1.3 客戶關系管理

為什么要做大數據？歸根結底，大數據的研究還是一種人類為了認知事物所開展的活動。認知是為了決策，好的決策使工作的效率得到提高，同時也降低了人類的勞動強度，從而實現了人類對更高的經濟效益的追求。

如前所述，大數據所處理的對象大體可以經歷四個階段：自底層的基本數據開始，逐步提取分析出信息，再抽象到知識，進而提升到文化和智慧。當前的大數據技術還處在比較初級的階段，正如梅宏院士所言，目前大數據的挖掘深度尚且不夠。而本書正是試圖幫助讀者將其所在企業的數據轉換成有用的信息，并進一步從有用的信息中挖掘出知識。舉例來講，呼叫中心會獲得海量的客戶信息，在這些龐雜的信息基礎上利用大數據技術就可建立起一套有效的客戶關系管理（CRM）系統。事實上，對于一個擁有大量客戶的企業而言，非常重要的一個需求是從多種渠道了解客戶的反饋，既可以是直接的反饋，例如客戶過往的消費數據（來自邊緣的cookie，后端的云），向客戶發放調查問卷，或者由客服不斷進行問詢反饋，也可以是間接的反饋，例如抓取客戶在搜索引擎上的查詢信息，微博的消息動向，其他競爭廠家的數據等。換句話，數據可以是直接的、間接的；內部的、外部的；線上的、線下的。實際上，目前大數據應用的最為成熟的領域，正是CRM應用。將大數據運用于CRM的意義在于真正實現有效的智能化CRM，挖掘出客戶信息的價值，從而實現對產業的拉動。當前，如京東、阿里巴巴等電商根據CRM系統所做出的“推薦系統”可以算作國內較為成功的案例。

現代CRM將客戶作為單一個體而不是作為群體的一部分來進行分析，為此，銷售人員與客戶的交流方式正變得更加面向客戶。例如，亞馬遜所使用的個性化營銷方式。CRM其實最早是以單對單營銷這個名頭流行起來的，但相比單對單營銷，CRM對于理解和服務客戶需求有著更廣泛的實現方式，它是一個企業級的經營策略，其將關注重點放在高度定向化和精確的客戶群，以此來優化贏利能力和客戶滿意度。CRM可通過多種方式來實現，如圍繞客戶群來組織公司、建立和跟蹤客戶的交互行為、培養客戶滿意度、將公司流程及公司整個供應鏈和客戶連接起來等。而對于要如何落實一套客戶關系管理系統，其中涉及兩個關鍵點：第一，公司必須以客戶為中心。第二，公司必須能夠管理通過各個途徑獲得的客戶關系和信息。

擁有CRM系統的公司需遵循以客戶為中心的原則。該原則其實就是一個內部管理理念。在此理念的影響下，公司需要基于客戶與公司之間的交互行為來定制自身的產品和服務。這個理念超越了所有的單個業務職能所能涵蓋的范圍（如生產、運作、會計等），而基于此理念構建出的內部系統能將所獲得的客戶信息直接運用于公司的各種決策和行動。

以客戶為中心的公司會通過學習客戶信息來不斷地提升自己的產品和服務質量。在CRM系統中，“學習”主要是指通過客戶對于產品及服務的評論和反饋來收集整理出有用的客戶信息。一般來說，公司的每個業務單元都會有自己的一套記錄客戶信息的方式，有些甚至還有自己的客戶信息系統。因為公司的各個部門都有著各自不同的關注點，所以很難將所有的客戶信息以通用格式的方式集中統一管理。知識管理在這時就派上了用處。“知識管理”就是一個將客戶信息集中管理和分享使用的過程，而通過知識管理，商家能夠提升自己與客戶間的關系。這些被收集管理的客戶信息包括客戶體驗、客戶評價、客戶行為和一些關于客戶的定性事實。不難發現，這里的“知識管理”就可以歸入到大數據的范疇內。一個CRM的好壞往往取決于客戶與商家間交互的效率。通常一個成功的CRM能夠在商家和客戶間建立起長久互利（如促銷、打折、積分等）的關系。實際上，CRM和別的企業戰略舉措最大的不同在于CRM不僅有能力使商家與當前客戶群產生交互，還能對這些交互行為進行集中管理。簡單來說，商家能得到的客戶信息越多，就越能在和客戶的交互中使客戶感到滿意。

成功的CRM很大程度上取決于其所使用的數據挖掘技術是否高效。數據挖掘是用來從數據庫中那些海量的數據里找出數據間隱藏的模式和關系的。這種數據分析方式正是能用來發掘出特定客戶或是客戶群的行為特征模式。雖說一些企業在多年前就已經開始運用數據挖掘，但是那時這些企業的挖掘樣本通常只有300到400個。而現在一個公司往往要分析數以億計的客戶消費模式。舉例來說，沃爾瑪的數據庫被認為是除五角大樓的數據庫外全球最大的數據庫，其包含了4000TB的客戶和市場數據。沃爾瑪正是運用這龐大的數據庫來幫助旗下所有的店鋪找出當地民眾所喜好的商品組合的（Make no mistakes, not diapers and beers）。

