企業的變革-以產品為中心到以客戶為中心doc(編輯修改稿)

　

【文章內容簡介】 客戶清單，并向這些名單中的客戶多打電話。通過對每次電話交流的效果進行評分，呼出管理功能可自動控制那些收效較強的名單的使用，將注意力集中在收效較強的名單上。這樣，可更快地達到預定的廣告目標。　　（5）提供座席代表的工作效率。一般來說，呼叫中心的最大支出便是座席代表的運行成本。利用軟撥號功能，可消除人工造成的撥號錯誤，縮短呼叫中心座席代表的非生產性時間。座席代表不用浪費寶貴的時間去撥打電話、傾聽非生產性的鈴聲和忙音信號，而只需接聽有人接聽的電話。如果對方是答錄機響應，座席代表也不用接聽。這樣，減少了非生產性電話的浪費，節約了更多時間，單位時間內可聯系到更多的客戶，從而提高了呼叫中心的生產率和公司的整體贏利狀況。　　（6）撥號反饋與結果。呼出管理軟件可為呼叫中心的管理人員提供關鍵的報表信息，讓管理人員對呼出宣傳的效果進行評價，并判斷是否需要修正電話營銷方案，以達到既定宣傳目標。這些報表包括每份呼叫清單的每分鐘的呼叫業務量、每份清單中的銷售線索活動、各份清單中剩余的記錄、何時才能結束與清單中的客戶的聯系等等。 分析性CRM在當今企業CRM的應用中，之所以與其相匹配的BI/DSS的需求呼聲日益高漲，主要原因是：在商業智能和決策支持解決方案的幫助下，企業可以通過充分挖掘現有的客戶數據資源，捕獲信息、分析信息、溝通信息，發現許多過去缺乏認識或未被認識的數據關系。使得企業對客戶的需求能有更及時更充分的理解，能夠幫助企業管理者做出更好的商業決策，并藉此提升企業核心競爭力。企業不再滿足原有信息管理系統簡單的信息統計匯總，而是更多地關注能否全面獲得客戶和市場的資料，能否借助現代化的技術對繁多復雜的現實數據其客觀本質規律進行深入理解、認識，并做出專業化的正確判斷。　　分析型CRM能夠分析出企業的問題，并且能夠找出問題的原因，而且能夠對將來的趨勢和行為進行預測，從而很好地支持人們的決策，比如，經過對公司整個數據庫系統的分析，它可以回答諸如“哪個客戶對我們公司的郵件推銷活動最有可能作出反應，為什么”等問題。　　在企業隔離客戶生命周期的各個階段都會用到數據挖掘技術。分析型CRM能夠幫助企業確定客戶的特點，從而可以為客戶提供有針對性的服務。通過數據挖掘，可以發現購買某一商品的客戶的特征，從而可以向那些也同樣具有這些特征卻沒有購買的客戶推銷這個商品；若找到流失的客戶的特征，就可以在那些具有相似特征的客戶還未流失之前，采取針對性的措施。 分析型CRM主要用途分析客戶特征。為了制定出個性化的營銷手段，分析客戶特征是首要工作。企業不僅會想方設法了解顧客的地址、年齡、性別、收入、職業、教育程度等基本信息，對婚姻、配偶、家庭狀況、疾病、愛好等等的收集也是不遺余力。　　分析“黃金客戶”。通過客戶行為分析，挖掘出消費額最高、最為穩定的客戶群，確定為“黃金客戶”。針對不同的客戶檔次，確定相應的營銷投入。對于“黃金客戶”，往往還需要制定個性化營銷策略，以求留住高利潤客戶。所以，不要期待在CRM時代繼續人人平等。當然，成功的CRM不會讓顧客感覺到歧視。　　分析客戶關注點。通過與客戶接觸，收集大量客戶消費行為信息，通過挖掘，得出客戶最關注的方面，從而有針對性地進行營銷活動，把錢花在“點”上。同樣的廣告內容，根據客戶不同的行為習慣，有的人會接到電話，有的人就可能收到信函；同一個企業，會給他們的客戶發送不同的信息，而這些信息往往正是顧客感興趣的。　　獲得客戶。