管理 学习应用最佳实践并优化您的操作。

通过分析挖掘客户数据的价值

了解客户数据分析如何帮助企业改善客户体验、服务和销售——并了解更多关于客户数据分析的可能性。

客户数据中包含有有价值的知识,这不是什么秘密——如果可以提取的话。许多组织面临的挑战正是如何部署分析来从客户数据中释放洞察力。本在线指南提供了客户数据分析和客户情报的执行概述,以及来自顶级执行者的部署建议和最佳实践。

在本节中,了解客户数据分析如何帮助组织改善客户体验、服务和销售——并了解更多关于客户数据分析的可能性。


不要错过本客户数据分析指南的其他部分
*通过分析挖掘客户数据的价值
*改进客户数据分析:使用指标和技术的技巧
*开发客户数据分析程序的专家建议
*来自最佳执行者的客户数据分析最佳实践


客户数据分析和客户情报的高管指南

如何利用分析技术从客户数据中获取更多信息

获得真正的“客户情报”既是一门艺术,也是一门科学——需要关注技术,包括客户数据分析、流程和组织思维。

在2008-2009年的全球危机之前,许多高管认为,市场营销、品牌塑造、客户互动和社交媒体投资主要是为了围绕组织的产品或服务提供制造舆论——一种不需要理由的无形投资。新的后衰退范式要求高管和营销人员在关键绩效指标(kpi)、营销绩效指标、企业目标和股东收益之间建立一致性,以证明价值并保持与多个利益相关者的相关性。Hypatia Research LLC的研究证实,超过50%的市场营销部门、销售和业务发展专业人员和客户服务及支持团队继续以非集成的、通常是临时的方式被分配任务和度量。简而言之,那些真正致力于衡量营销表现的公司继续依赖于线性和非集成指标的拼凑。

营销主管成为技术推手的拥护者,如客户关系管理(CRM)、销售力量自动化(SFA)、营销自动化、Web分析和客户服务、呼叫中心和支持,这些技术推手提供了一些基于指标的报告,包括潜在客户、销售转换、网站粘性、销售点(POS),点击和点击购买,促销提升,客户满意度调查,呼叫中心解决时间和/或媒体安置。然而,大多数(如果不是全部的话)收集的客户信息将继续存储在各种系统中——主要由输入数据的角色、功能或人员组织和利用。事实上,这种不整合的方法是一个公司范围内的上瘾,是一个很难打破的习惯!

目前,大多数被调查的组织报告将客户数据分析用于五个主要目的(见图1)。令人惊讶的是,不到三分之一的受访者将分析用于企业战略规划目的或识别高价值客户并主动与客户互动。近一半的公司利用分析来留住客户,但是如果被积极保留的客户恰好符合“无盈利或低盈利的客户”的特征,组织实际上可能会在这方面损失金钱。如果没有数字基础来进行全面的客户分析,企业就有可能以牺牲利润空间为代价追求收入增长。营销主管该怎么做?

图1:如何应用客户数据分析:跨行业

(多项选择¹100%)来源:©20109 Hypatia Research, LLC

看到那个顾客了吗?

产品驱动型和服务型组织都在大量投资于通过各种各样的“spreadmarts”来收集客户、产品、服务、合同和交易数据。不幸的是,低质量或不准确的客户数据导致北美公司每年损失超过6000亿美元的利润。

事实上,上次Hypatia Research LLC管理一个大规模的客户数据集成和迁移项目(类似于根管)时,我们发现客户数据就像“输入的垃圾,到处都是垃圾”。如果没有标准化的领域、一致的数据库结构或数据质量和治理流程,地球上所有的分析、算法和商业智能工具都无法为我们的客户提供可信的运营报告,并据此做出决策。

此外,从客户的角度来看,收到多份目录和直邮是很烦人的,他们的邮箱里塞满了多余的和错误地址的媒体——这明显表明公司不知道或不够关心了解他们的需求、偏好或正确的名称。想想那些购买混合动力车、购买有机产品的市场,关注它们的碳足迹和循环利用。他们购买那些浪费自然资源以追求更大利润的公司的可能性有多大?

我们的研究表明,由绩效指标定义的顶级员工[1],更经常使用高级分析、基于规则的交互和补充客户数据。因此,在被调查的公司中,前20%的公司实现了更高的投资回报。

图2:利用客户数据的能力

(多项选择¹100%)来源:©2010 Hypatia Research, LLC

经济衰退后的客户数据分析范式

新的后经济衰退范式要求高管和营销人员在kpi、企业目标和股东收益之间建立一致性,以证明价值并保持与多个利益相关者的相关性。因此,成功的高管将利用客户数据的价值,提供关键的绩效指标,以及可操作的客户洞察和市场情报。

为了创建一致性,公司将需要开发基于角色的能力和业务流程,并部署技术,使它们能够度量与多个涉众交互(并管理关系)的盈利程度。

前瞻性的解决方案提供者不仅应该为组织提供对客户行为的可见性,而且还应该从自底向上和自顶向下的角度分析、报告和度量交易性和交互性客户信息的能力。精明的公司已经从建立高性能营销文化中获得了巨大的收益。


[1]多重、加权的关键性能指标。


关于作者:

莱斯利智力缺陷者公司研究副总裁兼联合创始人希帕蒂娅研究有限责任公司他是客户情报管理思想领袖和行业分析师,专注于如何组织捕获、管理、分析和应用可执行的客户洞察力,以改善客户管理技术,减少运营费用,并加速企业增长。她的研究范围包括:商业智能、媒体智能/搜索/文本分析、CRM、Web分析、营销自动化和客户数据管理/数据质量。

此前,他曾任职于Demantra, Inc.(已被Oracle收购)、Arthur D. Little管理咨询公司、hart - hanks、Banta Corporation、国际汤姆森出版公司(Chapman & Hall,英国)和Carnegie Hall, Inc.的管理团队和领导全球市场营销和市场研究团队。她是美国市场营销协会(American Marketing Association)、竞争情报专业人员协会(Society for Competitive Intelligence Professionals)、客户关系管理协会(Customer Relationship Management Association)、DataShaping Certified Analytic Professional、Arthur D. Little校友会(Arthur D. Little Alumni Association)、软件行业信息协会(Software Industry Information Association)的成员,以及产品管理协会(Product Management Association)的董事会成员。

她在伊利诺伊大学香槟分校完成了Phi Kappa Phi博士学位,并在印第安纳大学布鲁明顿分校获得了硕士和学士学位。


不要错过本客户数据分析指南的其他部分
*通过分析挖掘客户数据的价值
*改进客户数据分析:使用指标和技术的技巧
*开发客户数据分析程序的专家建议
*来自最佳执行者的客户数据分析最佳实践


深入挖掘客户分析

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