客户细分对企业来说并不是一个新概念——他们已经这样做了几十年。然而,大数据已经将这个关于收集客户信息的想法,变成了一种要求对可用数据立即采取行动并近乎完美地了解客户需求的想法。每位高管都同意,了解客户是企业成功的关键。所以,越来越多的公司选择CRM来沉淀其客户数据。但是,这仅是第一步。
一、过去不代表今天
过去数据收集和客户细分的问题在于,它总是回顾客户的行为和兴趣。没有考虑同一客户现在对什么感兴趣,或者客户的偏好如何随着时间的推移而改变。大数据解决了这个缺失。例如,您不应该将十年前的某个潜在客户视为年轻消费者。
二、超越惯例的数据收集
当今大数据正以前所未有的速度增长,尤其是占大数据最大块的非结构化数据。
从中判断客户的意图是当今的新挑战。如今,企业正在从多个来源收集客户数据,而这些数据的数量和深度使企业与客户更加贴近。在大数据的世界中,您不能等待客户致电您的销售或客户服务部门了解该客户的意图。如果是这种情况,那么您的策略和技术实施已经过时。
客户不是电话中的声音,也不是昨天从您那里购买了某种产品的人。与过去的任何传统方式相比,CRM、社交网络、移动应用程序等如今提供的有关客户的信息要多得多。
其他第三方平台,例如论坛、博客甚至您竞争对手的网站,也是您收集客户数据的客户接触点。好消息是,这些数据应该足以获得有价值的见解。坏消息是,大多数企业仍然没有系统和技术设备来理解这些数据并及时采取富有成效的行动。
三、大数据可实现更专注的营销策略
过去,当企业对客户进行细分时,他们没有区分盈利客户和非盈利客户。大数据侧重于提供足够的信息,以便企业可以将营销精力和精力集中在有购买兴趣的客户身上。公司在不知道有多少人对他们的产品/服务不感兴趣的情况下,花费了数以百万计的美元向大众做广告。
然而,有了大数据,客户细分更加合乎逻辑、明智和有利可图。数据可视化也取得了长足的进步,因此您现在可以通过创建有吸引力的视觉效果快速获得可行的见解。您甚至可以使用地图软件,将客户映射到地图上。
根据客户的共同素质,企业现在可以决定哪种营销策略最适合他们的客户,例如电子邮件营销、社交媒体营销等。
四、描述性 vs 预测性 vs 规范性分析
根据Markets and Markets 预测报告,到 2020 年,预测性大数据分析市场价值将达到 92 亿美元。意识到大数据的重要性,企业正在从过去的描述性分析快速转变为现在的预测性和规范性分析。
描述性分析侧重于客户的回顾性行为数据。这对于描述客户类型非常有帮助。然而,今天的需要不是描述客户,而是预测他们未来将采取什么行动和决策。根据实时数据,企业必须做出面向未来的决策并预测客户的需求和期望。
例如,从社交网络的互动中收集的数据,可以分析客户的情绪,这应该有助于企业向该客户推荐合适的电影。例如,有一个人,我们称他为约翰,过去可能一直在搜索和下载喜剧电影。然而,他的社交信息可能表明他感到沮丧,正在寻找令人振奋和鼓舞人心的东西。基于实时数据分析推荐这样的电影并做出规范性决策可以帮助客户变得忠诚并提高转化率。
以下是预测分析的 3 个主要构建模块:
预测建模
通过分析数据优化决策
基于交易数据的客户分析
五、让大数据发挥作用:案例研究
拥有大量资源的大型企业已经开始通过使用软件和硬件技术来利用大数据,帮助他们更好地描述客户并创建更多的逻辑细分。一些例子包括:
亚马逊
亚马逊以根据客户的搜索向客户推荐最相关的产品而闻名,但该公司已经超越了这一点。它使用 Kindle 产品了解客户在书中突出显示的单词并相互分享以提出进一步建议。以类似的方式,该公司使用预期运输,其中它已经将您将来可能感兴趣的产品运送到离您最近的配送中心和仓库。您可以在此处获取有关来自物联网的大数据如何改变零售业的更多详细信息。
时代华纳
该公司根据对客户需求的预测来定制广告。这些数据是通过机顶盒收集的,并与来自各种平台(包括社交网络)的客户其他数据结合使用。
沃尔玛
沃尔玛正在从其所有分支机构的 POS 系统收集近乎实时的数据,以预测其库存。沃尔玛每小时仅从其客户交易中收集近 2.5 PB 的数据。这有助于沃尔玛通过预测来填补库存,避免缺货,当然,缺货可能代价高昂。这种预测分析还帮助沃尔玛投放广告,现在更准确地针对可能购买广告中显示的产品的客户。
最后的想法
大数据彻底改变了客户细分,现在的竞争优势在于公司如何准确和准确地预测客户意图。为了通过大数据分析实现高级别的准确性,您可以考虑采用CRM开始积累您宝贵的客户数据。
知客CRM,帮助企业提高销售成功率!
知客CRM支持本地化安装部署,数据安全自主可控,短平快上线,低成本采用。增强客户关系、简化销售人员工作、缩短销售周期、提高转化率……
评论
欢迎您在下方留下您的评论