为什么超市在利用数据方面独树一帜
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!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14