對大多數行業來說，企業的增長需要不斷地獲得新的客戶。新的客戶包括以前沒有聽說過企業產品的人、以前不需要產品的人和競爭對手的客戶。數據挖掘能夠辨別潛在客戶群，并提高市場活動的相應率。　　交叉銷售。現在企業和客戶之間的關系是經常變動的，一旦一個人或者一個公司成為企業的客戶，企業就要盡力保持這種客戶關系。客戶關系的最佳境界體現在三個方面：；；。因此，企業需要對已有的客戶進行交叉銷售。交叉銷售是指企業向原有客戶銷售新的產品或服務的過程。交叉銷售是建立在雙贏的基礎之上的，客戶因得到更多更好符合其需求的服務而獲益，企業也因銷售增長而獲益。在企業所掌握的客戶信息，尤其是以前購買行為的信息中，可能正包含著這個客戶決定下一次購買行為的關鍵因素。 分析型CRM的主要功能客觀地講，分析型CRM通常具有較強烈企業個性化色彩，企業的行業特征越強，該色彩就越濃烈。但也存在相當一部分的共性需求，如客戶、產品銷售、市場、服務的眾多分析就是最普遍應用的領域。各行企業都要了解和監視對不同類別客戶、不同地區，不同產品種類，不同銷售部門和員工在不同時間下的銷售進程、財務狀態；了解和掌控企業的客戶綜合狀態、產品綜合狀態、競爭對手綜合狀態和市場、銷售與服務環節等的具體內涵。　　市場分析：對各類市場的活動、費用、市場反饋、市場線索進行分析，幫助市場人員全程把握市場活動。對市場的廣告宣傳、市場情報進行統計分析，供市場各類宣傳決策。分析合作伙伴、潛在合作伙伴的各種背景、潛力、實際營運狀態，協助合作伙伴的發展和維系。　　銷售分析：在銷售環節，針對客戶：實現客戶銷售量、銷售排名、銷售區域、銷售同期比、收款－應收、客戶新增、重復購買、交叉銷售、客戶關懷全面分析。針對產品：實現產品銷售量、排名、區域、同期比、產品銷售價格、利潤、新產品銷售構成、久未交易產品、新產品銷售構成等的全面分析。針對部門：實現部門/員工銷售量、排名、同期比、收款－欠款、指標完成情況、滿意－投訴等的全面分析。此外，實現合同類型、合同執行情況、產品利潤、客戶利潤、部門利潤、商機費用、客戶費用、部門費用、線索來源、線索商機轉換、商機成功率、綜合銷售漏斗、合作伙伴銷售等的全面分析。　　產品分析：根據市場、銷售、服務各環節的反饋，實現產品的銷售增長率、質量－缺陷、質量費用、生命周期、產品屬性、產品銷售能力、獲利能力、市場占有率、競爭能力、市場容量等的分析。　　客戶分析：在客戶統一管理的層面上，實現客戶屬性、消費行為、與企業的關系、客戶價值、客戶服務、信譽度、滿意度、忠誠度、客戶利潤、客戶流失、惡意行為、客戶產品、客戶促銷、客戶未來等的全面分析。　　競爭分析：通過對競爭對手同類產品信息的收集和統計，實現與競爭對手價格、地區、產品性能、廣告投入、市場占有率、項目成功率、促銷手段、渠道能力等方面的競爭優勢分析。實現不同地區、不同產品、不同競爭對手的競爭策略分析。預測：對未來銷售量、銷售價格、市場潛力、新產品定價等企業經營決策特別關心的內容，通過適當的預測模型，進行多維度的剖析，方便決策。 分析型CRM解決方案（1）數據倉庫　　數據倉庫是支持管理決策過程的、面向主題的、集成的、隨時間而變的、持久的數據集合。從廣義上講，數據倉庫就是一個專門的數據倉儲,用來保存這樣一些數據：來自于異地、異構的數據源或數據庫的數據經過加工后在數據倉庫中存儲、提取和維護。數據倉庫系統(DWS)的體系結構如下圖所示。　　整個數據倉庫系統由查詢與分析工具、管理部件、數據倉庫、翻譯器、監控器、集成器組成。數據倉庫包括實視圖和元數據，實視圖由其它數據源中的數據導出。