打字猴:1.70427347e+09
1704273470
1704273471 ☆有哪些既存的系统或者服务可以直接利用?除了大型的数据服务商,如邓韩贝、飞常里程汇或者Payback外,还有一些小型的专业化服务商,它们能够收集和分析推广促销措施的有关数据。
1704273472
1704273473 瑞士法典
1704273474
1704273475 除了多伙伴联合模式之外,我们还可以从很多年前某大型IT供应商的一个有关打印机墨盒的项目中总结出一些经验,并应用于实际工作。我们先简要回顾一下这个项目的情况:
1704273476
1704273477 事情需要追溯到大约10年前。在经历了一段长时间、持续的高利润增长之后,打印机墨盒生产企业遭遇了市场饱和及客户对价格越发敏感等情况。那时(可能现在也是),打印机墨盒产品需要经过多层级分销商实现销售,因此生产商根本无法掌握终端客户的情况,例如谁在购买、买了哪种型号、购买频率是什么、促进购买的因素是什么、通过哪些渠道购买等情况。生产商通过客户份额占比分析也不太可能识别出哪些是可能流失掉的客户群体。生产商的产品宣传往往缺乏针对性和精准性。在这种情形下,生产商选择了向贸易商支付广告信息费的方式,用于购买贸易经销商掌握的市场数据信息。生产商这样做,需要支出的广告信息费规模往往高达成百上千万,但是它们却并不能有效评价这种行为的效果。生产商购买这些信息的目的,是为了能够提出全方位适应市场需要的营销措施,这可以算是ECR协议的一种反向应用。这种做法对贸易经销商来说,好处是显而易见的,它们可以在其销售渠道范围内免费享受这些广告宣传带来的销售量的增加。但是,这种做法对贸易经销商来说,也存在一种潜在的风险隐患。生产商有可能会利用这些购得的客户信息,绕过贸易经销商,直接对客户进行销售;也可能通过不给经销商提供某些特定商品,从而逐步建立这些特定商品的直营业务。目前这种直营业务规模尚小,但增长率却很高。为了解决生产商与贸易商在交换信息过程中相互不信任的困局,项目参与者提出了一个名为“Code Switzerland”(瑞士法典)的解决方案,即在信息交互机制中,引入一个中立的中间商。
1704273478
1704273479 首先,将贸易经销商提供的客户信息进行假名化处理,然后将这些假名客户信息传至独立的分析中心进行汇总。这个独立的第三方按照智能数据流程步骤将所有可得的数据进行聚类分析。根据聚类分析结果,生产商就可以针对每个聚类或每个客户群组开展相应的宣传营销措施,目的是提升客户份额占比或防止存量客户流失。生产商可以编写一个营销手册,这个营销手册是一份跨行业、普遍性的市场营销材料,里面收录了生产商全部的营销计划和方案。
1704273480
1704273481 在这个过程中,生产商需要保持透明化作业,要与经销商共同商定市场营销的措施和实施范围。第三方数据分析公司本身也有系统化的市场营销策略制定工具,它们也会相应地提出战略性的营销和销售方案,这些方案会对生产商提出的营销计划提供辅助和调整。这样一来,生产商滥用数据的情况就被有效规避了。
1704273482
1704273483 生产商与贸易商之间的互信是随着“瑞士法典”获得成功逐步建立起来的。大约在2005年前后,几个贸易经销商首先试水“瑞士法典”模式。一年之后,就有大约12家贸易企业加入了这个模式。5年之后,规模发展至几百家,涵盖了欧洲、地中海东部沿岸地区、非洲、亚洲和美洲的全部大型贸易商,累计贸易额高达数十亿美元。
1704273484
1704273485 在“瑞士法典”实施过程中,我们会通过控制组实验不断调整方案,并且为方案加入一些与时俱进的元素。这种模式为生产商和贸易商双方带来了上亿美元的业务增长,对于生产商而言,这种模式下的市场营销措施为其带来了前所未有的、高达15%~20%左右的客户激活率,营销投资回报率约为700%。通过采用这种模式,我们实现了对存量客户群体的首次全面“扫描”,并可基于扫描结果,量化评价市场营销措施的有效性和影响程度,而不再是仅仅停留在感性评价或者粗略估计营销效果的层面。最终,生产商和贸易经销商之间共享的就不仅仅是数据了,它们会一同惊喜地发现,通过值得信赖的效果评价和随之而来的营销费用智能管理,竟然产生了这样大的改变。
1704273486
1704273487 假名的力量
1704273488
1704273489 在沿价值创造链条分享数据的过程中,以下因素是成功要素:
1704273490
1704273491 ☆作为方案的发起者(一般是生产商),如果想促进方案的实施,就要首先着手建立互信的基础。通常情况下,先期的费用需要生产商支付。
1704273492
