一、CRM實(shí)施的前提——客戶細(xì)分
客戶細(xì)分就是把客戶根據(jù)其性別、收入、交易行為特征等屬性細(xì)分為具有不同需求和交易習(xí)慣的群體，同一群體中的客戶對(duì)產(chǎn)品的需求的及交易心理等方面具有相似性，而不同群體間差異較大。
客戶群體細(xì)分可以使企業(yè)在市場(chǎng)營銷中制定正確的營銷策略，通過對(duì)不同類別客戶提供有針對(duì)性的產(chǎn)品和服務(wù)，提高客戶對(duì)企業(yè)和產(chǎn)品的滿意度，以獲取更大的利潤。
客戶細(xì)分可以采用分類的方法，也可以采用聚類的方法。比如，可以將客戶分為高價(jià)值和低價(jià)值的客戶，然后確定對(duì)分類有影響的因素，再將擁有相關(guān)屬性的客戶數(shù)據(jù)提取出來，選擇合適的算法對(duì)數(shù)據(jù)進(jìn)行處理得到分類規(guī)則。
使用聚類的方法，則在之前并不知道客戶可以分為幾類，在將數(shù)據(jù)聚類后，再對(duì)結(jié)果數(shù)據(jù)進(jìn)行分析，歸納出相似性和共性。
每一類別的客戶具有相似性的屬性，而不同類別客戶的屬性也不同，從而確定特定消費(fèi)群體或個(gè)體的興趣、消費(fèi)習(xí)慣、消費(fèi)傾向和消費(fèi)需求，進(jìn)而推斷出相應(yīng)消費(fèi)群體或個(gè)體下一步的消費(fèi)行為。
細(xì)分可以讓用戶從比較高的層次上來察看整個(gè)數(shù)據(jù)庫中的數(shù)據(jù)，也使得企業(yè)可以針對(duì)不同的客戶群采取不同的營銷策略，有效地利用有限的資源。合理的客戶細(xì)分是實(shí)施客戶關(guān)系管理的基礎(chǔ)。
二、獲取新客戶——客戶響應(yīng)分析
在大多數(shù)商業(yè)領(lǐng)域中，業(yè)務(wù)發(fā)展的主要指標(biāo)里都包括新客戶的獲取能力。新客戶的獲取包括發(fā)現(xiàn)那些對(duì)你的產(chǎn)品不了解的顧客，他們可能是你的產(chǎn)品的潛在消費(fèi)者，也可能是以前接受你的競(jìng)爭對(duì)手服務(wù)的顧客
。在尋找新客戶之前，企業(yè)應(yīng)該確定哪些客戶是可能的潛在客戶、哪些客戶容易獲得、哪些客戶較難獲得，從而使企業(yè)有限的營銷資源得到最合理的利用。
因此，預(yù)測(cè)潛在客戶對(duì)企業(yè)銷售推廣活動(dòng)的反應(yīng)情況是客戶獲得的前提，由于潛在客戶的數(shù)量日益龐大，如何提高市場(chǎng)促銷活動(dòng)的針對(duì)性和效果成為獲取新客戶的關(guān)鍵問題。
數(shù)據(jù)挖掘可以幫助企業(yè)識(shí)別出潛在的客戶群，提高客戶對(duì)市場(chǎng)營銷活動(dòng)的相應(yīng)率，使企業(yè)做到心中有數(shù)、有的放矢。根據(jù)企業(yè)給定的一系列客戶資料及其他輸入，數(shù)據(jù)挖掘工具可以建立一個(gè)“客戶反應(yīng)”預(yù)測(cè)模型，利用這個(gè)模型可以計(jì)算出客戶對(duì)某個(gè)營銷活動(dòng)的反應(yīng)指標(biāo)，企業(yè)根據(jù)這些指標(biāo)就可以找出那些對(duì)企業(yè)所提供的服務(wù)感興趣的客戶，進(jìn)而達(dá)到獲取客戶的目的。數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析、聚類和分類功能可以很好地完成這種分析。
三、提升客戶價(jià)值——交叉銷售
交叉銷售是指企業(yè)向原有客戶銷售新的產(chǎn)品或服務(wù)的營銷過程，它不僅是通過對(duì)現(xiàn)有客戶擴(kuò)大銷售來增加利潤的一個(gè)有效手段，而且還是提升企業(yè)形象、培養(yǎng)客戶忠誠度、保障企業(yè)可持續(xù)發(fā)展的重要戰(zhàn)略。
公司與其客戶之間的商業(yè)關(guān)系是一種持續(xù)的、不斷發(fā)展的關(guān)系。在客戶與公司建立起這種雙向的商業(yè)關(guān)系之后，可以有很多種方法來優(yōu)化這種關(guān)系，延長這種關(guān)系的時(shí)間。在維持這種關(guān)系期間，增加互相的接觸，努力在每一次互相接觸中獲得更多的利潤。而交叉銷售就是這種工具，即向現(xiàn)有的客戶提供新的產(chǎn)品和服務(wù)的過程。
在交叉銷售活動(dòng)中，數(shù)據(jù)挖掘可以幫助企業(yè)分析出最優(yōu)的銷售匹配方式。在企業(yè)所掌握的客戶信息，尤其是以前購買行為的信息中，可能正包含著這個(gè)客戶決定他下一個(gè)購買行為的關(guān)鍵，甚至決定因素。通過相關(guān)分析，數(shù)據(jù)挖掘可以幫助分析出最優(yōu)的、最合理的銷售匹配。
