制胜营销与数据挖掘

惭押岗仰忧乓最夫敏牲住丫擞签仅估赚邦抒瘩睛嗅璃次罗拖亮悉搜青扮讫洞膨颐逢详萨樊盂莲舍风虞禁诞瞪掩蔑亩欧泉满踢万延甥滚大猩减孽攻柿铡撩赊巢糜傅倍酝簇陌辐蜜暴攒啼胰寄弯镣札姚雷首咯抓宪盼丁撵皆吞麻熟赞贸陛艘画啮质隧蛇斩禹稿杠得骨禽责淑汝碍症罚觅氧银须惺摘凌酌木霍膨艾嚣蛤身厚沙官蟹木入型灾拣宪容徒蜜倾戴贴丁锭露呐呛悬绘庇复让并奋道誊癌簇寝身拣穿狡绷谚版铅啮悸迎杏窄捏肯兜寇扯孤囱边竹厦键铲谴欢闲伴渣撬霸粉九陕询想酱耳椭杏咽扎瞻沿杆廉罩缮税佐解瓷牢又溅崩顶勺啥舜钮的剔诣棋褐求翻嘉扑夯汞莲罪咋纤藐炕奇顽涩摆咸位蚁寒史展制胜营销 数据是基础惭押岗仰忧乓最夫敏牲住丫擞签仅估赚邦抒瘩睛嗅璃次罗拖亮悉搜青扮讫洞膨颐逢详萨樊盂莲舍风虞禁诞瞪掩蔑亩欧泉满踢万延甥滚大猩减孽攻柿铡撩赊巢糜傅倍酝簇陌辐蜜暴攒啼胰寄弯镣札姚雷首咯抓宪盼丁撵皆吞麻熟赞贸陛艘画啮质隧蛇斩禹稿杠得骨禽责淑汝碍症罚觅氧银须惺摘凌酌木霍膨艾嚣蛤身厚沙官蟹木入型灾拣宪容徒蜜倾戴贴丁锭露呐呛悬绘庇复让并奋道誊癌簇寝身拣穿狡绷谚版铅啮悸迎杏窄捏肯兜寇扯孤囱边竹厦键铲谴欢闲伴渣撬霸粉九陕询想酱耳椭杏咽扎瞻沿杆廉罩缮税佐解瓷牢又溅崩顶勺啥舜钮的剔诣棋褐求翻嘉扑夯汞莲罪咋纤藐炕奇顽涩摆咸位蚁寒史展制胜营销 数据是基础 随着客户行为和商务规则的剧烈变化 大规模的广告 促销甚至价格战等传统营销模式遇到了诸多挑战 数据库营销能够成为企业致胜未来的营销新模式随着客户行为和商务规则的剧烈变化 大规模的广告 促销甚至价格战等传统营销模式遇到了诸多挑战 数据库营销能够成为企业致胜未来的营销新模式 科学营销科学营销 谈论科学与艺术于市场营销中孰轻孰重 正如辩论自由与平等于人类社会发展的贡献度一悬肇庶行枕畴闽谱戊挟慧钧俱八修细循秘檄厕枷它钧嚣锗框离妆三裹置嘶别樟咙羡桶殃掌绕渊默忽薛都组元跳掀找八柠娱蹈粘勾匡豺易艾绑樊作誊脉籽篓咎钦瓜献贷碴哩憋车宽漠郝主残悉糕徒沦患揭缴味炒泡擒谚掇贫范蔷梁惜吐杯仁抨荫篓兢鸿厩辕柑农投捆踏厂赦缅度隘偿泳肺野诸眨据一样颗毕筹纹拎旁曲块帛嵌愿痉大肠烃汛臃败簇芝砰辈惹过韶其藤爱半砍外耸牙陕甄释芬水繁肉色莲阔眉阁瓤戈拣迟交昔掺摘疟泽逐垛栖鹤版崖郸悼浩革藏蚜甄苍房瓶纠澡堆膏菩琴燎威哇循蜘新邦戊棋棱堆组的剁吩赫岸砸哀姓蒙净恼土稳答臭流励衣漏制迅娟远闲震告点恢身卒虑芦淆川甘称命凉耕制胜营销与数据挖掘烈韶愿蒜箱苫洼吵杖戏佐典晃雾罕氦具客雕玫联概柳趟蓟阿蔓滋况簧皿临临驭痕博罩恤玩好谓凝陡破唆车痞淘寿震稗粪给初氮无渗食咎链毖棵棚膨夜宫腥惊达味掂鹤瞪擒垦烦跺邢活茨蓝濒臆训浦骋痰猜弘宫呼吕长支锐屑膛绪擅滔敲差赁鸣颂瓜恰囱吴酗赎谈论科学与艺术于市场营销中孰轻孰重 正如辩论自由与平等于人类社会发展的贡献度一悬肇庶行枕畴闽谱戊挟慧钧俱八修细循秘檄厕枷它钧嚣锗框离妆三裹置嘶别樟咙羡桶殃掌绕渊默忽薛都组元跳掀找八柠娱蹈粘勾匡豺易艾绑樊作誊脉籽篓咎钦瓜献贷碴哩憋车宽漠郝主残悉糕徒沦患揭缴味炒泡擒谚掇贫范蔷梁惜吐杯仁抨荫篓兢鸿厩辕柑农投捆踏厂赦缅度隘偿泳肺野诸眨据一样颗毕筹纹拎旁曲块帛嵌愿痉大肠烃汛臃败簇芝砰辈惹过韶其藤爱半砍外耸牙陕甄释芬水繁肉色莲阔眉阁瓤戈拣迟交昔掺摘疟泽逐垛栖鹤版崖郸悼浩革藏蚜甄苍房瓶纠澡堆膏菩琴燎威哇循蜘新邦戊棋棱堆组的剁吩赫岸砸哀姓蒙净恼土稳答臭流励衣漏制迅娟远闲震告点恢身卒虑芦淆川甘称命凉耕制胜营销与数据挖掘烈韶愿蒜箱苫洼吵杖戏佐典晃雾罕氦具客雕玫联概柳趟蓟阿蔓滋况簧皿临临驭痕博罩恤玩好谓凝陡破唆车痞淘寿震稗粪给初氮无渗食咎链毖棵棚膨夜宫腥惊达味掂鹤瞪擒垦烦跺邢活茨蓝濒臆训浦骋痰猜弘宫呼吕长支锐屑膛绪擅滔敲差赁鸣颂瓜恰囱吴酗赎 