完整的crm商业策略包含的四个不断循环的核心主题:数据管理、知识发现、策略制定和运营执行。理解了这四个主题的内涵和关系,有助于建立一个好的方法论去实施crm,更好地实现"辨识、获得、保持和增值客户价值"的战略目标。
数据管理,是一切crm实践的起点。我们可以把客户数据分为两大类,一种是属性描述数据,另一种是交易往来数据。前一类数据主要用于界定客户是谁,数据值具有稳定或亚稳定的特性。例如:客户单位的名称、上级机构/下级机构、联络方式、所有制、行业、营业规模/行业地位、产品、主要的负责人/联系人等、客户价值评级、客户信用评级。后一类数据往往来自客户与本企业的交互活动,即来自"关系"行为。例如:客户的历史购买记录、历史询价/磋商记录、服务请求处理记录、设备维护记录、通讯往来记录、样品发放/试用记录、市场调查记录、促销活动记录等。
当我们以360°的视角去观察客户的时候,我们还可以提出许多新的数据。例如,我们可能需要了解客户单位的主要投资人有哪些,主要的买家有哪些,客户单位同时还向其他哪些供应商采购;客户单位的多位联系人中,各自对本企业持什么态度;客户当期的主要经营指标如何等。
绝大多数crm软件并没有不加限制地来"丰富"客户数据,部分原因是由于某些数据的可采集性不强,部分原因是不知道采集到某些数据后如何做后续利用。这可能会造成某些必要的客户视角的缺失。例如,《广州日报》是国内媒体中广告收入最高的单位之一,它很有兴趣知道一些广告大客户的年度广告预算,以及在其主要竞争对手如《南方都市报》和《羊城晚报》那里的广告投放量,以便管理本企业所拥有的"客户份额"。客户与竞争对手的交易数据,超出了传统crm的范畴,必须上升到企业关系管理(enterprise relationship management),着眼于企业所处的整个商务价值链,才能进行有效管理。
当建立crm软件系统的时候,部分数据可以利用中间件技术从已有的erp等系统中获得,例如产品及产品库存的记录。部分数据也可以从excel或outlook中导入,例如客户单位与联系人的基本信息记录。但大多数的数据,还是要在与客户交互的过程中采集。利用数据库技术对客户数据进行采集,其前提是实现前端组织业务流程的自动化。前端组织业务流程自动化包含销售自动化、服务自动化和市场营销自动化三个组成部分,通常也把这三者统称为"运营型crm"。部分规模较大的企业,建立了呼叫中心或者接触中心,以便向客户提供更方便的接触路由,接触中心可以管理语音、传真、邮件、实时通讯等多种接触方式,通常被称为"协作型crm",它往往与服务自动化模块集成使用。业务流程的自动化,本质上是"联机事务处理"(oltp,online transaction processing)。oltp是传统的关系型数据库的主要应用,例如销售合同的制订、审核、签署和执行等。
数据质量的高低取决于两个直接因素:crm软件系统的数据库结构、普通员工对crm软件的接受度。如果oltp过程中的自动化程度高,普通员工可以直观体验到crm对于提高工作效率、降低劳动强度的好处,则使用crm软件的积极性就高。足够丰富的、高质量的数据是知识发现的基础。
知识发现
数据管理的目的,是为了发现知识。
oltp层面的统计分析主要针对较单一的数据源进行运算。例如我们针对一批生意机会,用报表统计它们的销售额和毛利;针对一批客户,用图表分歧行业分布状况;某一客户,已经购买了a产品,这意味着6个月以后该客户有可能需要更换b配件……
如果要同时分析来自多个数据源的数据,则需要利用更为深刻的知识发现工具,如数据仓库、数据挖掘和联机在线分析olap(online analytical processing)。这些技术已经被归属到"商业智能"(business intelligence)的范畴。商业智能与crm相结合,产生了"分析型"crm。olap工具侧重于通过上钻、下钻、切片、旋转等方式,对多维历史数据进行分析,回答"是什么"的问题;数据挖掘则偏重基于历史数据发现有价值的规律和模式,力图建立一个符合经验的预测模型,回答"该怎么做"的问题。
例如,您可以利用"客户当期净值金字塔"模型对于已经发生过交易的客户数据挖掘,得到这些客户已兑现价值的金字塔。接着,您可以利用"客户未来价值金字塔"模型,对同一批客户未来的潜在价值进行评估。对比两个金字塔,要求crm系统辨识出哪些客户在历史价值金字塔中处于较低阶层,但在未来价值金字塔中处于较高阶层。这样您就获得了动态的客户价值的知识。利用不同的分析模型,您可以获得360°的客户视角,深刻认识客户价值、满意度、忠诚度、购买行为特征和潜在需求。
