
大数据应用让客户得到实惠_数据分析师
用过某些“添加剂”,家电行业与通讯行业、给汽车加油与买手机,它们之间能不能产生什么反应呢?在贵州轩通大数据科技有限责任公司总裁牛志敏看来,这没什么不可能。“把不同行业的数据融合,建立大数据应用库,将数据分析结果进行重构,再通过精准营销服务,便可给客户带来实实在在的实惠,并实现不同行业的多赢。”
牛志敏口中的大数据应用精准融合营销模式,正是贵州轩通从事的主营业务。“目前,贵州正举全省之力支持大数据产业的发展,看准这一机遇,我们也积极谋划在贵阳的发展。自今年初正式开业以来,运营情况良好。”牛志敏说。
数据分析使营销效果得到提升
轩通大数据科技有限公司最早在江西成立。谈及缘何选择大数据产业,牛志敏讲述了一件让他记忆犹新的典型案例。“当时,我们在和中国移动合作,发现对数据进行分析后再通过外呼精准营销,比移动营业厅的营销效果要强很多。”
牛志敏介绍道,一家移动营业厅服务范围往往有限,一般为周围5公里范围内的客户服务。轩通通过与中国移动数据共享,以一个营业厅做体验,可以将服务范围大大地扩大。“这就是大数据带来的好处,数据告诉我们客户的行为、客户的需求,通过一个电话提供服务,可能吸引到远在十多公里以外的客户到这个营业厅来体验。”
牛志敏举了一个例子,“比如,你是一个使用苹果手机的客户或是苹果产品的忠实粉丝,当营业厅上架苹果的最新产品,然后打电话告知你,也许你以前不会与这个营业厅产生接触,但接到的电话正好推荐了你想要的产品,你到这个营业厅购买相关产品和服务的可能性就增强了。”
此后,轩通就着力于数据的收集和分析,然后将数据做相关的应用。
数据融合精准营销实现多赢
在贵阳落户后,轩通继续做大数据应用方面的尝试。“目前,我们已和中石油、中石化及中国移动公司合作,开展石油融合营销。”牛志敏介绍说,轩通利用自身积累的数据,与这几家公司数据融合共享,对客户行为、消费习惯等特征进行采集分析,然后开展精准营销。
“精准营销通俗来讲就是数据分析之后的行为,根据人的消费习惯来判断并作出反应。”牛志敏说,在石油融合营销案例中,他们首先找到符合一定特征的客户——既是中国移动的客户,也是中石油或中石化的客户,然后给予他一定的优惠活动,通过呼叫这个环节,通知这位特定的客户到离他最近的加油站或营业厅体验服务,交话费来免费获得手机或加油卡等。“开车的可以送加油卡,或者对正好需要一台冰箱的客户免费赠送一台等等,这就是根据数据分析来满足客户需求的精准营销行为。”牛志敏说。
这两个行业的融合,有一个重要的基础。“所谓的大数据,我认为主要体现在数据来源多和受众面广。如果脱离了使用的人,离大数据应用就远了。”而石油行业和通讯行业却离人们生活很近。加油是有车一族生活中必须的,交话费同样是必须的,那么在加油站出现充话费的行为,对于多方来说都是一个共赢的结果。
“在这中间,客户实现了利益最大化,中石油或中石化、中国移动公司绑定了忠实客户,而轩通也在精准营销的过程中实现了公司的利润。”牛志敏介绍,石油融合营销模式已在全国推广,贵阳市内100余家加油站都设立了客户体验点。今年一季度,轩通依靠这一块业务在贵州达到4000余万元的营业额。
基于需求的呼叫是“绿色大数据”
在贵阳,轩通还布局了1000个呼叫坐席。“呼叫是大数据产业的服务环节,是实现精准营销非常关键的步骤。”牛志敏说,数据经过分析后,使用呼叫系统让客户去感受服务,这个过程就是轩通所倡导的“绿色大数据”。
“客户在没有这个需求的时候,不间断地给他打电话,实际上是一种骚扰。但如果是基于客户的需求,就会转变成贴心的服务。就好比天冷了需要购置外套的时候,正好有电话打进来说充话费可以免费赠送外套,客户是不是就比较乐意参与呢?”
石油融合营销只是轩通正在进行的一个主要应用,下一步,公司还将对保险、金融等拥有数据来源的行业进行融合,让客户得到更多的实惠。
当然,大数据应用的拓展并不容易。“对于大数据应用,数据来源很重要。”牛志敏说,从当下的情况来看,数据源头还是掌握在BAT、运营商等几家大公司手里,想从事大数据应用的民营企业在数据的采集方面仍存在一定困难。
“不过,好的情况是,贵阳成立了大数据交易所,为民营企业的数据来源提供了很好的保障。”牛志敏认为,大数据交易所的成立对很多想从事大数据业务、且有很好的营销模式,但没有数据来源的企业来说,无疑是一个很好的机会。
“同时,政府对大数据、呼叫产业的通力保障,让我们这些企业享受到在其他地方享受不到的资源,比如说相关的政策支持、基础员工的集中和培养等。”牛志敏相信,贵州、贵阳将吸引到更多的想从事大数据、呼叫产业的企业前来投资兴业。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 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 ...
2025-09-15