想把客戶追到手到底有多難？
“在下手之前，先想一想你要追的人是誰？”
▼
“我們的目標客戶是哪些人”？聽起來平常無奇的問題，卻是任何一類商業模式的根基。在日常的營銷工作中，“客戶細分（customer segmentation）” 可以說是一種通用的法則，而明白我們的客戶是誰、他們都有哪些特征，將幫助公司進一步明確自身的市場定位和戰略方向，精準發力。
過去，在沒有充分的數據支撐之前，有限的行業經驗、甚至營銷專家的直覺都能夠成為“客戶細分”的參考依據。然而，大數據時代的來臨讓“客戶細分（customer segmentation）”變成了一項更為復雜，同時也更為細致的技術活。當數據復雜性和豐富程度不斷提升，傳統“客戶細分”的方法逐漸顯現出了一定的弊端——因為在一段時間內，客戶的需求特征已經發生了巨大的變化，而用于分析的客戶數據可能仍是陳舊的。
如何才能及時捕捉到客戶在不同階段的行為或偏好變化？基于人工智能（Artificial Intelligence）和機器學習(Machine Learning)，歐唯特CRM解決方案團隊和德國明斯特大學信息安全研究中心“全域實驗室”（RCIS Omni-Channel Lab of the University of Münster）的專家聯合研發了一種基于“數據流聚類”（stream clustering）的創新算法，它不僅能針對較長一段時間內的數據流（如交易數據）進行數據識別和監測，更能自主地逐步更新字段——即實時標明新興字段，淘汰老舊字段，在持續輸入新數據的同時完成“聚類”，而最終生成的數據結果也可直接應用，無需重新計算。
▼
實際案例
在某家居零售品牌的170萬交易數據分析過程中，這種創新方法已經得到了真實的應用和認可。首先，現有的客戶群體以“退貨率”和“購買次數”這兩個維度進行分類——結果顯示，大部分人群購買量少且退貨率低，但也有一些人群不僅購買頻率高，退貨率也高。
這一方面說明，那些購買上百件家居物品的人有可能是經銷商；另一方面，顯然仍有一些人對產品或服務很不滿意——因為他們幾乎每次都退回了自己所購買的產品。
接下來，相關數據分析進一步擴展到對消費者線上購物頻次、客單件和最后一次消費時間的評估上。通過這種方式，更細致的群體將被逐一劃分出來。為了使區分維度更精確，歐唯特CRM團隊著重研究某一個特定時間點和總體平均值相比的數據偏差，并據此展開思考：這組人群和大部分普通客群的區別特征是什么？
▼
五大客戶類型
從數據出發，歐唯特CRM團隊根據最主要的消費特征劃分出不同客群對于品牌的價值，并據此調整了相應的溝通策略。然而，不難發現，真正需要品牌對其溝通策略做出調整的對象并非是占比最大的群體，而是一小部分在當下的消費背景中特征最為突出、且能為公司帶來利潤的“有購買力的”群體——在該案例中，該公司在當下的階段，最需要跟進的是熱衷于在線上頻頻購買家具的人群，而非線下路過門店走走逛逛的“看客”。
實際上，做好“客戶細分”的根本目的就是“將正確的信息通過正確的渠道傳遞給正確的人”，而基于“數據流聚類”的創新處理方式，“客戶細分”的過程更像是一個對數據庫進行實時更新的過程。通過分析最前沿的數據信息，該方法能夠幫助品牌描繪出一幅持續變化的客戶畫像，從而得出一個特定時間段內最具時效性的客戶洞察，找到最值得去進一步溝通的“有利潤的客戶”（profitable customers），助力品牌自如應對市場變化，建立最有效的營銷發力點，順水推舟，快步“追”上自己的目標客戶。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）