影响客户知识发现的四个因素是:数据质量、数据源准备、分析模型和模型校准。其中特别需要提示的是,数据源的准备应当基于xml标准,在保证数据运算效率的前提下,保留多级关联数据。
策略制定
基于正确的客户知识,您可以采取更有效的策略来辨识、获取、保持和增值客户价值。
例如,您可以依据客户价值的动态趋势将已经交易的客户划分为不同的市场细分;根据数据挖掘得到的模式,来判断尚未接触的潜在客户喜欢什么样的接触路由,并把他们纳入若干个市场细分。在市场细分的基础上,您可以进一步制订市场营销战役计划。
针对当前兑现的当期净值较低、但未来价值增长潜力大的市场细分,市场营销战役的目标有两个:第一是提升在每个客户那里的市场份额,第二是设法促使这些客户引荐其他未成交客户来购买本公司产品。为了实现第一个目标,您可以增大一对一的行销的投入,以给予客户批量购买折扣,鼓励客户把更大比例的采购订单交给本公司;您也可以在现有产品的基础上推荐互补型产品或具有更高功效的高端,实现交叉销售或向上销售。为了实现第二个目标,您可以制定特殊的奖励积分计划,刺激既有客户引荐的新客户的积极性。
运营执行
您已经针对增值潜力大的市场细分制定了特殊奖励积分的计划,并且由市场部群发了电子邮件,由客户服务部门进行了电话促销。接着,客户的积极性被调动起来了,新的客户加入到买家的行列里来了。但是设想这样尴尬的场面:由于缺乏内部协调,您销售部的同事在拜访客户的时候,可能无法解释清楚具体的积分规则;客户打电话去服务热线查询积分的时候,被服务代表告知特殊的奖励积分还没有登记,理由是无法确认某个新客户的介绍人……
好的策略还需要好的执行。执行,是借助业务流程自动化,在合适的接触点将合适的知识与策略传递给合适的人,然后由这个人以合适的方式完成工作;工作完成后,新的客户数据进入crm系统。这样我们就回到了这篇文章的起点--数据管理,实现了一个完整周期的crm策略的闭环运作。
然而我们也不是永远在一个平面上做简单的循环。当我们追求整合来自更多数据库的数据的时候,我们需要启用数据仓库。我们要对各种导出后的原始数据进行一些处理,例如去处一些对分析无用的信息、抽取有用的信息,对数据的格式进行转换以便达到形式上的统一,对不同的默认值进行逻辑识别,然后统一上载到分析专用的数据仓库里,以备数据挖掘和olap分析之用。这样我们就在螺旋上升中提高了crm商业策略的水准。
数据管理,是一切crm实践的起点。我们可以把客户数据分为两大类,一种是属性描述数据,另一种是交易往来数据。前一类数据主要用于界定客户是谁,数据值具有稳定或亚稳定的特性。例如:客户单位的名称、上级机构/下级机构、联络方式、所有制、行业、营业规模/行业地位、产品、主要的负责人/联系人等、客户价值评级、客户信用评级。后一类数据往往来自客户与本企业的交互活动,即来自"关系"行为。例如:客户的历史购买记录、历史询价/磋商记录、服务请求处理记录、设备维护记录、通讯往来记录、样品发放/试用记录、市场调查记录、促销活动记录等。
当我们以360°的视角去观察客户的时候,我们还可以提出许多新的数据。例如,我们可能需要了解客户单位的主要投资人有哪些,主要的买家有哪些,客户单位同时还向其他哪些供应商采购;客户单位的多位联系人中,各自对本企业持什么态度;客户当期的主要经营指标如何等。
绝大多数crm软件并没有不加限制地来"丰富"客户数据,部分原因是由于某些数据的可采集性不强,部分原因是不知道采集到某些数据后如何做后续利用。这可能会造成某些必要的客户视角的缺失。例如,《广州日报》是国内媒体中广告收入最高的单位之一,它很有兴趣知道一些广告大客户的年度广告预算,以及在其主要竞争对手如《南方都市报》和《羊城晚报》那里的广告投放量,以便管理本企业所拥有的"客户份额"。客户与竞争对手的交易数据,超出了传统crm的范畴,必须上升到企业关系管理(enterprise relationship management),着眼于企业所处的整个商务价值链,才能进行有效管理。
当建立crm软件系统的时候,部分数据可以利用中间件技术从已有的erp等系统中获得,例如产品及产品库存的记录。部分数据也可以从excel或outlook中导入,例如客户单位与联系人的基本信息记录。但大多数的数据,还是要在与客户交互的过程中采集。利用数据库技术对客户数据进行采集,其前提是实现前端组织业务流程的自动化。前端组织业务流程自动化包含销售自动化、服务自动化和市场营销自动化三个组成部分,通常也把这三者统称为"运营型crm"。部分规模较大的企业,建立了呼叫中心或者接触中心,以便向客户提供更方便的接触路由,接触中心可以管理语音、传真、邮件、实时通讯等多种接触方式,通常被称为"协作型crm",它往往与服务自动化模块集成使用。业务流程的自动化,本质上是"联机事务处理"(oltp,online transaction processing)。oltp是传统的关系型数据库的主要应用,例如销售合同的制订、审核、签署和执行等。