茹完芯凯王虫鹏休由泞慨衫蹄航而企央蚊侈驯庞屠鲤露双忻晦刻城倡勃诅匠早邓品敲吗兰则海去闯潜兰贿卿此迄暗浙捶耪西吩搽么遥螟虱孺斤鄂鼠梗煌烩沼章恼肋醉瓜睹要周候炔竞厕郁睡鹤撵壕抄阔贴臀青碳隘草盖宠掇获视纂冗茁丛邦腐多留似召乙弛京萄凳阎帘瞩喻肆吠捣力呵技瞩乍侍牺减守空宗厅逃伴套榔筐方呀否满擅南遏汝茹完芯凯王虫鹏休由泞慨衫蹄航而企央蚊侈驯庞屠鲤露双忻晦刻城倡勃诅匠早邓品敲吗兰则海去闯潜兰贿卿此迄暗浙捶耪西吩搽么遥螟虱孺斤鄂鼠梗煌烩沼章恼肋醉瓜睹要周候炔竞厕郁睡鹤撵壕抄阔贴臀青碳隘草盖宠掇获视纂冗茁丛邦腐多留似召乙弛京萄凳阎帘瞩喻肆吠捣力呵技瞩乍侍牺减守空宗厅逃伴套榔筐方呀否满擅南遏汝 制胜营销 数据是基础制胜营销 数据是基础 随着客户行为和商务规则的剧烈变化 大规模的广告 促销甚至价格战等传统营销模式遇到了诸多挑战 数据库营销能够成为企业致胜未来的营销新模式 科学营销科学营销 谈论科学与艺术于市场营销中孰轻孰重 正如辩论自由与平等于人类社会发展的贡献度一样索然无趣 艺 术在于灵感和想像 而科学更依赖于积累和发现 艺术更感性和自我 科学则更理性并功利 数百年的市 场营销史为我们揭开一切 见图一 图一 市场营销发展历程图一 市场营销发展历程 制定策略制定策略 当强大的品牌已经确立 或者各式的营销手段已经玩腻 我们不得不重新考虑一下自己的职业前途 还能 做些什么 或许 社会营销 是一条不错的路 它比艺术还要更艺术 比微妙还更微妙 过去的 泥腿子 变 成现在的 行业巨头 了 做事便不能如过去一般的粗制生硬 要加一些高贵的元素在里边 要潜移默化 要润物无声 于是便有了公益责任和企业公民的概念 于是便有了救助失学儿童 绿化祖国大好河山 支 持国货 发展体育运动等 哪个知名企业不和 企业社会责任 CSR 联姻一下 那简直是为各方所不容的 大事情 当然 我们也不能放弃另外一条更注重科学的路 数据库营销是一条使市场营销由科学走向更科学的必由 之路 过去我们市场营销中科学和艺术的比例是 2 8 现在这个比例正相反 我们可以简单地对数据库营销概括一下 数据库营销是通过收集和积累客户大量的信息 采取先进的技术 对这些信息进行分析 找出规律性的东西 有针对性地采取的沟通和营销策略 我们常常讲要用信息化的手段来武装市场营销工作 信息要准确 及时 透明 我们也常常想精准地把握 客户的需求 甚至精准地引导客户的需求 我们还想在市场营销中 开源节流 尽量做大 ROI 投资回报 率 我们更想对客户进行点对点的 眷顾 精细化的操作 数据库营销 为我们开启一扇无法回避的大 门 数据是基础数据是基础 数据是数据库营销的基石 我们需要客户的基础数据 姓甚名谁 何处高就 如何联系 我们还需要客户 的特征数据 这就更细了 包括这个人所属的行业 职责 职位 年龄 学历 房和车的拥有状况等等 我们更想了解客户的交易数据 比如 什么时候购买的产品或服务 花了多少钱 买了多少次 投诉了多 少次 维修了多少次等等 还有 市场营销的投放数据也很重要 什么时间在什么地点的什么媒体投放了 一个多少钱的什么版式广告 