1700431488
一个很常见的市场分析是针对每一个顾客做商品推荐。在所有可用的选项里，接下来应该向顾客推荐哪件商品，从而使成功的几率最大？拥有网络行为数据可以完全改变推荐商品的决策，并且使这些决策更加稳健。
1700431489
1700431490
假设你在一家银行工作，你知道顾客Smith先生的如下信息。
1700431491
1700431492
■ 他有4个账户：支票、储蓄、信用卡和汽车贷款。
1700431493
1700431494
■ 他每个月完成5次存款和25次提款。
1700431495
1700431496
■ 他从未亲自前往一个支行。
1700431497
1700431498
■ 他的储蓄共计50000美元。
1700431499
1700431500
■ 他的信用卡和汽车贷款总额为15000美元。
1700431501
1700431502
在今天晚些时候，你应该通过电子邮件向Smith先生推荐哪个理财产品呢？根据Smith先生的个人档案，对其提供如下的选择都是合理的，例如更低的信用卡利率，或者因为他持有现金数额很可观而推荐一张CD。绝大多数人都不会向Smith先生提供抵押贷款这种选项，因为这个选项看上去和他毫无联系。然而，一旦我们查看过了Smith先生的网络行为，一系列非常关键的事情跃入我们的眼帘。
1700431503
1700431504
■ 他上个月浏览了抵押利率5次。
1700431505
1700431506
■ 他查看了关于房屋保险的信息。
1700431507
1700431508
■ 他查看了关于洪水保险的信息。
1700431509
1700431510
■ 上个月他调研了房屋贷款方案（例如，定期还是活期，15年还是30年）2次。
1700431511
1700431512
现在很容易决定接下来应该和Smith先生讨论什么了，不是吗？
1700431513
1700431514
处于竞争的前列
1700431515
1700431516
利用网络浏览行为，可以获得能够需要改变推荐策略的洞察。根据顾客最近浏览过的内容（很多情况下是他们以前没有购买过的产品或者产品线），企业可以做出决策。一旦网络数据提醒你出现了新的机会，你便可以采取行动将顾客拉到新的产品线上来。
1700431517
1700431518
对于任何一项业务，弄清楚顾客群体是否依然牢固是很困难的。网络提供了关于顾客的兴趣以及他们是否依然忠实的线索。设想一个目录零售商，它包含了很多个店铺地址。目录中要收集每个顾客在其他数据中的以下信息。
1700431519
1700431520
■ 最近浏览过的商品。
1700431521
1700431522
■ 最近评价过的商品。
1700431523
1700431524
■ 购买历史记录。
1700431525
1700431526
■ 营销活动及反馈记录。
1700431527
1700431528
这些数据被编纂并分析，以决定每个顾客对哪些产品最感兴趣。寄出的目录内容、长度，以及每个目录中推荐的商品都会被调整。与编目人的传统做法相比，这些调整很大程度上改变了促销的方法，并导致了如下的结果。
1700431529
1700431530
■ 邮件总数的减少。
1700431531
1700431532
■ 促销目录页总数的减少。
1700431533
1700431534
■ 总利润的极大增加。
1700431535
1700431536
网络数据可以帮助将所有业务进行彻底改善。
1700431537
[
上一页 ]
[ :1.700431488e+09 ]
[
下一页 ]