[痞客邦關鍵報告] 數位浪潮最後一哩－即時在地行銷|數位時代 BusinessNext

數位媒體、平台近年來如雨後春筍般不斷竄起，不斷地對消費者進行大量的商業行為與媒體廣告的接觸與遞送。但是如何在對的時間與對的地點給予對的內容，成功打通到達消費者的最後一關，一直以來是各大產業、數位媒體與各大平台積極前進的目標！

##透過大數據，站在巨人的肩膀上

以全台最大內容平台痞客邦為例，若以每篇內容文章為一張A4紙高度計算，痞客邦目前文章量約為28萬棟的101大樓，並且每天繼續以超過230棟101的速度不斷累積，這些內容以及被瀏覽的行為看似零碎無特定脈絡，但若透過大數據進行分析，將非結構化的資料從資料庫串接到滿足使用者需求的資訊運用，萃取、轉化為可被應用的服務提供給使用者，利用數位創新槓桿大型服務，未來產業結構將重新重組，不再僅是實體交易E化、內容數位化或類比改進等形態改變而已，而是整個產業鏈及生態將會重組。

然而在大數據行銷已內化至各產業，漸漸改變了產品開發、市場行銷等模組，後續數位媒體行銷應用將會如何發展？繼現在最夯的即時競價廣告（RTB）模式後，數位媒體的下一站將由即時在地行銷（LBS）完成到達消費者最後一哩的任務，並結合各產業產品、服務發展，成為 2016 年後的最新趨勢！即時在地行銷（LBS）與即時競價廣告（RTB）的不同，是在於核心理念的差異，前者注重的是使用者情境；後者主要在於清理庫存，兩者在設計與出發點上，就決定了截然不同的走向。

圖說明

(圖註:
若即時在地行銷結合了大數據的龐大資料，就如同站在巨人的肩膀上，可以透過數據與資料站得更高，看的更遠！)

##流量來自於需求，工具只是驅動

根據全台最大社群網站痞客邦數據顯示，每天約有 2800 萬的流量，有將近半數來自於手機，透過行動裝置進行瀏覽與閱讀，而這些位於全台各地的閱讀者，無論是透過何種載具，共同的行為動機皆為「需求」！，也就是試圖透過在網路上的搜尋，解決自己在日常生活中產生的需求或問題，像是尋找美食旅遊、搜尋時尚美妝等，皆透過如：東區平價聚餐美食、上班族一週穿搭等自身情境、需求的「情境式搜尋」，進而轉入痞客邦站內產生流量，同時間，使用者在完成搜尋的結果後，不論是透過社群網站或是即時通訊軟體，大多也會再透過社群擴散出去，從使用者需求被滿足後，再透過社群與通訊工具等重新驅動與擴散，讓產業以及品牌行銷人員，可以透過內容與使用者重新且不斷地接觸，形成社群互動的迴路，帶來大量的流量與商機。

(圖二)

##搜尋情境決定接廣告好感度

透過痞客邦長期觀察社群及整合數位行銷操作的產業經驗發現，消費者進行搜尋的時候，「時間」與「情境」這兩大要點，將決定了消費者是否會採取下一步行動。在痞客邦發布的各產業【痞客邦關鍵報告】中，可以明顯的看出週間與週末使用的裝置，有明顯的改變，消費者會在週間的時候透過桌機進行規劃與整理；到週末的時候，多半會改以行動裝置進行搜尋與確認；在搜尋面，消費者也朝向情境式的搜尋蛻變，以夏天為例，透過系統發現消費者不單單只搜尋品牌及品項名稱，如：防曬用品 / 防曬乳等關鍵字，使用者已趨於轉向搜尋海邊注意事項、夏季美白要點等取而代之，且搜尋時的時間、地點也成為了消費者需求的明確指向，因此能否在「對的時間與對的地點」給予目標消費者想要的東西，將是決定行銷成效是否有效的重要關鍵。

##【痞客邦關鍵報告】參考文章：

[痞客邦關鍵報告] 年度網路口碑檢測：美妝產業市場分析
 [痞客邦關鍵報告] 年度網路口碑檢測:掌握國內旅遊消費市場脈動
 [痞客邦關鍵報告]口碑驅動電影票房 2014五大片商黑馬電影

##縮小距離，放大商業價值

即時在地行銷（ LBS）比起傳統的廣告遞送，除了具備「即時情境」的優勢外，更具備了「精準」的特性，比起過往的簡訊遞送，即時行銷系統精準了 1 萬倍（一般簡訊投遞範圍為 1KM x 1KM）透過LBS 在地化的設定，可以將目標鎖定至 10M X 10M 的位置，透過系統縮小距離，放大了商業價值！達到了讓使用者在經過店家門口的時候，接收到該商家的優惠與訊息，串接線上與線下（ O2O）產生商業價值！對於民眾來說，可以簡易的透過行動裝置直接搜尋滿足需求，並且獲得即時的優惠與服務；對於商家來說，可以透過更精準的訊息遞送，接觸到更大量、有意願消費甚至就在門口的消費者，並且提供聯繫的方式，對於整體的生態圈來說，在縮小了距離的同時，也大大的放大了整體的商業價值，締造消費者與商家雙贏局面。

圖說明

##即時在地化整合 O2O 創造新契機

隨著電子商務與 O2O 的蓬勃發展，即時在地化行銷更具備巨大的市場潛力，逐漸轉換成新的商業模式，透過 LBS 的規劃，伴隨定位高精度週邊功能的興起，可以整合所在位置的商家，再透過大數據的分析與具象化的呈現方式，把餐廳、加油站、電影院、百貨公司、觀光景點及交通設施等重要地理資訊一一彙整，並且結合廣告的推送，讓找餐廳的消費者可以找到優惠，讓看電影的消費者可以看到折價...另一方面，對於商家來說，也可以反向的把促銷的商品、優惠的訊息、甚至是注意的事項精準的推送至 50 公尺內消費者的手機上，形成了雙贏互惠的正向循環，成為了最後關鍵的推手。

圖說明

##透過即時在地行銷平台串起數位浪潮最後一哩

從社群活動到內容行銷再累積成大數據，再藉由大數據的資料分析歸納後，產生了RTB 與 DMP的廣告模式，最後透過 LBS 將 O2O 串起，打開了數位時代中的嶄新的一頁，自 2010 年累積至 2015 年的能量，將協同 LBS 與行動裝置的使用一次爆發，讓行銷走入生活中，預計於 2016 年給予社群行銷全新的體驗。

@@ACTIVITYID:378@@

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。