
在大数据冲击下,如何管理用户关系_数据分析师
“大数据”(Big Data)是2012年互联网络的关键词。“大”主要表现为大量化(Volume)、多样化(Variety)和快速化(Velocity)。据统计,每秒钟世界上有1万个支付卡交易发生、每小时沃尔玛发生1百万个零售交易、每天推特上发布3.4亿微博即每秒发布4000个微博、Facebook有超过10亿活跃用户产生社交数据、50多亿人用手机通话、发短信、刷微博和浏览网站。用户生产的内容(User Generated Content,简称UGC)即非结构化数据占据2012年大数据的75%以上。传统用户关系管理的数据以结构化数据为主,例如用户的信息、购买行为和资料等。而大数据时代的用户关系管理面对的是零散、异质化的数据,例如博客、微博、网购、视频、社交网站数据等。社会化媒体以其用户生产内容(UGC)和社交网络图谱为主要特征。社会化媒体平台上的主角是用户,而不是网站的运营者。作为节点的用户基于趣缘和业缘在社会化媒体上产生裂变式的社会关系,而连接这些关系的恰是用户自己生产的内容。因此,社会化媒体是大数据的主要生产者。用户关系管理(CRM)的核心要素及其变迁在大数据和社会化媒体渗透的互联网络中,传统CRM中的边缘因素转变为中心要素,次要部分转变为支配部分。作为CRM重要概念的用户、媒介一用户关系、用户一用户关系、以及用户关系管理技术正在发生变迁。
1.用户:更加平等的立足点
传统用户关系管理集中于价值用户的认识、保留和发展的动态管理,目的在于从价值用户得到卓越回报。因此用户关系管理旨在对价值用户的发现、保持和发展,而大多数分散的用户往往被边缘化,很少记录和追踪零散用户的数据。而在大数据时代,零散的小用户成为用户关系管理中发挥长尾效应的价值用户。Google和Amazon专注零散用户造就的价值收益,使得企业和电子商务将目光从少数大型用户转向多数小型零散用户。在大数据时代,拥有最多的用户数据是最大的竞争优势。Facebook被称为世界上“第三大人口国家”,活跃用户数已超10亿。腾讯拥有7亿QQ用户、4.25亿微博用户、2.024亿朋友网的活跃用户及突破l亿的微信用户,成为目前中国拥有最完善用户数据的数据库。尼尔森公司与推特在2012年12月17日在美国市场签约启动“尼尔森/推特电视收视率”项目。该项目作为尼尔森传统电视收视率调查的补充,将从2013年秋季开始利用推特用户实时的社会化电视意见数据调查受众对节目的态度,尼尔森公司认为推特是电视节目实时参与互动的最卓越数据源。随着大数据意识的增强,Ebay、Amazon、淘宝、凡客诚品等纷纷建立大数据中心,用于从海量数据中找出新的价值利益,成为企业创新点。从“为产品找用户”转换为“为用户找产品”,以用户为中心来经验企业。
2.关系:一种无形的资产
媒介产业中,传统CRM的关系主要指媒介——用户之间的关系,吸引新用户、提升现存用户和保留老用户是主要处理的关系。关系限定在媒介与媒介企业收集的用户间,关系圈封闭,关系去向单一,用户反馈数据匮乏。而基于社会化媒体架构的社会网络关系具有开放、双向、无边界等特点,呈发散式网状结构。单一节点的关系从原点通过各种强弱关系呈裂变式无限发展。因此,社会化媒体语境中的CRM关系呈现多元化和多维化,不仅包括媒介一用户间的关系,也包括用户间的关系,而且后者更加的纷繁复杂,用户关系成为价值创造点、企业的无形资产。社会化媒体中关系的松散耦合更利于信息有效而充分地流通。例如,肯德基在2012年夏天借助腾讯微博投放连环画广告,通过驱动腾讯微博海量用户及其亿万用户关系链让用户在广告投放过程中实现互动,刺激消费。美国Delta航空公司发现很多用户在航班中使用Facebook,因此推出一款程序供用户在飞机飞行时可以通过Facebook预定航班。
3.技术:更新才能成为动力
大数据时代,数据集合从GB到TB再到PB级,甚至以EB和ZB来计算。面对海量数据,用户关系管理需要具备先进的数据挖掘技术、数据仓库和数据分析技术,才能挖掘出数据背后的价值和规律。由于非结构化数据指数级的增长,传统CRM系统中的数据仓库将无法应对海量数据,数据仓库的升级以及对海量数据的科学分析将是CRM的中心工作。再者,大数据要求用户关系管理能够分析海量数据背后潜藏的规律和价值,大数据分析技术将是CRM未来的重要部分。目前,应对大数据和社会化媒体,Google、Amazon、Facebook等采用NoSQL技术,逐渐证明非关型数据库技术应对海量数据的能力。NoSQL能达到对数据库高并发读写的需求、高效率存储和访问的需求以及高可扩展性和高可用性的需求。另外,还有Hadoop,Voldemort,Dynomite等具有高效高容错性的分布式处理平台的应用也是目前用户关系管理的技术更新。