通過使用數據挖掘技術，銷售人員能夠搜索數據庫以獲取相關數據，然后將數據根據特征分類并最終得出客戶檔案。以剃須刀產品為例，當新的型號發布時，銷售人員可試圖通過電子郵件與客戶建立起聯系，將客戶的郵件回復率與網上購物歷史進行綜合評估，而后可針對可能會購買產品的客戶建立一個完整的客戶檔案庫以便更好地去解析這些客戶的需求及行為模式。不僅如此，當此方法在新型號產品的銷售上獲得成功后，企業還可將這套方法用在其他產品線上，使得業績得到進一步提升。

當使用數據挖掘技術時，需要牢記的是數據的最終價值往往就取決于公司能將多少數據從單純的數字轉化為能被用來進行銷售策略決策的信息。于是乎，光建立起一個客戶郵箱列表是遠遠不夠的。公司必須能夠從數據中識別出優質客戶并將他們的資料歸檔，而后計算他們的價值并構建出模型，最終預測出他們的購物行為模式。有很多的公司都有著成功運用數據挖掘技術的案例，以Albertson's超市為例，其運用數據挖掘技術找出了哪些商品經常被一起購買（然后將這些商品放在同一塊地方），并了解到在美國不同地方的居民對于不同飲料的喜好，從而超市會根據所在地的不同來調整其售賣的飲料；Camelot Music曾通過數據挖掘發現有一大批老人在購買饒舌或是另類音樂，公司經過調查后發現原來這些老人是在給他們的孫輩們買禮物，因此公司就策劃了“禮物周”活動來吸引更多的顧客；婚禮策劃網站TheKnot.com會要求用戶注冊并提供基礎的個人信息，這些個人信息數據會被存入網站的數據庫中，而后被用來建立原始客戶檔案，當一個用戶將一個商品加入感興趣列表時，數據庫中的數據就會根據這一變化進行更新，于是網站會根據用戶加入感興趣列表的商品的不同而調整推薦給用戶的商品。

在信息能被利用前，往往需要經過多個數據分析過程，包括客戶分類、客戶終身價值分析、構建預測模型，并分析客戶的近期消費情況、消費頻率和消費額度（RFM）等，其中最為重要的莫過于客戶分類。客戶分類實際上就是將較大的客戶群分割成更小的、擁有共同特征的客戶群。這種分析方式會為有著類似社會階層、地理位置、心理狀況及消費行為的客戶們建立一個檔案；當然，優質客戶的檔案特征是關注的重點。優質客戶的檔案會被用來和別的客戶群進行對照分析。舉個例子，銀行就能通過銀行卡使用率、信用、社會階層和流通量來分割并建立起更加細致的客戶群。當優質客戶的檔案通過這種方法被建立后，銀行就能用這些檔案來找到潛在客戶。相似的，銀行也能根據不同的客戶檔案來給不同客戶推薦不同的產品。比如說銀行會向有著開放思想的年輕客戶推薦家庭銀行，而向更年長成熟的客戶推薦投資機會。在這一過程中，大數據技術可以得到充分的應用。

而CRM的決策環節中的一個非常重要的部分在于營銷活動管理。通過營銷活動管理，整個公司的所有職能部門都能參與到提升客戶關系的行動中來。營銷活動管理的目的是監控并利用客戶的交互行為來幫助銷售公司的產品及提升客服質量。而這些營銷活動都是直接基于不同客戶所體現出的不同的交互行為的。營銷活動管理還會通過監控購買、訂貨、退貨及點贊等客戶行為來了解營銷效果。如果一個營銷活動看起來不是很成功，那么公司就會改變活動內容以更好地契合客戶需求。如拼圖生產商Stave Puzzles的每塊拼圖都能根據客戶要求進行個性化的定制，都是獨一無二的。作為公司的聯合創始人之一，Steve Richardson已經將公司的重點關注的對象客戶群縮小到了前百位最有價值客戶。為了能夠更有效地管理并讓這個客戶群中的每一位都能得到滿意的定制化服務，公司不僅追蹤諸如聯系方式和購買記錄等基礎的信息，還會收集客戶的生日、各種紀念日、與客服通話記錄、查詢記錄和對工坊的訪問情況等信息。換言之，營銷活動管理就是為了能給客戶開發出適合于他們的定制化產品和服務，且將價格定在適合于目標客戶的位置，并最終在將產品服務推送給客戶的同時還能進一步提升客戶的好感。要能為客戶定制產品及服務，公司必須能夠與客戶進行多項有效的互動。即使對于某一客戶群的劃分已經極其細致了，個體間仍然會有不小的差異。所以在與客戶交互的時候仍應重點關注于客戶的個人經歷、期望及需求。Stave Puzzles就是根據自己劃分的8個不同的客戶組來定制不同的市場營銷活動的，例如，消費總額排名前10%的客戶和每月都有消費記錄的客戶會收到關于特別的優惠機會的提醒，這使得公司的客戶滿意度一直保持在一個非常高的水準之上。和前面所提的CRM的客戶分類活動一樣，營銷活動管理要真正實現高效，也必不可少地需要借力于大數據技術。

大數據是現代CRM的重要技術手段，而CRM可算是現今營銷新趨勢的終極目標，基于大數據來打造CRM，可真正達到維系客戶、深耕客戶、拓展客戶的目的。