台灣許多實體通路面臨財務的危機，傳出歇業休息的新聞，台灣消費者的習慣改變了嗎？

如果觀察家覺得字體太小不易閱讀，不妨可以聽聽看

2024 年許多觀察家看到台灣與世界各國許多實體通路店面三不五時向消費者公布要放長假，店內的員工也因為通路沒有營業也跟著放無薪價，其實這樣的現象以前就一直存在，如果觀察家經常在饒河夜市購買東西，會發現夜市裡同一個攤位的店家已經換過好幾輪，但老一輩的經營者認為商品販售的地點不能輕易移動，不然很容易流失顧客，有店家在天橋下做生意一賣就是三十年，無論刮風下雨一定都要在天橋下開店，不會輕易更改商品販售的地點，可是高流動率的店面似乎逐漸變成常態，黃金店面詢問度下降，是消費者的口味變了？還是消費者的消費習慣發生了變化呢？如果許多店家都因為財務危機而無法販售商品給消費者，現在的消費者都在哪些通路購買需要的商品呢？角度數據透過消費者的消費軌跡與統計的技巧，企圖了解消費者購買通路的變化，根據消費者購物通路的序列與機率推測消費者會去的下一個通路。

圖片中的綠色圈圈表示某一位消費者，紅色的路徑表示消費者的購物軌跡，觀察家從軌跡中，發現消費者可能有週期性到台灣某些地方的店家進行消費，假如希望從這些資料，預測消費者未來五天內會出現在台灣哪一個縣市進行消費，這樣的任務對觀察家而言，困難度很高且得到的結果也有很高機率是錯誤的，因為消費者不是為了購買商品而特別去台灣的某一個縣市，大部分的情況可能是因為工作、旅遊或處理私事造成消費者大範圍的移動，順便產生消費、購物的行為，如果觀察家的任務變成預測消費者下一個可能會去的通路，因為消費者習慣消費的通路有限，加上消費習慣不容易短時間發生改變，雖然消費者在台灣不同縣市消費，但有很高的機率消費者購物的通路與消費地點沒有關係。例如：喜歡購買星巴克咖啡的消費者，無論在台北、台南甚至出國，如果消費者想要購買咖啡，星巴克與85度C剛好出現在同一條路上，星巴克可能是消費者的第一選擇。

以下角度數據想與觀察家談談消費軌跡的應用，觀察家可以拿這些軌跡資料做什麼呢？觀察家要如何預測消費者未來的軌跡呢？透過軌跡資料又可以為消費者帶來哪些好處呢？在解釋以上問題前，觀察家不妨先與角度數據一同了解消費者的歷史購物軌跡，購物軌跡可以分為購物後消費者對通路選擇的機率與購物前通路間轉換的機率兩部分，過去角度數據提供特定類別商品的消費通路佔比，是屬於消費者購物後對通路選擇的機率，例如：餐具清潔劑有 32.32% 的消費者在全聯福利中心購買，有 17.35% 的消費者在家樂福購買。消費於購物前選擇通路的機率判定也十分重要，本篇文章大部分討論的內容是消費者於購物前選擇通路的機率，也就是相異通路間轉換的機率值。從歷史資料，觀察家可以算出一張通路消費的轉換表格，這張表格表是消費者在下一次購物行為發生前，選擇下一個購買通路的機率，利用這張表格觀察家可以預測消費者下一個可能選擇的購物通路。一般而言，消費者會在許多通路購物與消費，為了方便說明和解釋，角度數據僅隨機挑出一段時間內，消費者曾經去過的七個消費通路資料，並計算這段時間內，消費者在當前通路與出現在下一個通路的機率變化。假設目前消費者是在全聯福利中心消費，根據消費者過去的歷史軌跡預測，可以知道消費者下一個購物通路出現在統一便利商店的機率最高，出現的機率值為 38.9%，去家樂福消費的機率只有 1.1%，雖然消費者去家樂福的機率偏低，可是根據過往的消費軌跡，消費者仍有一定的機率會出現在家樂福，如果消費者目前位置的前方正好會經過一家家樂福，而消費者又正好有購物的需求，消費者出現在家樂福購物機率可能會提高。在沒有其他因素干擾的環境，加上當前購物通路是全聯福利中心的條件下，消費者下次購物有 9% 會出現在全聯福利中心，且有 38.9% 消費者會出現在統一便利商店，約有 19.2%的機率出現在萊爾富便利商店，消費者約有 3.9%會在中油消費，15.2%的機率出現在全家便利商店，1.6%的機率出現在屈臣氏，1.1%的機率會出現在家樂福。觀察家可以根據這些通路的機率分布，隨機取得消費者下一個可能會去消費的通路，或者預測消費者五個未來可能的消費通路，作為汽車導航與行徑預測的參考依據。