从CRM到Social CRM社会化用户关系管理(Social CRM)并不是取代传统的用户关系管理(CRM),而是对传统CRM的拓展。
1.价值评判的社会化
用户关系管理的核心是价值,在传统CRM中,价值主要指用户与企业之间的价值评判,数据单一,尤其是用户对企业的评价往往数据不足或空白。在大数据和社会化媒体时代,价值变得多元化和多维度。掌握社会化媒体中用户的价值判断是建立社会化用户关系管理的关键步骤。越来越多的用户通过社会化媒体平台获得朋友、家人、专家以及社交圈子对产品的评价。当用户获得评价内容时,购买意识会增强。来自CompUSA和iPerceptions做的一项研究表明:63%的消费者表示如果在网站上看到产品的评论和普遍的评价都不错,那么他们就会购买这一产品。在社会化媒体上,用户对企业的评价变得实时而丰富,用户与用户之间的联系变得紧密,这种关系的多维化有利于企业从用户数据中获得商品的评价,同时利于获得潜在用户。
例如淘宝购物中,用户的经验性评价成为产品的“新型广告”,为产品积累“网络口碑”,达到产品性能的“网络分享”,用户对产品的评价踊跃优于企业自身对产品的推广广告,更具有可信度。社会化媒体中也不乏用户的差评,比如新加坡电信每一天要从社交媒体上面对1700条负面评价。对待消费者的抱怨,媒介企业不能采取鸵鸟政策,有十二项基本处理原则:快速反应、精确、灵活、透明、忠诚、人性、聚焦、后续跟进、附加价值、控制、避免冲突、不删帖。社会化用户关系管理,并不是对用户的管理,而是在用户认同的价值领域进行合作与互动对话。
2.用户管理的社会化
用户管理的社会化首先体现在对用户中“沉默大多数”的关注。根据网络行为,社交媒体中的媒介企业用户可以分为沉默观察型、偶尔参与型和深度参与型三类用户。据调查,除大多数沉默的观察者外,依次是阅读型和深度参与型用户。敢于创新的企业不仅要识别出社交媒体中的深度参与用户,通过协作交互扩大该群体在社会化媒体中的品牌宣传力,更应该认识到大多数沉默观察者参与的潜力。可以有目的多渠道地激励此类用户的社会化参与行为。
其次,越来越发达的用户管理技术能够识别和追踪每个个体用户并监视其行为,促进用户管理的社会化。亚马逊公司一直通过大数据分析,尝试定位客户和和获取客户反馈。IBM公司正在研究一项新型用户管理技术,该技术能够通过分析用户旅行卡中的个人消费信息和个人兴趣,为出行的人们在实时的火车站和汽车站的大屏幕上为其显示量身定制的购物信息。相比于传统用户管理系统对价值用户的管理,社会化用户管理系统面对的是无数个体用户,并为每个个体推送量身定制的各类信息。Econsultancy调查650位营销人员发现在大数据和社会化媒体的现实语境中企业对每个个体用户的检测技术的缺乏依旧是阻碍企业发展的主要因素。
移动社会化媒体的发展将是未来社会化媒体的趋势。据CNNIC统计,截至2012年底中国手机微博用户规模达到2.02亿,即高达65.6%的微博用户使用手机终端访问微博。
Google在2012年3月的调查显示美国60%的手机用户每天通过智能手机应用社会化媒体,相比去年增长6%。移动社交网络的兴起使得用户移动的地理位置数据将成为用户关系管理的另一种重要数据及资源,将是用户管理社会化的最新挑战。
3.决策的社会化
因为社会化用户管理面向每个用户的管理,即是对大数据的管理,大数据增强了企业决策的不确定性和不可预测性。用户管理的社会化会导致决策的社会化。传统用户关系管理中用户数据是商业精英进行经验判断和预测的基础,这种以工业化社会的规则与标准行动和思考是大数据和社会化媒体时代用户关系管理的一大羁绊。在社会化媒体中发掘消费者的真正需求,在大数据中挖掘用户和社会公众的创造性,日益成为企业决策的主要模式。
用户关系管理向社会化决策的转变,可以形象的理解为从“为产品找用户”转变为“为用户找产品”。用户生产的内容(UGC)、社交网络网状发展的社会关系、镶嵌于关系中的社会资本,以及企业与用户之间互利双赢式的诚信交流都是社会化决策的主要因素。社会化决策能分析出用户的真实需求与期望。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python 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 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04