①信息源：可以是傳統數據庫，也可以是文件、HTML文件、知識庫等。②翻譯器：翻譯器的數據翻譯的工作包括數據結構的翻譯和數據類型的翻譯，必要時還需對數據之間的語義聯系進行重新構造。③監控器：數據倉庫中的實視圖是一種“離線”數據，與源數據在一致性上存在著時間差，監控器負責監視數據倉庫與數據源之間的數據誤差或者說是數據增量，并報告給上層的集成器。④集成器　　集成器除了負責進行數據倉庫初始化之外，還負責接受監控器的變化報告，并將數據源的新變化根據有關定義轉化到數據倉庫中。⑤管理部件　　負責實現數據共享、安全保密、歸檔、備份、恢復及元數據的管理等工作。⑥查詢與分析工具　　用于完成實際決策問題所需的各種查詢檢索工具、多維數據的OLAP分析工具、數據挖掘(DM)工具等，以實現決策支持系統的各種要求。多維數據庫是目前實現決策用的數據管理系統中受到企業廣泛應用的一種數據倉庫技術。多維數據庫中的“維”就是企業進行主題分析預測時可以變化的角度。譬如,以一個企業在全國各地的產品銷售為例：分析的角度可以按時間逐年、季、月、周、日的統計分析；按地區國家、省市、地縣的統計分析；按產品大類直至具體產品的統計分析；按部門直至員工的統計分析；按客戶行業、產品特點、消費行為等等屬性的統計分析；這里的時間、地區、部門、產品、客戶等就是不同的維。多維數據庫 為面向主題的分析決策提供了更大的靈活性。它支持對按總體統計的詳略級別組織的數據進行特殊查詢,從宏觀的結果逐步向下跟蹤產生這些結果的微觀數據,或者反過來由底層微觀數據逐步向上得到高層的宏觀結果。　　隨著數據倉庫的發展和應用范圍的不斷擴大，基于數據倉庫的決策支持系統(DSS)應運而生：數據倉庫中已經存放了大量的高質量數據，只要通過分析工具對它們進行綜合、統計、分析,就能得到多種形式的決策數據，提供有利的決策支持。而分析工具中又以數據挖掘技術(DMDataMining)的應用最為突出。（2）數據挖掘技術　　數據挖掘是指從大型數據庫或數據倉庫中提取隱含的、未知的、非平凡的及有潛在應用價值的信息或模式，它是數據庫研究中的一個很有應用價值的新領域，融合了數據庫、人工智能、機器學習、統計學等多個領域的理論和技術。　　從CRM軟件所搜集的數據是最能幫助企業了解客戶的，所謂的“一對一”營銷也是注重在了解客戶的需求，以便投其所好，以促成交易。數據是死的，但是如果能運用一些數學或統計模式，發現數據中存在的關系和規則，根據現有的數據預測未來的發展趨勢，那么就可以為管理者提供決策支持。　　數據挖掘工具能夠對將來的趨勢和行為進行預測，從而很好地支持人們的決策，比如，經過對公司整個數據庫系統的分析，它可以回答諸如“哪個客戶對我們公司的郵件推銷活動最有可能作出反應，為什么”等問題。有些數據挖掘工具還能夠解決一些很消耗人工時間的傳統問題，因為它們能夠快速地瀏覽整個數據庫，找出一些不易察覺但極有用的信息。因此可以說CRM的成功在于成功的數據倉庫、數據挖掘及知識發現。　　比較典型的數據挖掘方法有關聯分析、序列模式分析、分類分析、聚類分析等。它們可以應用到以客戶為中心的企業決策分析和管理的各個不同領域和階段。①關聯分析　　關聯分析，即利用關聯規則進行數據挖掘。關聯分析的目的是挖掘隱藏在數據間的相互關系，它能發現數據庫中形如“90%的顧客在一次購買活動中購買商品A的同時購買商品B”之類的知識。②序列模式分析　　序列模式分析和關聯分析相似，但側重點在于分析數據間的前后序列關系。