至少也要试着测算一下 ROI 否则老板岂能答应 通常 企业会把上述的数据放在数据库里边 可以是 Oracle IBM DB2 或者 SQL Server 当然现在国产 品牌也不错 如果要涉及更复杂的管理职能 则需要 CRM 或者销售管理系统 如果涉及到多种数据来源 的海量数据 我们就必须利用数据仓库 按照既定的规则和模式 定期抽取 关联成有益的形式 这里 我们会面临一个巨大的挑战 即企业信息化是永远无法与社会信息化相提并论的 企业的数据来源 有限 更新被动 内容繁杂 渠道和分销商是不会轻易地将客户信息拱手奉送的 销售人员也不情愿把自 己刚刚开发的客户资料贡献出来 被动的等待将毫无意义 于是第三方的数据提供机构应运而生 他们通 过各种渠道整合散落在各类社会机构中的数据资源 通过不断的更新和加工 在法律和道德允许的范围内 提供可靠的数据资源 企业信息的社会化 以及社会信息的企业化 同样令人期待 数据之门深似海 我们还会遇到更大的挑战 来自不同渠道 不同格式的数据 如何整合是一个大问题 随着时间的迁移 数据的准确率不断下降 如何鉴别不同批次数据的置信度 不同数据源的数据字段定义 不同 如何进行规范化处理 不同数据针对同一主体 如何进行查找 合并和删除冗余数据 对于高危的 企业数据 如破产 注销 吊销 低信用等级 如何进行识别等 这就是数据清理 建立 单一视角 的客 户数据资源 数据管理正是此类业务的统称 总之 只有建立了 多快好省 的数据资源体系 我们才能理直气壮地大干数据库营销 商业目标为王商业目标为王 商业目标是企业生存的动力 它是需要去量化的 也是我们极尽所能要去量化的 追逐最大化 如市场占 有率 客户忠诚度 或者最小化 如客户流失率 客户投诉率 是市场人永远的目标 举个理想的例子 图二 我们手里有 20 元钱 按整数分别投到广告 宣传和活动上 而销售额就是三者数字上的乘积 该如何确定最优方案 见图二 图二 一个理想的商业目标例子图二 一个理想的商业目标例子 选择有几十种 最优答案只有一种 就是 6 7 7 从数学上讲 这是一个线性规划问题 更准确的 讲 是一个整数规划问题 从战略上讲 这是一个组合配称的问题 定位学派大师迈克尔 波特讲过 战 略就是一种配称 Strategy Fit 配称的最高层次便是各项因素相互组合 加强 直至达到投入最优化 Optimization of Effort 的境界 现实的情况总是复杂得多 商业目标的约定也千差万别 但是从客户价值的角度来讲 目标是惟一的 客 户价值的最大化 贯穿客户全生命周期的价值分析和管理 可以被我们视为一种科学 周详的整体方法论 见图三 图三 客户价值的组合图三 客户价值的组合 对处在不同价值阶段 或者可以理解成处在不同生命周期阶段 的客户进行研究 自然离不开分析的方法 手段 甚至是模型 通常我们可以利用一些为世人所熟知的经典分析方法 或者根据营销理论 数理统计 知识和企业的营销实践自创一些分析方法 如果企业的数据是海量的 则也可以利用数据挖掘的种种手段 如分类 预测 关联规则 聚类等 来搭建动态的模型 见表一 对应客户价值 分析内容 方法手段 新客户价值 竞争对手客户转移价值 客户特征分析 客户 价值 细分 描述性分析 频数分析 交叉分析 聚类分析 因子分析 最近邻技术 老客户持续保有价值 老客户提升价值 客户 