1704213308
利用“RFM模型”追踪（和改变）客户行为
1704213309
1704213310
现在似乎人人都喜欢谈论大数据——特别是讨论大量数据是如何帮助我们做出关键的商业决定的。问题是大多数情况下，我们不是真的需要那么多数据来做出一些会带来重大影响的决定。甚至太多企业在大片“数据森林”中跋涉，而不知道它们想要找些什么。
1704213311
1704213312
事实是这样的：大数据可以帮助你检验、证明你已经知道的事，但是不能太痴迷于大数据以至于忽视了“低果先摘”的道理——你极有可能忽视了那些近在眼前的潜在营利机会。我们在第七章讨论了星巴克如何从600多万会员中得到一个应该是不言自明的、非常简单的结论。那么我能告诉你些什么呢？
1704213313
1704213314
你的询问卡片、销售时点情报系统、自动软件和其他任何销售和营销工具都能帮助你捕捉客户信息，并了解客户想法。反过来，你能用这个信息来为他们提供更好更有针对性的营销努力。例如，通过了解个人客户的下列问题，可以得到一些分析：
1704213315
1704213316
·这个人何时第一次光顾了你的企业？
1704213317
1704213318
·他多久光顾你的生意一次？
1704213319
1704213320
·这位客户的平均花费是多少？
1704213321
1704213322
·这位客户最经常购买的产品是什么？
1704213323
1704213324
通过了解你客户在集体中的下列问题，可以做出更多的分析：
1704213325
1704213326
·哪些客户构成了你企业的前20%？
1704213327
1704213328
·最近哪些客户与你做生意了？
1704213329
1704213330
·在过去的30、60、90或120天里哪些客户没有光顾你的企业？
1704213331
1704213332
收集大量数据与我建议你要处理收集的数据间的主要区别在于，我建议你的处理方法可以基于客户实际行为——主要是他们的购买模式，来获得有关你对客户的了解和对消费者的洞察。我也建议你加快对“低果先摘”、“无痛”改进业务和获得最大化利益的策略考量。我不建议你通过只是了解你的客户是谁、他们何时过生日等信息建立一个无穷的数据库。相反，我想让你能够基于客户的实际行为而获得可行的见解。这是建立客户数据库的最有力方面，而且这为未来利益的提升提供了最佳的机遇。
1704213333
1704213334
大数据热就是捕捉大量数据，并使用现代计算力量来筛选数据。大多数企业因为捕捉到大量信息而兴奋不已，以至于忘记阐明它们真正想要什么。要记住的是大数据不需要有多“大”。你仅仅需要针对你想要了解的信息来收集收据，问你想知道答案的问题，并基于想要得到的结果展开工作。
1704213335
1704213336
让我来分享一下我自己企业的黄金法则之一：如果你收集的数据不能告诉你接下来应该做出的行动，那意味着你压根儿就不需要这些数据。从明确你想知道什么和想完成什么开始，幸运的是，这个过程并不难——而且它能产生巨额利润。现在，让我们更上一层楼。
1704213337
1704213338
新近度、购买频率和消费价值模型（RFM）
1704213339
1704213340
留意客户的购买模式会大有裨益，原因多种多样——也许最重要的原因是它让你警惕现有客户可能正在流失这一事实。当然，一些信息能给你赢回这位客户的机会。例如，如果一位客户在六个月内没有光顾你的企业，这个人真的依然是你的客户吗？购买模式在其他领域也是有帮助的，比如何时一位客户的购买频率增加，或另一位客户何时突然大量减少消费。你要确保留意这些不同的信号。
1704213341
1704213342
企业使用三个关键标准——新近度、购买频率和消费价值模型（RFM模型）——来确定它们的最佳客户和最具价值客户。这个模型是一个被零售和专业服务业广为采用的标准方法，以下是建立这个模型的方法：
1704213343
1704213344
·新近度（Recency）。客户上一次与你做生意是什么时候？比较六个月前与你做生意的客户和上周与你做生意的客户。你认为谁现在对你更具价值？显然，是最近与你做生意的客户。过去的行为总是对未来行为的一个良好预测指标。那些最近与你做生意的人就是你最佳的潜在客户。
1704213345
1704213346
·频率（Frequency）。一位客户与你做生意的频率是怎样的，他一次会买多少商品？那些经常和你做生意的客户更可能继续这些行为。
1704213347
1704213348
·消费价值（Monetary Value）。在某一特定的时间内，客户消费多少钱？一位客户消费得越多，他就更可能继续这一行为。
1704213349
1704213350
当你将三个方面结合起来建立一个关键模型时，RFM的真正魔力就出现了。让我举一个例子：你的数据可能会识别到通常每月购买两次的客户（频率），以及谁三天前购买（新近度），谁比她通常购买的花销多（消费价值）。 现在，在这一个时间节点中，这就是一位非常有价值的客户，这种类型的客户需要更多的营销、更好的营销和企业更多的关注。
1704213351
1704213352
现在，如果同样的数据显示一位客户或一组客户总是每个月来购买商品（频率），两个月后却突然不再光顾或购买，是怎么回事呢？这些客户可能正在流失，你不认为有必要问问为什么吗？正如第七章所讨论的，你也可以设立门槛来分类某些等级，或增加他们在你忠诚度常青阶梯上的位置。思考一下，例如，一位客户十二个月每个月都购买商品。这就可以成为指定这位客户为“最佳客户”的标准。
1704213353
1704213354
当然，有帮助你追踪这一数据的工具。如果你经营一家小型到中型的企业，你很有可能已经有追踪这一数据的体系了。（如果你还没这么做的话，你应该——从今天开始做！）明智运用这个体系的下一步做法是，用它来指导你的营销决定。让我们一直关注如何在你的企业中使用RFM模型。
1704213355
1704213356
分析最优购买频率
[
上一页 ]
[ :1.704213307e+09 ]
[
下一页 ]