一般過程是這樣，首先分析現(xiàn)有客戶的購買行為和消費(fèi)習(xí)慣數(shù)據(jù)，然后用數(shù)據(jù)挖掘的一些算法對(duì)不同銷售方式下的個(gè)體行為進(jìn)行建模；其次是用建立的預(yù)測(cè)模型對(duì)客戶將來的消費(fèi)行為進(jìn)行預(yù)測(cè)分析，對(duì)每一種銷售方式進(jìn)行評(píng)價(jià)；最后用建立的分析模型對(duì)新的客戶數(shù)據(jù)進(jìn)行分析，以決定向客戶提供哪一種交叉銷售方式最合適。
有幾種數(shù)據(jù)挖掘方法可以應(yīng)用于交叉銷售。關(guān)聯(lián)規(guī)則分析，能夠發(fā)現(xiàn)顧客傾向于關(guān)聯(lián)購買哪些商品；聚類分析，能夠發(fā)現(xiàn)對(duì)特定產(chǎn)品感興趣的用戶群；神經(jīng)網(wǎng)絡(luò)、回歸等方法，能夠預(yù)測(cè)顧客購買該新產(chǎn)品的可能性。
相關(guān)分析的結(jié)果可以用在交叉銷售的兩個(gè)方面：一方面是對(duì)于購買頻率較高的商品組合，找出那些購買了組合中大部分商品的顧客，向他們推銷“遺漏的”商品；另一方面是對(duì)每個(gè)顧客找出比較適用的相關(guān)規(guī)律，向他們推銷對(duì)應(yīng)的商品系列。
四、保持客戶——客戶流失分析
隨著企業(yè)競(jìng)爭越來越激烈，企業(yè)獲取新客戶的成本不斷上升。對(duì)大多數(shù)企業(yè)而言，獲取一個(gè)新客戶的花費(fèi)大大超過保持一個(gè)已有客戶的費(fèi)用，保持原有客戶的工作越來越有價(jià)值，這已經(jīng)成為大多數(shù)企業(yè)的共識(shí)。你保留一個(gè)客戶的時(shí)間越長，收取你在這個(gè)客戶身上所花的初期投資和獲取費(fèi)用的時(shí)間也越長，你從客戶身上獲得的利潤就越多。但由于各種因素的不確定性和市場(chǎng)的不斷增長，以及一些競(jìng)爭對(duì)手的存在，很多客戶為了尋求更低的費(fèi)用和其他服務(wù)商為新客戶提供比你更多的額外優(yōu)惠條件，不斷地從你這里轉(zhuǎn)向另一個(gè)服務(wù)商。我們把客戶從一個(gè)服務(wù)商轉(zhuǎn)向到另一個(gè)服務(wù)商的行為稱之為客戶轉(zhuǎn)移。
為了分析出是哪些主要因素導(dǎo)致客戶轉(zhuǎn)移，并可以有針對(duì)性地挽留那些有離開傾向的客戶，我們可以通過使用數(shù)據(jù)挖掘工具為已經(jīng)流失的客戶建模，識(shí)別導(dǎo)致他們轉(zhuǎn)移的模式，然后用這些找出當(dāng)前客戶中可能流失的客戶，以便企業(yè)針對(duì)客戶的需要，采取相應(yīng)的措施防止客戶的流失，進(jìn)而達(dá)到保持原有客戶的目的。
解決客戶流失問題，首先需要明確流失的客戶是什么樣的客戶。如果流失的是劣質(zhì)客戶，企業(yè)求之不得；如果流失的是優(yōu)質(zhì)客戶，企業(yè)則損失巨大。如果企業(yè)優(yōu)質(zhì)客戶的穩(wěn)定期越長，企業(yè)與其維持關(guān)系的成本越低，獲得的收益越大。
因此，為保持優(yōu)質(zhì)客戶，需要先辨識(shí)優(yōu)質(zhì)客戶。這通過前面的客戶細(xì)分就可以完成這項(xiàng)工作，分析出客戶盈利能力，辨識(shí)和預(yù)測(cè)客戶的優(yōu)劣。當(dāng)能夠辨識(shí)出客戶的優(yōu)劣時(shí)，首先，根據(jù)已流失客戶數(shù)據(jù)，可以利用決策樹，神經(jīng)網(wǎng)絡(luò)等進(jìn)行分析挖掘，發(fā)現(xiàn)流失客戶特征；然后，對(duì)現(xiàn)有客戶消費(fèi)行為進(jìn)行分析，以確定每類客戶流失的可能性，其中著重于發(fā)現(xiàn)那些具有高風(fēng)險(xiǎn)轉(zhuǎn)移可能性并具有較高商業(yè)價(jià)值的客戶，在這些客戶轉(zhuǎn)移到同行業(yè)其他服務(wù)商那里之前，采取相應(yīng)的商業(yè)活動(dòng)措施來保持住這些有價(jià)值的客戶。我們把這個(gè)過程叫做客戶保留或客戶保持。
在選擇數(shù)據(jù)挖掘工具時(shí)，若希望能夠?qū)蛻暨M(jìn)行細(xì)分，并且能夠?qū)蛻袅魇У脑蛴斜容^清晰的了解，那么決策樹工具是比較好的選擇。盡管其他的一些數(shù)據(jù)挖掘技術(shù)，如神經(jīng)元網(wǎng)絡(luò)也可以產(chǎn)生很好的預(yù)測(cè)模型，但是這些模型很難理解。當(dāng)用這些模型做預(yù)測(cè)分析時(shí)，很難對(duì)客戶的流失原因有深入的了解，更得不到對(duì)付客戶流失的任何線索。
在這種情況下，也可使用細(xì)分技術(shù)和聚類技術(shù)來得到深入的了解，但用這些技術(shù)生成預(yù)測(cè)模型就相對(duì)復(fù)雜得多。一般來說，在客戶保持中，大多使用分類回歸決策樹來生成預(yù)測(cè)模型。 ..
|
