造成某天結算後總業績反而是負的情形。
4. 語意差
含稅、不含稅？
實際結帳金額？
發票金額？
要不要扣除點數折抵？
所以到底業績報表上的總業績，到底是指哪一種業績呢？
有時候光一個業績欄位，可能就有 10 幾種定義，計算的邏輯都不同。
如果來自不同通路的業績報表，沒釐清各自數字欄位的意義，就把這些通路報表的數字直接加起來變成總業績數字，
很容易就算不準真實的數字。
這種欄位定義不同的數字相加，就像雞和兔子放在一起數一樣，怎麼加都不對，而我們並不是在解雞兔同籠的問題。
圖 / 零售的科學
零售業如何做好數據治理？4 個關鍵做法
廚師要做出好吃的食物，新鮮且品質好的食材是最關鍵的。
有時真正好的食材，愈少的烹調反而更能凸顯食物的美味。
而好的食材，則來自於從生產開始的每一個步驟，每一個環節，理應都可以看到每一步用心的力道。
所有數據應用都依賴「數據」本身，所以做為原料的數據，從數據源頭開始的每一個步驟，到成為數據應用的產出，都需要好好的管控，
每一步驟都是數據治理所涵蓋的範圍。
從食材到每一道料理，從數據源到每一個數據應用，管理好流程上的每一步，才能創造最終的高價值產出。
1. 數據清洗
如同上述會員資料的原始資料狀況，會員資料可能會有重複、資料的缺漏、資料當時輸入時的手誤等，
在正式存入數據庫之前，都要進行「數據清洗」，以確保數據的正確性、一致性、可驗證性、完整性、相依性等等。
就零售業來多，通路愈來愈多元，等於有很多不同的數據源，來自門市的 POS、來自電商的訂單、來自社群平台的訂單等等。
不同的數據可能原始數據的格式不同、欄位的定義也不同，也需要在匯入資料庫前，進行數據清洗，
把不同定義不同格式的數據拉齊。
2. 數據定義
在整個完整的數據處理的數據流中，每一個欄位數字代表的意義與內容，都要能保持前後一致。
數據定義在完整的數據流中，是一個如同憲法般的存在，確立了所有數據清洗（input）、數據應用（output）的根本。
每一個數據從開始進來賦予了名字之後，在整個數據處理流程中，每一個單一個數字，從頭到尾都要帶著自己的名字，以及知道名字背後的意義。無論到哪裡，不要遺失了自己名字，無論怎麼各種應用中流動，不要忘記了自己是誰。
3. 數據驗證
數據驗證是數據處理的 QA，如果數據處理的數據流是一條生產線，數據驗證就像品保一樣。
數據的處理過程中，會經過許多的運算加工，為了確保這些運算邏輯的合理性，就需要透過數據驗證來確保。
數據定義是確保每一個欄位的內容與意義，數據驗證是確保數據在被計算的過程中，算法與邏輯的合理性。
就像做數學題一樣，數據驗證就是一種驗算。
只是處理的是很巨量的數據，透過一種自動化的方式，有效率的做邏輯確認。
4. 數據安全
數據要被安全地保存，未雨綢繆地進行異地備援。
因為涉及了大量個資的數據，需要有效的進行加密。
數據的存取要被控管，除了基本的防火牆等軟硬體的保護，最重要的反而是人員的管控。
誰可以存取這些數據？不同的人有不同的權限可以存取這些數據？
存取數據的過程是不是都有完整的 log 紀錄。
大多數都牽涉到組織對於數據相關人員的管理機制，需要有完整的 SOP。
（本文經授權轉載自 零售的科學）
本文轉自經理人網站文章：累積超多會員，卻無法轉換成訂單、營收？少做 5 件事，行銷可能白費工夫！