1704273493 ☆致力于分析这些假名数据的中间服务商需要协助企业建立这种互信。此外,在方案实施过程中,还需要解决一系列数据保护方面的问题。(在下一个案例中,我们再详细介绍这一点。)
1704273494
1704273495 ☆数据分享方案需要有明确的目标和清晰的原则支撑:要提前规定清楚,谁可以利用哪些数据并做什么。所有的参与企业都需要明白一点,那就是任何联盟在开始阶段都是十分脆弱的。经验告诉我们,如果联盟中有一个人不守规矩,那么整个联盟就有可能解体,若是此时还想设法拯救联盟不致解体,那么就需要付出极高的代价。
1704273496
1704273497 ☆企业的股东们总是要求完美和严谨的项目管理。但是他们却总是忽略一点,那就是好的项目管理需要相应的资源来支撑。
1704273498
1704273499 ☆高度的透明化才能促进和保证大家对整个项目的充分信任,要定期召开项目进度沟通会,不要使会议流于形式。
1704273500
1704273501 形成企业间的数据分享伙伴关系的价值是显而易见的。很多线上贸易企业甚至对此给予高度评价,认为这种做法已经突破了企业间的界限。例如,Rocket Internet公司为其所有的在线商户建立了一个共同的客户数据库,使所有的在线商店都形成了数据分享伙伴关系,并将这项服务作为公司与其在线商户客户商务合同的一部分。通过这种方式,公司所有的在线商店都共享同样的数据,并且可以获得来自兄弟企业的客户信息。今后,这种有组织的数据合作形式肯定还会延伸到其他行业中的企业。这种推广的前提是,从一个企业中获得的客户数据分析结果对另一个企业来说也同样具有很高的利用价值。线上贸易商间的数据分享就能够实现这样的效果,未来也会有越来越多的行业是这样。
1704273502
1704273503 然而目前,我们在许多行业内发现了相反的情况。一个由一名股东控制的企业集团,它旗下所有不同的子公司都在为同一群客户服务,但是却没有一家子公司能搞清楚,到底哪些客户是在哪家子公司购买的商品。相应地,也没有任何一家公司去尝试,与其他子公司一起去提高客户价值。之前,每一次打算要在这个方向上有所建树的想法都因怕遭遇IT问题或者是对数据保护方面的担忧而被扼杀在摇篮中。针对这种现象,与上述案例中描述的打印机墨盒生产商和销售商类似的企业需要认识到:
1704273504
1704273505 法律上独立的数据分析服务供应商应该且能够受托对假名客户数据进行处理,进而形成普遍性的客户聚类分析结果,随后将这些重要的市场认知信息反馈给委托企业。在企业集团内部,我们应该允许相对便利地使用这些所谓的检索信息,比如名字,还包括头衔、地址、行业、工作关系和生日。我们在使用这些信息时,应该时刻意识到这些信息的附加意义,它们很可能就是聚类信息分类标签!
1704273506
1704273507 我们可以从一个大型金融服务企业集团的一份可行性研究中,了解到这种形式的数据共享带来的增值究竟有多巨大。为了规避这个过程中可能存在的法律风险,这家金融服务集团首先委托一家结算所将这些来自金融同业的客户信息进行了假名化处理,这些数据包括了来自私人银行、多家保险公司、建房互助储金信贷社和投资集团的客户信息。之后,这家结算所将经假名处理过的客户信息反馈给了这家金融服务集团。随后,这家金融服务集团将这些带有客户ID的假名客户信息转交给了所谓的数据分析中心,由分析中心基于全部数据进行客户聚类分析。随后便产生了约300个小的客户聚类,这些聚类在客户具体和长期需求方面有很强的指导性,并且聚类之间存在渠道相似性。分析中心将每一个客户都归入一个聚类中,后将聚类分析结果反馈给参与项目的金融同业。正如前文描述的一样,这个项目的高潮即将到来:如果反馈的信息中仅包含单一客户的一些检索信息,那么这时,收到信息的金融同业首先要对自己的客户进行“去假名”处理。此外,分析中心还能够对纯匿名信息进行多样化的分析。
1704273508
1704273509
1704273510
1704273511
1704273512 客户信息共享可以帮助我们实现:
1704273513
1704273514 ☆与每一家子公司单独掌握数据相比,客户信息共享可以让我们获得更准确的聚类分析结果,更好地了解客户需求。
1704273515
1704273516 ☆每一家子公司都可以利用聚类分析结果满足自己客户的需求。
1704273517
1704273518 ☆分析中心输出的普适性认知结论首先应该被用于细化自身的客户聚类分析结果,或者优化产品组合。不要把这些信息直接用于单一客户层面。市场营销人员面对这种一般性分析结论时是大有可为的,很可能在某个客户聚类中就有广泛的按揭贷款需求。
1704273519
[ 上一页 ]  [ :1.70427347e+09 ]  [ 下一页 ]