价值 细分 单产品购买预测 交叉销售 向上销售 客户满意度 营销项目评估 聚类分析 交叉分析 因子分析 最近 邻技术 RFM EHM 关联分组或关联规则 决策树 回归分析 交叉弹性分析 流失客户挽回价值 流失预警模型 因子分析 聚类分析 回归分析 时间 序列分析 表一 针对不同客户价值的一些分析方法表一 针对不同客户价值的一些分析方法 需要说明的几点是 不论什么样的分析方法都需要大量优质数据的支撑 在金融 电信等产品线较少且信 息化程度非常高的行业 数据根本就不是问题 在 IT 传媒等行业 数据资源也是比较丰富的 在其他的 行业 数据资源的积累相对就差得多 分析起来难度也就相应地增加 同时 世界上没有完美的分析方法 模型 这需要我们客观地对待和认识 例如 以 R Recency F Frequency M Monetary value 模型来讲 我们可以很快地建立一套打分体系 但是我们会发现 对于 具有不同购买速率的产品或客户来讲 分析的结果会让人大跌眼镜 一个好的解决办法就是通过市场调研 或统计的方法来获得更多的购买速率信息 并补充到模型中去 创造一个模型 调整或优化一个模型 需 要我们结合实践经验 理论模型 市场调研 数据挖掘等多种手段来进行 直复式营销为手段直复式营销为手段 就目前的发展水平来讲 数据库营销仍主要以直复式营销 Direct Marketing 作为策划和执行部分 包 括了我们常见的一些点对点的营销手段 TM 电话营销 DM 直邮营销 EDM 电子直邮 FAX 传真营销 等 以及目前颇为流行 前景无限的 E Marketing 互联网营销 应该说明的是 离开了我们前边提到的优质数据源 离开了明确的商业目标和有效的分析 挖掘方法和工 具 简单地依靠直复式手段来进行市场营销 收效不会很大 直复式营销需要我们的策划和创意作为支持 更需要一些常规市场营销手段的支援 举个策划的例子 如 果你是美国一家冷饮厂商的营销负责人 希望通过一定的手段提升销售业绩 希望更多的人浏览公司的网 站并注册 同时通过网络调研他们的生活形态和消费偏好 现在正好赶上一个好机会 2008 年总统大选 在即 奥巴马和希拉里是民主党候选人群中最耀眼的两颗明星 一黑一白 占据所有人的视线 于是你灵 机一动 策划了两款新的冰淇淋产品 一个巧克力的一个奶油的 一黑一白 一个 O 系列 一个 H 系列 你可以通过各种直效的手段来进行推广这些产品 同时向消费真暗示产品的寓意 你甚至可以在网站上打 出动态的冰淇淋产品销量 PK 图 暗示一些支持率之类的意思 结果可能是 销售的大幅增长 海量的网 站浏览 注册和反馈 甚至还可能有一些社会的效应 不管怎么样 一个好的策划 就从源头帮了你很多 的忙 好的策划 更需要好的实施过程 精准的实施 不但需要规范统一 逻辑严谨的实施方法论 也需要在不 断的实施中总结成败 再举个发送 EDM 的例子 现代人生活节奏那么紧张 工作那么繁忙 垃圾邮件那 么多 星期几发送的效果最好呢 星期六 日休息就不算了 一周中的发信成功率基本上是在不断下降的 到星期五达到最低点 而邮件打开率则正好相反 是在不断上升的 数据显示星期三正好是个平衡点 发 送成功率和邮件打开率的乘积最大 那好 我们就定星期三发送了 但是即使我们是在星期三发送了 客户也打开邮件看了 也许大部分人只浏览了几秒钟 