它能發現數據庫中形如“在某一段時間內，顧客購買商品A，接著購買商品B，而后購買商品C，即序列A→B→C出現的頻度較高”之類的知識，序列模式分析描述的問題是：在給定交易序列數據庫中，每個序列是按照交易時間排列的一組交易集，挖掘序列函數作用在這個交易序列數據庫上，返回該數據庫中出現的高頻序列。在進行序列模式分析時，同樣也需要由用戶輸入最小置信度C和最小支持度S。③分類分析　　設有一個數據庫和一組具有不同特征的類別(標記)，該數據庫中的每一個記錄都賦予一個類別的標記，這樣的數據庫稱為示例數據庫或訓練集。分類分析就是通過分析示例數據庫中的數據，為每個類別做出準確的描述或建立分析模型或挖掘出分類規則，然后用這個分類規則對其它數據庫中的記錄進行分類。④聚類分析　　聚類分析輸入的是一組未分類記錄，并且這些記錄應分成幾類事先也不知道，通過分析數據庫中的記錄數據，根據一定的分類規則，合理地劃分記錄集合，確定每個記錄所在類別。它所采用的分類規則是由聚類分析工具決定的。采用不同的聚類方法，對于相同的記錄集合可能有不同的劃分結果。　　應用數據挖掘技術，較為理想的起點就是從一個數據倉庫開始，這個數據倉庫里面應保存著所有客戶的合同信息，并且還應有相應的市場競爭對手的相關數據。數據挖掘可以直接跟蹤數據并輔助用戶快速做出商業決策，并且用戶還可以在更新數據的時候不斷發現更好的行為模式，并將其運用于未來的決策中。（3）數據挖掘技術在CRM中的應用　　如圖，普遍的分析型CRM解決架構如下：　　企業分析型CRM解決方案模型　　上圖所示的這個需求解決方案模型并不是著力于分析型CRM基于的“數據挖掘”技術架構，而是著力于企業經營管理者所期盼的業務應用邏輯需求，其核心就是滿足企業面向主題的分析和決策的需求。 企業經營者們面對著復雜多變的市場環境，需要從多種角度進行多主題的分析。因此，需要的不是企業信息管理系統中各種信息數據爆炸性的直接呈現，需要的是將這些數據分門別類地集中，源源不斷地提供給面向具體業務主題的分析。　　實際當中，主題分析基本分成二大類：一大類是主要面對市場和客戶環節的主題分析，另一大類則為審視企業內部的相應業務分析。為此，需要根據主題具體要求,抽取相對應的分類主題管理數據，同時在抽取過程中要對原始數據進行分類、求和、統計等處理,抽取的過程實際上是數據的再組織。在抽取過程中,還要求完成數據凈化,即去掉不合格的原始數據,必要時還必須對缺損的數據加以補充。在改變分析、決策的主題時,要求可以按主題進行對應的數據查詢與訪問。同時，面對主題的分析，時常涉及處理數據量龐大，處理運算關系復雜的情況，因此還要求系統滿足脫機大容量存儲、聯機磁盤存儲、內存存儲的多級存儲模式。傳統的管理系統數據庫無法直接滿足這類需求，人們常把滿足上述功能需求的數據管理系統稱為數據倉庫系統。換句話說，數據倉庫系統是應用企業CRM、ERP的現實業務信息數據，進行面向主題分析企業經營決策系統的橋梁，它通過將業務數據庫的數據進行整理(預處理)和凈化之后，形成了可靠的易于進行決策分析的企業信息數據源－“數據集市”、“多維數據庫”。在實際應用中，數據抽取與凈化、存儲及組織等,都是建立數據倉庫的關鍵技術。除此之外,在設計數據倉庫時,還應特別重視數據的粒度與劃分問題。第四講 CRM的客戶分析客戶是客戶關系管理中最寶貴的資源，從不同的角度對客戶進行分析將有利于企業采取針對性的措施，在更好的為客戶提供服務的同時，獲得更大的回報。本章從客戶細分、客戶滿意度、客戶忠誠度、客戶流失、客戶消費行為、個性化服務以及一對一營銷等方面進行了 客戶細分分析 正確理解細分細分是指將一個大