
大数据时代营销人的变革:像预测营销者一样思考
我们和早期成功采用预测营销的人工作时,十分震惊。这些人工作时采用了不同的方式。对于客户、公司和相似的个体营销者来说,有着很强的双赢优势。客户满意度在上升,公司已经转型为以客户为中心,个体营销者在公司中获得更多的价值提升。我们工作的公司通过围绕一个品牌不断增加在线收入使总收入翻倍,而这个品牌是植根于商店的。线上购物在整个过程中的收益从20%上升到80%。
最后,我们以一些建议来结束这个话题。那就是,不在于你做了什么,而在于怎么做。这里有来自预测营销者的一些经验,可以帮助你做出惊人的转变。
第一点,你读完本书后应该至少获得一个经验,那就是聚焦于客户并围绕客户进行思考。以客户为中心不是一个新的概念,实际上从营销出现开始,营销者就已经努力将营销行为聚焦于客户身上,只不过这个概念虽然流行了很长时间,但却不一定被成功地执行。这仅仅是因为你的公司到目前为止可能都无法建立真正的以客户为中心的文化,但这并不意味着你不能再次尝试。大数据和预测性分析确实使得一个营销组织以前所未有的方式实现了以客户为中心。
第二点,聚焦于行分析项目行为,而不是分析本身。许多分析项目最后失败,是因为公司陷入众所周知的分析瘫痪阶段。一旦你习惯了数字,就会被它迷住。每个与客户有关的真相总会引起另一个问题。我们只有很低比例的重复买家。为什么会这样?这些不再光顾的顾客是年轻人还是老人?我们在实体店是否比线上流失更多的顾客?是否有某些特定产品能吸引回头客?这些不再光顾的顾客是否比其他顾客退货更多?你可以使用顾客数据提出和回答无穷无尽的问题。然而,突然问太多问题也有风险,那就是使用数据解决不了任何问题,因为仅仅拥有数据是不会改变任何事请的。尽量只问那些可以促成行动的问题,其他问题没有必要问。很多顾问做了大量的分析却始终没有行动,这是个有趣的现象。如果你按照客户数据行事,只能够提升客户体验、终身收入和公司的财政业绩。这意味着仅仅使用一个客户见解就可以做出改变或者发起可能提升某些指标的活动。这个案例也许是通过购后推荐或改善客户欢迎活动来判断结果是否会有所不同。你根据客户数据行动得越快,数据驱动营销成为一种生活方式的速度就会越快。同时,它以提升客户满意度和收益的形式促进早期赢利,并促使公司批准你继续数据探究。
第三点,今天就开始行动,使它变得简单并不断重复。供应商支持预测营销的技术状况正在快速变化。更新更好的技术每年都变得更容易获得。然而,这不是守株待兔的理由。尽早行动有着巨大的优势。在本书中提到的公司都知道这个道理。我们在写这本书时遇到的主要挑战是让营销者同意分享他们在预测营销中取得的成果。我们经常听到这样的声音:“我们不想让对手知道部署预测营销会带来多大的回报。”或者:“我们将预测营销主动权视作主要的竞争优势,我们不想让其他人知道这些。”这说明一个道理:冒一次风险,开始预测营销——即使在小规模范围内进行。这会让你的公司习惯以新的方式为预测营销思考,所以你开始转变并学习的速度越快,就会变得越出色。最终,你的客户会要求你为他们进行更多相关服务,如果你的对手开始进行预测营销,那么你会损失一部分客户。但如果你知道早晚有一天会采用预测营销,为什么不在今天马上开始并赢得竞争优势呢?
第四点,频繁尝试新事物并进行评估。不要期待你第一次尝试就能敲开预测营销的大门。寻找数据和制动活动需要反复尝试,但是学到这些东西唯一的方法就是马上开始尝试。确定你为每项实验都形成了一套清晰的假设,并通过A/B测试来检验假设,或通过拒不接受新方法的团体来测试假设。逐渐通过测试新事物来得到提高。保持耐心,你的公司可能需要一段时间才能走上正轨,就算第一次实验失败了也不要停下来。一些成功的客户曾经经营了数百个活动,每个活动都为总体经验和客户的终身价值贡献了一小部分力量。像足球一样,每个营销行为都会帮助足球在场上前进一步,最终奔向那些忠诚且可赢利的客户。
最后,在公司内外交流成功的人或事。当你开始看到预测营销的结果时,请与世界分享这些成果。在你的行业内寻找一组志趣相投的营销者交换意见,这样做非常有价值。也许你可以在有共同点但没有竞争关系的公司或品牌内部找到营销者。你不需要自己发明轮子,学习进程就会加速。预测营销正成为一项强有力的活动,寻找志趣相投的从业者,不仅有利可图而且可以带来欢乐。我们推荐你用博客或发新闻稿的方式来告诉客户你的实验进程。我们很乐意为你联系那些乐意报道这些活动的记者。你们致力于更好地理解和服务于客户,同时努力消除不相关的大规模营销实践,客户会很乐意看到这些事迹。最后,在博客上报告你的成功事迹,你可以得到一个有前瞻思维的现代营销者应有的声望。为什么不在采用预测营销过程中建立自己的声望呢?
以上是预测营销的原则。能够见证历史意义最深远的一次技术和文化变革,我们感到幸运。请提升自己,力求拥有这些品质,接着你可以使用我们介绍的对你有利的策略——或者发明你自己的策略。你可以在公司和客户一起,创造出属于你自己的成功事迹。随着预测营销逐步发展并普及,越来越多的人会参与进来。
营销技术正处在巨大革命的前沿。机器学习最终会渗透到生活的方方面面,并提高教育、慈善、卫生保健等各个方面的质量。作为营销者,我们是开拓者,探索怎样最好地使用机器智能改善我们的生活,而不以不良的方式侵犯个人隐私。你所做的事情十分重要。我们希望你在预测营销的努力中得到好运,并告诉我们你的经历。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09