業(yè)務是圍繞著客戶進行構(gòu)建的，每個企業(yè)都需要客戶才能生存，客戶是企業(yè)的收入的來源。勿容置疑，企業(yè)的成功與獲取客戶、培育客戶、讓客戶滿意、解決客戶的問題、進而從客戶那里獲取更多收入的能力直接相關(guān)。但是企業(yè)想要做到這一點，需要能夠識別他們的潛在客戶。

他們需要弄清楚誰、什么、為什么以及如何（4W）

• 誰是需要他們產(chǎn)品的潛在客戶？

• 他們需要什么產(chǎn)品？

• 他們?yōu)槭裁葱枰@個特定的產(chǎn)品？

• 客戶如何做購買的決定？

• 企業(yè)如何去應對這個？

通常所有的企業(yè)都有面向客戶的人員，比如銷售、市場、以及客戶支持人員，他們經(jīng)常與客戶進行交流溝通。

這些人變成了企業(yè)面向客戶的對外形象。但是企業(yè)沒辦法隨時單獨聯(lián)系每一個潛在客戶和現(xiàn)有客戶，去了解其所需。

可以想象，密切掌握客戶所想是非常巨大的挑戰(zhàn)。當目標市場非常大時，例如有超過100萬的客戶，是非常難以保持一對一的關(guān)注。而且，隨著越來越多的生意轉(zhuǎn)移到線上，企業(yè)與客戶之間沒有了直接聯(lián)系的方式。

客戶散落在全球各地。我們也應該考慮到，比以前更快觸達客戶所帶來的競爭。傳統(tǒng)的地域和語言造成的障礙消失了。中國企業(yè)也可以非常容易的向美國客戶銷售產(chǎn)品，例如阿里巴巴。

競爭變得越來越激烈和聰明。今天的客戶對于任何產(chǎn)品和服務都有了更多的選擇，而且更換供應商的難度也越來越小。這使得企業(yè)面臨的處境是需要對其客戶將來可能做什么進行理解和計劃。

為了這個目標，他們需要預測客戶的行為，這里就包含著預測性客戶分析。為了領(lǐng)先并且提前行動，企業(yè)需要知道他們的客戶將來可能做什么。

• 他們將來會買你的產(chǎn)品嗎？

• 他們會更換為其他供應商嗎？

• 他們對產(chǎn)品滿意嗎？

• 他們會不滿意嗎？

• 他們會購買更多嗎？

企業(yè)需要回答這些問題，從而去識別合適的客戶、觸達他們的正確渠道以及提供正確的方式來他們幫助。

他們需要預測分析。預測性客戶分析使用客戶數(shù)據(jù)去構(gòu)建模型，這些模型幫助預測未來的行為，幫助企業(yè)轉(zhuǎn)化和識別客戶可能會購買的附加產(chǎn)品，從而達到企業(yè)期望達到的目標。

當客戶遇到問題時，預測性客戶分析將會幫助企業(yè)識別解決問題的合適資源，幫助識別可能會離開的客戶從而給通過一些措施挽留他們。

利用預測性客戶分析，企業(yè)可以借助比傳統(tǒng)方式更低的成本和更高的效率來實現(xiàn)這一目標。

現(xiàn)在正是進行預測性客戶分析的好機會。企業(yè)有豐富的數(shù)據(jù)源可以廣泛使用，例如網(wǎng)絡(luò)博客、社交媒體、聊天、交易記錄以及語音記錄。另外，今天的大數(shù)據(jù)技術(shù)能夠以經(jīng)濟高效的方式進行大規(guī)模數(shù)據(jù)處理、集成以及存儲。

我們有不同的方式去理解客戶的想法和感受，并且能夠通過數(shù)據(jù)挖掘來建立有效的模型。然后我們可以使用這些模型將業(yè)務推向正確的客戶并使得他們留在您的業(yè)務當中。

客戶與企業(yè)之間的關(guān)系經(jīng)歷一個生命周期。企業(yè)為客戶提供所需的產(chǎn)品和服務，客戶查看企業(yè)能夠提供給他的需要和需求，所有這一切都開始于需求。想象一下，一個客戶需要一個筆記本電腦，他會根據(jù)技術(shù)規(guī)格、成交量以及客戶服務評分去進行選擇。

然后客戶選擇了一家店鋪去購買筆記本電腦，這是購買過程。當客戶完成一個商品購買后，他或者她可能會需要購買附加的東西，例如線纜、充電器、存儲等等?？蛻魰掷m(xù)使用這個產(chǎn)品一段時間，他可能會面臨維修和升級配件的問題。當該筆記本電腦的生命周期結(jié)束，這個客戶可能會從同一家企業(yè)購買，也可能會根據(jù)他以前的經(jīng)驗和當前的選擇從另外一家企業(yè)完成購買。

從商業(yè)的角度來看，這個生命周期的第一步是獲取客戶。這個周期涉及廣告、針對性營銷等等，其目的是為了將客戶拉入到自己的店鋪。一旦客戶購買了產(chǎn)品，企業(yè)可能會想要繼續(xù)推銷其他產(chǎn)品，例如線纜、附加服務等等。對現(xiàn)有客戶的銷售成本要比對全新客戶的銷售成本低很多。企業(yè)需要通過合適的服務和支持來確保客戶對產(chǎn)品滿意。

當產(chǎn)品的生命周期接近結(jié)束時，企業(yè)希望通過提供優(yōu)先交易來重新獲取這個客戶。請記住，留存客戶比獲取新客的成本低的多。所以我們看到，這個生命周期對于企業(yè)和客戶來說都是相似的?？蛻艟劢褂诋a(chǎn)品的價值而企業(yè)更關(guān)注收入和客戶留存。

