软件可以对原始数据进行分析,却不能形成洞察力,后者需要人和介入。下面分析的是如何将大数据转化为强有力的决策。
大数据时代,与客户建立融洽的关系,比以往任何时候都更容易。在营销软件、客户关系管理系统、社交媒体、智能手机和在线活动普及的驱动下,我们掌握了更多的客户反馈和用户数据,同时在捕获、分析和解析数据的技术方面取得了巨大的进步。
麻烦的是,出于某些原因,数据和技术的结合并非易事。GIInsight的《2013客户亲密指数》(2013 Customer Intimacy Index)的焦点,旨在揭示导致这一现状的原因,以及如何迎接相关挑战。该调查研究了在包括ISP到汽车制造商的16个不同行业中,企业是如何与客户进行沟通的,其中包括对1000多名英国消费者的调查。最后的调查报告,被用于与2010年的结果进行对比,以找出在当今数字化的时间,哪些才是真正的赢家和输家。
调查中,消费者根据这些企业与客户沟通过程中所表现的客户知识和对客户的理解,对其打分。被评价的对象包括超市、银行、移动运营商和其他类型的企业。对客户的熟悉程度分别从”像好朋友一样了解我”到”像是一个完全的陌生人”。调查结果被用于计算各行业的整体和相对得分。
调查揭示了一些让人吃惊,甚至震惊的事实。有些本应该拥有先进数据采集能力和通信技术的行业,在了解客户方面的得分非常差。那些致力于将传统数据库营销(强调定期客户互动,重视客户忠诚度计划)、市场推广活动和IT技术成功结合的企业,在建立良好客户关系方面做的最为成功。
超市和银行,这些传统上拥有较多客户接触的行业,在调查中排名第一和第二位。2010年的调查中,银行排名为第三。技术驱动的行业紧随其后,包括移动运营商、娱乐行业、手机制造商和互联网服务供应商。这些企业在利用新型营销技术和数字化渠道,采集和使用用户数据,实现更有效的定制推广方面做的更好。那么,为什么他们无法比超市和银行做的更好?
因为技术并不能解决一切问题。
垫底的是汽车制造商、成人饮品生产商、电脑/平板电脑制造商、慈善机构和DIY/家居用品公司。这些行业在保持客户关系方面的效率不佳很能说明问题:对于一次性购买的商品,供应商很难维护与客户的联络。以汽车制造商为例,就需要有更具创意的方式,与客户保持持续的关系。同样,某些消费品牌与客户之间的唯一接触机会,是通过超市这样的第三方渠道,因此就很难建立强大的用户粘性。慈善机构由于当前经济环境下的资金短缺,难于花钱去做数据库营销,反过来又限制了他们获得资助的能力。
无论哪个行业,利用数据来建立密切客户关系的关键,都取决于市场和IT的结合。这方面存在一个危险的信念,那就是:在利用大数据所提供的信息,开展有效的市场营销时,软件可以解决所有的问题;而且利用这些信息的任务,可以简单地交由IT部门来完成。这是完全错误的认识。
软件可以分析数据、生成报告,但却无法发现其中的趋势、模式和有意义的见解,形成成功的营销战略。只有训练有素的人可以做到这一点。任何技术的进步,总是离不开人的因素。
在今天的大数据的营销环境中,要想成功与客户建立持久和有利的关系,需要企业拥有所谓的”数据科学家”,传统数据营销中,将这些人简单地称为”分析师”。这是一种专家职能的工作,无论是内部职位,还是外包服务,结合分析、数据库、营销、解析和沟通等不同技能。数据科学家不仅要懂得所用的技术,而且要精通统计、分析和数学。更重要的是,他们必须能够立足于公司的营销挑战和目标,向管理团队和其他人员解释如何利用数据来实现企业的营销目标。
超市和银行得分最高,这并非巧合。他们不单拥有相关的技术,还知道如何有效地利用自己所拥有的用户数据库。
在排名靠后的行业中,不少公司无法获取客户数据,或者没有很好地利用已经拥有的信息,即便相关的技术已经存在。这种情况的产生,有时反倒是因为他们过于依赖技术。在当今数据推动、数字化连接的世界中,那些无法有效接触客户的企业要么需要找到合适的人选,要么必须对这一职能进行外包。
建立亲密客户关系的5个步骤:
1、对客户和交易进行关联。这可能意味着要实施一个用户忠诚度管理或CRM项目。这是最简单的工作之一。没有这些作基础,所有努力的效果会至少降低60%。思科可以为希望挖掘社交和移动数据的零售商提供一些指导意见。
2、通过详细的分析,确定哪些数据重要,哪些不重要。然后考虑如何改变与客户的沟通。在没有研究数据的情况下,不作任何假设。
3、建立统一的客户视图和客户数据库,无论通过外部或内部手段。这并不一定需要昂贵的软件,但要对”现成的”套装软件保持戒备:如果削足适履地采用标准的套装软件,最终可能会在满足自身需求方面大打折扣。最好作一些定制方面的投资。
4、好的分析师可以将数据转化成建设性的业务建议。这些人得之不易,甚至在当今各种大数据分析非常热门的时代。要设法找到他们。
5、多尝试,多评估。有些东西会成功,有些则不会。不要怕出错,你会尝到很多东西。只是有一点要记住,不要用真的客户去做试验!
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。