角度數據經常建議觀察家建立系統進行資料的觀察，究竟觀察家要如何建立系統呢？這裡角度數據用最淺顯的方式為觀察家說明，假設觀察家希望建立一套系統，預測或推估消費者下一個出現通路的機率值，如果消費者目前位於全聯福利中心，根據上述的轉換表，觀察家可以準備一個摸彩箱，在摸彩箱中放入 90 顆貼有全聯福利中心的球，再放入 389 顆貼有統一便利商店的球，接著放進 192 顆標示萊爾富的球，39 顆中油的球，再混入 152 顆標示為全家便利商店的球，接著加入 16 顆貼有屈臣氏標籤的球，最後加進 11 顆代表家樂福的球，將這些球充分混合，然後從中隨機抽出一顆，抽出那顆球上面貼的標籤，就代表消費者下一個可能會去消費的通路，如果觀察家重複從箱中取出貼有標籤的球，當次數越多時，觀察家會發現貼有統一便利商店的球的數量最多，且貼有統一便利商店的球的比例會接近 38.9%。當收集到消費者的樣本數據越多，比例就越接近消費者真實的消費狀況，而現實生活中經常出現一些意外與突發狀況，理由是現實生活中，其他因素也存在一定的發生機率，消費者不一定永遠都會採用貪心法則，只挑選發生機率最大的那一個情況，因此必須透過隨機與機率的方法，才可能更貼近真實狀況。目前觀察家所建立的系統只知道消費者購物通路的序列機率，而這樣的預測效果可能不夠精確，觀察家需要更多的訊息讓系統預測更精確。假設觀察家可以進一步知道消費者想要購買衛生紙、飲料、零食等商品時，購買訊息可能來自於消費者的消費週期預測或者其他外部訊息，例如：手機收到一段語音，發現車內的乘客正在抱怨口有點渴，發現車上的乘客有消費需求，此時，觀察家可以依據更多的訊息，重新產生一張飲料通路消費的轉換表格，從而得知消費者去各通路購買飲料的機率，剛剛錯過的那一個通路也許可以當作當前的購買通路，搭配消費者目前所在的位置，讓預測資料變成真實的機率提高。

數據資料顯示，當消費者上次自某 KTV 通路離開後，第五天再去某 KTV 通路消費的機率是0.13%，觀察家可以推測該消費者去某 KTV 通路的週期應該大於五天，因為五天後會在該通路消費的機率僅有 0.13%。廣告的目的是在喚醒消費者潛在的需求，對於沒有貸款需求的消費者，看到借錢廣告不會採取行動，對於雙眼視力正常的消費者，接收到隱形眼鏡的廣告不會產生共鳴，可是對於剛剛從電商網站買入 iphone 16 的消費者而言，剛剛從電商網站買入 iphone 16 這項重要的因素，讓手機的保護套、螢幕的抗刮膜，甚至是短期的手機意外保險，都有可能成為觸發消費者內心深處的需求，進而產生消費。消費者購買一片披薩的需求究竟是為了溫飽呢？還是為了結交朋友呢？同一件商品在千變萬化的理由下都有消費者會購買，在各式各樣的場合，每件商品的價值不會相同，消費者購買的原因與理由也都不一樣，也許猜到消費動機或出現在符合需求那一時刻的廣告，才可能成為激發消費者的有效廣告。

資料來源：角度數據 2024 年消費者消費交易資料庫