將分析應用在客戶生命周期中

•獲取

客戶分析可以通過屬性和行為分析來識別出那些更有可能購買產(chǎn)品和服務的客戶?？蛻舴治隹梢宰R別觸達這些潛在客戶的正確渠道，如電子郵件、電話或者社交媒體。客戶分析還可以用于確定能夠打動潛在客戶的價格和折扣。

•追加銷售

當一個客戶購買了一個產(chǎn)品后，他們非?？赡軙枰恍┵浧?。例如，一個筆記本電腦購買者可能需要電腦包、線纜以及保修。預測性客戶分析可以幫助識別購買這個產(chǎn)品的買家可能會購買的產(chǎn)品和品牌從而幫助企業(yè)進行推薦。如果你使用過Amazon或者eBay，你已經(jīng)體驗過這些。在每個產(chǎn)品頁的下方，你都會看到一個叫做“購買了這個產(chǎn)品的客戶還購買了”的板塊。

•服務

分析可以幫助預測產(chǎn)品中的失敗模式并指導企業(yè)采取主動行動。 它還將幫助選擇正確的渠道為各類客戶提供服務。 例如，一些客戶對電話聯(lián)系感覺更舒適，而另一些客戶喜歡電子郵件。

它可以將客戶交于與適合的聯(lián)絡(luò)中心代理，來識別最可能不滿意的客戶并與他們?nèi)〉寐?lián)系。

•留存

預測性客戶分析可以幫助預防客戶流失。它可以識別最有可能離開的客戶，并預測他們離開的時間。 這有助于企業(yè)在適當?shù)臅r間采取行動。 預測性客戶分析有助于根據(jù)客戶類型識別獲取關(guān)注的恰當程序。

因此，預測性客戶分析可以幫助企業(yè)在客戶生命周期的所有階段以互相作用的方式來吸引客戶。

客戶數(shù)據(jù)

預測性客戶分析需要承載客戶意圖和行為信號的數(shù)據(jù)。識別提供這些信號的正確數(shù)據(jù)并將它們用于模型構(gòu)建是非常重要的。

客戶與企業(yè)之間的關(guān)系由下面的四個實體組成：

•用戶自身

•客戶購買和使用的產(chǎn)品和服務

•與客戶溝通的渠道，比如Email、網(wǎng)絡(luò)聊天

•代表公司面向客戶的代理，比如銷售或者支持人員

對于客戶分析，需要兩種類型的數(shù)據(jù)：

•實體的屬性

•實體參與的事件

實體可以是客戶、產(chǎn)品、渠道或者代理。

客戶的屬性包含人口統(tǒng)計學屬性、收入、年齡、性別、位置等等。

產(chǎn)品的屬性包含類型、價格、質(zhì)量等等。

渠道的屬性包含類型、使用頻率以及響應時間等等。

代理的屬性包括處理時間、解決率等等。

這些屬性包含客戶可能會購買什么以及會支付多少錢。

第二類數(shù)據(jù)是交互數(shù)據(jù)，這些時間與客戶在公司做什么有關(guān)。時間帶有時間戳，事件包含的交互包括瀏覽、郵件、聊天、電話等。

它們還包含諸如購買、提交投訴、交付產(chǎn)品和支付等等交易相關(guān)的事件。

它們還包含社交媒體活動，客戶可能發(fā)表推文或者在Facebook上發(fā)表關(guān)于產(chǎn)品的消息或者回應某個消息，比如點贊或者轉(zhuǎn)發(fā)。

例如，客戶昨天花了15分鐘瀏覽了公司的網(wǎng)站，查看產(chǎn)品和服務。他或者她昨天發(fā)了推文，針對一個合適的產(chǎn)品和服務向他的朋友咨詢意見。所有的這些都指向了他具備在近期購買某個產(chǎn)品和服務的意愿。

企業(yè)可以借助這些，通過為他或者她提供溝通回答任何問題或者提供一些線索來完成銷售。

預測性客戶分析的成功之處在于，其決定了企業(yè)識別識別屬性和活動數(shù)據(jù)多種數(shù)據(jù)源，通過獲取、挖掘、集成這些數(shù)據(jù)來構(gòu)建360度客戶認知的能力。

數(shù)據(jù)越完整，預測越準確。

客戶分析過程

預測性客戶分析是一個持續(xù)優(yōu)化的模型，它需要在企業(yè)內(nèi)構(gòu)建一個良好布局的流程來處理和交付。

該流程從確定能夠為公司帶來幫助的預測性客戶分析用例開始。 一旦確定了用例，架構(gòu)師需要確定可服務于此目的的數(shù)據(jù)源，然后需要構(gòu)建數(shù)據(jù)管道以獲取、處理、集成和存儲數(shù)據(jù)。

然后數(shù)據(jù)科學家需要開展工作來挖掘數(shù)據(jù)并構(gòu)建模型。需要在部署之前對模型進行精確度測試。

需要對模型的性能進行監(jiān)測，并且對模型進行調(diào)優(yōu)。 隨著時間的推移，可以添加額外的數(shù)據(jù)元素以更好的進行預測工作。所有這些工作都需要管理層的認同。一旦有管理層加入，我們將能夠獲得資源來執(zhí)行項目。

作者：Ryan Aminollahi

原文：Predictive Customer Analytics?—?Part I

譯者：TalkingData研發(fā)副總裁 閆志濤

來源：TalikingData