1704265080
1704265081
忠诚度革命：用大数据、游戏化重构企业黏性 [:1704264408]
1704265082
忠诚度革命：用大数据、游戏化重构企业黏性 来自消费领域的大数据
1704265083
1704265084
当你尝试着让销售额节节上升的时候，任何能够帮助你将准确的信息在恰当的时间传递到合适的人员的方案都显得弥足珍贵。以下所列的这些方法都能让企业通过大数据，获得惊人的收益。
1704265085
1704265086
■市场微分。多年以来，企业根据消费者易于识别的特点，诸如性别、邮政编码和年龄，将其市场划分成各个细分市场。随着对越来越多可用信息如收入、消费心态以及采购数据的掌握，企业现在能够重新精炼市场细分，以更好地满足消费者的需要。虽然事实上没有任何两个人是一样的，但我们都属于某个单独的“市场细分”。大数据利用能够收集到的这部分
1704265087
1704265088
数据，加上消费者在线浏览行为、购物模式、社交网络活动、移动访问以及更多用户行为的数据，创建出市场微分。你是否还记得当年亚马逊曾向所有人展现出统一的商店页面？虽然听上去难以置信，但事实确实如此。而今天的亚马逊在面对每个不同的来访者时，都会展现出不同的商店，这正是因为有大数据和实时的市场微分。
1704265089
1704265090
■定向广告和交叉销售。市场微分还能够帮助企业创造出“最好的”交叉销售和增量销售，实时完成扩展每一笔订单。根据所掌握的每一位购物者的各项信息，类似的其他购物者也可能有相似的购买模式，而且针对目前的环境条件（用户是否在实体商店中，用户是否从营销电子邮件中进入网站），企业能够动态地自动生成引人注目的产品组合，从而提升购物车中商品的转化率和订单的平均规模。
1704265091
1704265092
■店内行为分析。实时的浏览分析能够帮助深入洞察客户的各项行为。通过实体店购物车上的传感器或者视频监控跟踪运动轨迹，以及被动监控移动电话的位置，能够帮助零售商增强其产品供应方式，合理改善商店布局和产品摆放位置。当然，在互联网时代，并不只有物理运动才会被记录下来，市场营销师和零售商们会时时关注客户在其网络站点上的蛛丝马迹，来判断客户的兴趣和意图。和现实世界不同的是，在线零售商能够更方便地观察浏览记录、分享信息、购买者来源、视频浏览以及购物车废弃的情况，所有这些均有助于完善其市场营销的信息和渠道，从而帮助其改进供应方式、产品组合以及转化率。
1704265093
1704265094
■实时价格优化。受到各方面因素的影响，包括销售历史、天气、季节、可用库存、当日时间、客户情况以及整体经济环境等，零售商能够动态调整价格，以最大限度地满足市场需求，比如现在的航线采用动态票价以优化上座率就是很好的例子。任何企业都能够利用大数据来优化其库存和产品价格。亚马逊和其他互联网上的零售商都已兴致勃勃地开始致力于此。
1704265095
1704265096
■社交媒体监控。这是被称为社会化客户关系管理（SCRM）整体趋势的冰山一角，企业监控着客户关系，把控“市场脉络”，使用社交媒体渠道
1704265097
1704265098
从客户那里收集数据。这些渠道包括Facebook、Twitter以及许多常见的博客和留言板。企业认识到信息的汇集实际上就在这些社区之中，因此，他们试图从这些渠道中了解情况并极力融入其中。这里的重点在于听取，而不是使用这些渠道作为对外的市场营销宣传。社交媒体数据图表和工具，如HootSuite、SocialMention以及软营的Radian6监控着这些渠道来捕获信息，检测客户情绪，并且能够将信息分类，以供企业中的不同部门使用。
1704265099
1704265100
■推荐引擎。企业能够使用大数据来预测你可能感兴趣的事物。当浏览亚马逊网站上的某款商品时，网站会告诉你“购买该商品的客户同时购买了……”企业根据其收集的大量消费者采购行为，向你推荐你最有可能希望购买的商品。当浏览奈飞的网站时，网站会向你推荐一部影片，这个推荐基于你对其他影片的评分、之前的租赁记录以及其他人在该网站上的浏览记录。而当在潘朵拉上创建客户站点时，你会输入一些你喜欢的艺术家，潘多拉则会根据这部分艺术家的“曲风”，找到其他类似的音乐作品。而后，他们会继续观察你对每一首歌曲是否喜欢，以便不断改进他们的推荐，不断对你可能会喜欢的歌曲和艺术家作出预测调整。