数据质量的高低取决于两个直接因素:crm软件系统的数据库结构、普通员工对crm软件的接受度。如果oltp过程中的自动化程度高,普通员工可以直观体验到crm对于提高工作效率、降低劳动强度的好处,则使用crm软件的积极性就高。足够丰富的、高质量的数据是知识发现的基础。
知识发现
数据管理的目的,是为了发现知识。
oltp层面的统计分析主要针对较单一的数据源进行运算。例如我们针对一批生意机会,用报表统计它们的销售额和毛利;针对一批客户,用图表分歧行业分布状况;某一客户,已经购买了a产品,这意味着6个月以后该客户有可能需要更换b配件……
如果要同时分析来自多个数据源的数据,则需要利用更为深刻的知识发现工具,如数据仓库、数据挖掘和联机在线分析olap(online analytical processing)。这些技术已经被归属到"商业智能"(business intelligence)的范畴。商业智能与crm相结合,产生了"分析型"crm。olap工具侧重于通过上钻、下钻、切片、旋转等方式,对多维历史数据进行分析,回答"是什么"的问题;数据挖掘则偏重基于历史数据发现有价值的规律和模式,力图建立一个符合经验的预测模型,回答"该怎么做"的问题。
例如,您可以利用"客户当期净值金字塔"模型对于已经发生过交易的客户数据挖掘,得到这些客户已兑现价值的金字塔。接着,您可以利用"客户未来价值金字塔"模型,对同一批客户未来的潜在价值进行评估。对比两个金字塔,要求crm系统辨识出哪些客户在历史价值金字塔中处于较低阶层,但在未来价值金字塔中处于较高阶层。这样您就获得了动态的客户价值的知识。利用不同的分析模型,您可以获得360°的客户视角,深刻认识客户价值、满意度、忠诚度、购买行为特征和潜在需求。
影响客户知识发现的四个因素是:数据质量、数据源准备、分析模型和模型校准。其中特别需要提示的是,数据源的准备应当基于xml标准,在保证数据运算效率的前提下,保留多级关联数据。
策略制定
基于正确的客户知识,您可以采取更有效的策略来辨识、获取、保持和增值客户价值。
例如,您可以依据客户价值的动态趋势将已经交易的客户划分为不同的市场细分;根据数据挖掘得到的模式,来判断尚未接触的潜在客户喜欢什么样的接触路由,并把他们纳入若干个市场细分。在市场细分的基础上,您可以进一步制订市场营销战役计划。
针对当前兑现的当期净值较低、但未来价值增长潜力大的市场细分,市场营销战役的目标有两个:第一是提升在每个客户那里的市场份额,第二是设法促使这些客户引荐其他未成交客户来购买本公司产品。为了实现第一个目标,您可以增大一对一的行销的投入,以给予客户批量购买折扣,鼓励客户把更大比例的采购订单交给本公司;您也可以在现有产品的基础上推荐互补型产品或具有更高功效的高端,实现交叉销售或向上销售。为了实现第二个目标,您可以制定特殊的奖励积分计划,刺激既有客户引荐的新客户的积极性。
运营执行
您已经针对增值潜力大的市场细分制定了特殊奖励积分的计划,并且由市场部群发了电子邮件,由客户服务部门进行了电话促销。接着,客户的积极性被调动起来了,新的客户加入到买家的行列里来了。但是设想这样尴尬的场面:由于缺乏内部协调,您销售部的同事在拜访客户的时候,可能无法解释清楚具体的积分规则;客户打电话去服务热线查询积分的时候,被服务代表告知特殊的奖励积分还没有登记,理由是无法确认某个新客户的介绍人……
好的策略还需要好的执行。执行,是借助业务流程自动化,在合适的接触点将合适的知识与策略传递给合适的人,然后由这个人以合适的方式完成工作;工作完成后,新的客户数据进入crm系统。这样我们就回到了这篇文章的起点--数据管理,实现了一个完整周期的crm策略的闭环运作。
然而我们也不是永远在一个平面上做简单的循环。当我们追求整合来自更多数据库的数据的时候,我们需要启用数据仓库。我们要对各种导出后的原始数据进行一些处理,例如去处一些对分析无用的信息、抽取有用的信息,对数据的格式进行转换以便达到形式上的统一,对不同的默认值进行逻辑识别,然后统一上载到分析专用的数据仓库里,以备数据挖掘和olap分析之用。这样我们就在螺旋上升中提高了crm商业策略的水准。
发布时间:2005-10-20
作者:佚名
来源:互联网