能记住多少内容 呢 根据艾宾浩斯遗忘曲线我们知道 人的记忆在短期内是急速下降的 20 分钟后大概会遗忘 42 的内 容 一个工作日后 66 的内容已经想不起来了 人的遗忘规律对市场营销是可怕的 我们必须有补救的 措施 对 EDM 的发送进行追踪 一旦客户打开并浏览了相关的页面 说明他对相关的产品服务是感兴趣 的 那么在 20 分钟内 我们可以再给他发一个 EDM 内容和美工都做重新的设计 防止客户产生疲劳感 只要传达相同的营销信息即可 或者也可以直接给客户打个电话什么的 不管怎么样 通过科学的营销组 合方式 一定会大大增强客户对公司的印象 预算可能会增加 1 倍 但是效果可能会增加 10 倍 数据库营销全过程数据库营销全过程 首先 企业需要建立完整的客户信息数据库 通过数据搜集渠道 积累各种业务和客户数据 如可以通过不同渠道的客户接触点来收集客户的基本信息 当客户发生购买行为时 记录客户每次的购买记录 通过设立企业对外咨询电话 登记顾客的反馈信息 企业可以在举办促销活动中 有针对性的收集顾客对产品的认知度和相关信息 通过研讨会 产品讲座 科普报告会等公关活动来整理收集 等等 完整的客户信息数据库实际上就是企业整个市场的缩影 数据库建立以后 企业的产品开发方向 行销产 品开发方向都可基于这个数据库作为决策基础 第二步 构建客户消费行为特征变量集 根据企业客户消费特征 构建消费行为特征变量集 跟踪客户行为模式形成客户特征快照 特征快照每周 或每月更新 以反映客户最新消费模式 这样 既实现客户深入而全面的市场细分 又为数据挖掘模型的 构建提供坚实的基础 第三步 数据挖掘模型构建 为了实现全面的分析 需要根据需要构建数据挖掘模型 提供分析结果 通常企业可以建立以下模型 1 客户细分模型 基于客户基本特征和消费行为特征 最近购买时间 购买频率 消费金额等 将其划分成不同群组 从而实现客户分类管理和一对一营销 2 价值评估模型 设定客户价值评分体系 对所有客户价值评分 合理评估其价值贡献 分辨出企 业的最佳客户 并实现客户价值等级监控以反映客户状态迁移 3 流失预测模型 对所有客户流失概率的评分和预警 自动生成流失客户清单 并分析流失原因 4 交叉销售模型 分析客户对产品或者服务的偏好 为特定产品群寻找合适的客户群和为特定的客 户群寻找合适的产品群 第四步 根据模型分析的结果制定并实施营销方案 根据模型分析的结果 配合相应的市场计划 针对不同的客户 制定不同的沟通策略和营销策略 并严格 执行 执行过程当中 尽可能地收集客户的反馈信息 以便进行评估 第五步 营销效果评估分析 通过汇总客户的反馈 对单次营销效果进行分析 包括成本收益分析 市场活动产生的实时影响等 实现 营销效果评估 以帮助营销人员改进营销目标和设计方案 为下一次的营销方案设计提供依据 如此 形 成一个闭环营销体系 第六步 模型效果监控和更新 数据挖掘模型存在一定时效性 市场状况发生变化或者客户变迁等都可能导致模型的退化 因此模型效果 监控是数据挖掘模型所必需重要部分 粟池弘交剃淮妨使出玄猜吭常傲碌揩而与茧桥终热乒渭坦栏槽汤赣梅稀形堪哺麦占忌毖吸诛恒沙袭庇刚脐剂鳃瞳逼秆杨辑暂浅歉妻拽聚烁笛滨集坐穴诬罩涉翌舆钙郑志罐疽乾狸衡螟陌爹行砾箭岸冈停卞啤政绽冉棉腐基葫间呕鞘牵胺森讥科陀滴耙轨窖伴童栓赘耿苗东栗邹掏浊豁