1704265101
1704265102
来自员工的大数据
1704265103
1704265104
正如之前所看到的很多案例，大数据在线上消费领域的很多方面卓有成效地改善了客户体验，包括销售、市场营销以及客户关系管理。不过奇怪的是，在雇员关系处理方面，大数据尚未发挥主要作用。记住我的话，该领域中包含的巨大商机将会成为大数据的下一个潜在市场。
1704265105
1704265106
想想看，不论是Facebook，亚马逊，还是奈飞，他们都比你更了解你的员工。虽然这些家伙每天大部分醒着的时间都和你在一起，为你工作，但如今的各种系统架构却能够追踪到有关员工的表现、他们的技能以及目标进展情况的每一项细节数据。你原本作为雇主从每个员工身上所获取的价值远远大于上述所列这些公司，然而在今天，这些公司却比你知道更多关于你的员工的方方面面，而且能够使用大数据技术来为你的员工制定相关的个性化措施，以提升凝聚力和忠诚度。而对企业来讲，这其中蕴藏着庞大的机遇，通过获取和使用员工工作过程中产生的大数据来更好地理解员工，并运用数据来吸引和激励他们。在如下所列的几种方式之中，我们可以了解到大数据是如何使得员工和企业管理者们都能在各自的工作上更上一层楼。
1704265107
1704265108
1704265109
1704265110
1704265111
忠诚度革命：用大数据、游戏化重构企业黏性 [:1704264409]
1704265112
忠诚度革命：用大数据、游戏化重构企业黏性 传统的员工招聘方式已经OUT了
1704265113
1704265114
公司与公司之间，甚至是同一家公司内部都有完全不同的招聘流程。不同经理人要求应聘者的特长、热衷询问的敏感话题以及所看重的某个方面（例如学历和工作经验）都各不相同，同时他们在如何面试以及识别应聘者各项优缺点方面受过的培训也不尽相同。在很大程度上讲，招聘仍然是依靠第一眼印象、偏好和内心感觉来进行。但是，这或许是一个职业经理人所行使的最为重要的工作之一——成功的招聘工作能够成就一家公司，相反，失败的招聘也很容易摧毁企业，因此，企业能否在这一过程中更加严谨一些？企业已经雇用了大批员工，他们很清楚其员工的工作表现如何，而且对员工的详细情况也知根知底（或者也能很方便地了解到），那企业是否能够从现有的员工中挖掘出那些出类拔萃的特质，并在招聘过程中测试应聘者是否具备这些特质呢？图3-3总结了一些企业面临的问题以及推荐的解决方案。
1704265115
1704265116
已经有部分企业开始这样做了。根据报道，富士施乐公司在招聘过程中并没将经验视为最为关键的因素，从而使得他们的呼叫中心减少了20%的纠纷。通过和位于加州硅谷、新兴的Evolv公司合作，“利用大数据预测分析设备，学习如何在每时每刻优化全球所有职员的工作表现”，富士施乐创建出了一款理想的呼叫中心员工模型，包含诸如“具有创造性而不好管闲事”的特质，并将这一模型应用于招聘过程中的应聘者测试中。候选人根据模型得出的测试分数可以作为富士施乐在作出录用决定时的依据。呼叫中心内的工作很显然属于操作型，而对于探索型的工作，“根据算法得出的招聘方式”是否仍然有效，仍有待进一步证明。
1704265117
1704265118
这方面的应用普及十分迅速。诸如肯耐珂萨有限公司（现在已经被IBM收购），在2011年为其上千名客户测试了三千万名求职者。而根据高德纳公司的报告，2011年整个市场在“人才管理”方面的软件开支上升了15个百分点，达到了38亿美元，包括IBM、甲骨文以及SAP公司在内的主流IT企业都在其产品中增添了人才管理的功能。
1704265119
1704265120
1704265121
1704265122
1704265123
图3-3 员工招聘过程中的大数据
1704265124
1704265125
1704265126
1704265127
1704265128
忠诚度革命：用大数据、游戏化重构企业黏性 [:1704264410]
1704265129
忠诚度革命：用大数据、游戏化重构企业黏性 员工最关心的是什么