大数据的本质就是分析顾客

—— 对于企业来说,大数据就意味着对积累的顾客的购货及其相关行为进行“高精密度分析”。

细分“电子优惠券”(segment  coupon)

日本麦当劳的“电子优惠券”,是企业成功活用大数据的一例。它的会员数近3000万,因而广为人知。“电子优惠券”是在麦当劳的手机网站,定期发布的会员电子优惠券。麦当劳手机会员用手机或平板电脑登录麦当劳网站,将电子优惠软件下载到手机上,顾客携带手机在前台的读卡器上轻轻扫过即可。而4年以前,则需要在网站将图片下载,进店时再出示给店员。这种优惠券的缺陷是,只需出示因而无法确认使用者的身份,且同一张优惠券可以重复使用。

但是,“电子优惠券”则与之不同,由于使用者使用时需在读机卡扫描,店方可获取顾客手机钱包的ID。通过ID就可以确认使用者的身份。一旦能够确认使用者,就可以知道会员的信息。而且,如果把它同销售终端(POS)连接起来,就可知道顾客的购买经历。而分析顾客的经历(大数据),就能够了解顾客的购买习惯,企业根据这些信息,可以向不同顾客提供优惠券。比如,对在周末白天来店点咖啡的顾客,就发给“周末白天使用的免费券”;而对有段时间没有来店的顾客,就发给“以前曾购买过的商品优惠券”,通过这些方法增加顾客来店频度。

总之,它将顾客进行细分,对不同类型顾客,在优惠券里添加与之相适应的内容,以便最大限度地发挥优惠券的作用。比如,对没有孩子的公司职员或公司白领,发给他们“家庭套餐”是毫无吸引力的。最为重要的是,必须根据顾客的需求发放优惠券,是他们感到它正是自己所需要的,从而增强同顾客的情感联系。

大数据就是高精密度分析

下面再举一个例子,进一步说明细分顾客方法的重要性。某旅行社拥有数十万个手机会员,但是,由于没有掌握会员的购买经历,因此无法了解顾客的购物习惯。没有顾客的购物经历也就无法细分顾客,因而公司每年只能向会员发送内容相同的邮件。

具体来说,公司发送的宣传活动邮件基本都是介绍优惠券的内容。比如,“檀香山5日游69800日元”等。对于大多数顾客而言,便宜的票确实有很大的吸引力,但是,顾客的层次是不同的,除一般顾客外,也有富裕层、老年层、家庭及商务顾客。也就是说,如果不对顾客进行细分,将忽视其他会员而失去商机。

由此可见,对顾客嗜好做细分化,为不同的顾客提供对其最具吸引力的商品或服务,提高顾客满意度,是增加销售额最基本、最重要的方法。而正是大数据就使其成为可能。即通过积累顾客的购物经历进而细分顾客,会成为商务优势。 换而言之,大数据的实质不是“big size”而是对顾客进行分析。对于企业而言,大数据就是“高密度分析”,而分析的是积累的顾客购物经历的数据。

对一般企业来说,最简单且有可能付诸实施的大数据的活用方法,是细分顾客以及实施适合于顾客细分的销售政策。通过对大数据的基础分析,进而分析顾客的购买习惯和购物经历,以便把顾客细分化,发放适合于顾客的电子优惠券,提高销售额。

大数据+“自有媒介( owned media)”的整合基础

那么,根据对大数据的分析结果,来实施符合顾客细分化的销售政策,具体如何策划呢?如果说,对顾客进行分析以便实施顾客细分化工作,是大数据的作用,那么,我们可以把根据顾客特点发行与之相适应的电子优惠券,并测算其经济效益的策划,统称为“自有媒介基础”。

“自有媒介”可以说是企业自己的“广播站”,它同登录企业网站的会员,建立一个直接的联络关系,以增强企业与顾客的纽带。为了构筑“自有媒介”,在以往的客户关系关系系统(CRM)的基础上,还需要有统一管理制定销售策略到分析的一连串程序,再加以对不同的顾客发送内容不同的电子优惠券等,建立跨媒体(Crossmedia)的发送机制。

 “自有媒介基础”,一方面是管理会员和顾客数据的对策,而另一方面,把顾客的购物经历等大量数据进行分散处理,并把它向外扩展积累在大数据基础诸如Apache Hadoop内。

 把上述两个基础整合在一起,从而统一管理制定销售政策的全部过程以及分析相关数据,并且测算其经济效益后进行反馈,在制定下一次销售策略中发挥作用。以上过程即为PDCA循环,又叫戴明环。对不同细分顾客实施不同的销售策略,同时测定其经济效益,这个过程就是按照PDCA循环,不停顿地周而复始地运转。

不要对大数据持怀疑态度,也不要纸上谈兵,而要扎扎实实地做好建立行之有效的商务活动基础的工作。(金顺英/译)

来源: Itmedia