运用预测分析挑战客户价值极限

作者：

欢迎访问e展厅 展厅 1 企业资源计划ERP展厅 企业资源计划ERP, 供应链管理SCM, 客户关系管理CRM... 预测分析是一项用于培育客户关系并获取更多价值回报的技术。目前大多数CRM系统往往依赖对历史数据的分析而得出结论，但是，这样的系统存在滞后性，在客户关系管理中时常扮演着“事后诸葛亮”的角色，对未来决 策的制定仍缺乏有效支持。因此，为了迎合客户未来的需求，必须具有前瞻性的解决方案能够预测客户态度、偏好和行为等方面的变化，这就是预测分析技术能够实现的。预测分析技术至少有5项作用，而来自这5方面的共同作用能够确保企业最大化客户关系的价值并且获得更多的利益回报。 一、根据预测分析资料制定客户战略 准确的预测分析资料是任何客户战略制定和CRM系统启动的基础。为了更好的了解客户，企业首先需要利用一些分析工具进行客户群划分，然后为每个细分群体建立预测分析需要的客户概要资料。全面建立这样的客户资料并辅助企业战略的制定，将使其注意力集中在能够产生最大价值的业务活动上。 关键客户群识别 企业常常通过分析收集到的历史数据来划分客户群，而数据收集的渠道包括运营系统的数据库中抽取和问卷调查等形式的市场调研。在实际运用中，这两种方法往往可以相互补充，最终获取更准确的客户数据，进而能够更有效的制定合适的客户战略。 数据收集之后，企业可以根据不同的标准对客户群体进行划分，例如：根据客户消费的数量；根据客户的付款方式；根据客户关系的远近程度等等。这样做的目的是让企业知道对所提供的某种产品或服务，究竟有哪些客户最有意愿购买。 1．客户价值标准。用于识别对企业来说最有价值的客户，或者说能为企业带来最多利润的客户。 2．客户行为标准。用于分析最有可能购买企业提供的产品或服务的客户，从而使企业在市场营销上的投资更有效率。 3．客户数量统计学标准。通过其他一些补充数据为预测客户行为提供辅助信息。 4．客户态度标准。为更好的理解客户提供新的纬度，最有效的方法就是通过当面访谈等市场调研来准确把握客户的态度。 各细分客户群预测分析档案 当客户群细分之后，下一步考虑的是如何针对这些细分群体设计合适的产品或者服务。将合理的预测分析结果融入后来的生产制造环节，可以帮助企业为客户提供更有创造性和高附加值的产品。 瑞士信贷集团(Credit Suisse Group, CSR)的案例或许能给我们一些启示。他们曾在1997年启动一项关于“客户忠诚度”的项目，即利用SPSS软件实施了一套数据挖掘方案，在250万条客户数据中从400项客户属性中进行分析。最后，他们发现在这样庞大的客户群中有仅占1%的少数客户属于”极端不可能”购买该公司产品和服务，但又是具有较高信用等级的客户。因此，他们及时调整其营销策略，力争挖掘这个潜在的客户群体。事实证明，两年之后瑞士信贷集团就从这部分市场获得高额的商业回报。 二、赢得好客户的最佳途径 从竞争激烈的市场上争夺客户是一项必要却又是十分耗费成本的工作，更可怕的情况是在付出高额代价后却没有赢得合适的客户群体，这对企业来说简直是一场灾难。因为，在客户成本投入和商业回报的天平上失衡的企业，一方面所争取的客户不能带来更多价值回报，另一方面，真正有价值且忠诚度高的客户却因为他们有限的投入而收效甚微，两者巨大差异下形成的合力使企业陷入了困境。 预测分析可以帮助企业找出其真正需要的客户从而提高企业的ROI。如下图中所示，在客户的整个生命周期中，从一开始预测分析就能够在帮助企业争取客户时更具成本效益。随着客户的成长，预测分析还能帮助企业强化客户关系并维系这些最佳客户、从而使客户价值曲线上升，即成为更具价值和忠诚度的好客户。(end)

文章内容仅供参考 (投稿) (如果您是本文作者，请点击此处) (3/1/2005)