发帖
雷达卡
企业要拥抱大数据，个性化营销、对客户价值的识别和挖掘、客户流失预警、数据驱动的精准广告、企业商业决策、库存管理和物流配送等大数据的六种典型应用，可以帮助企业从数据应用中创造价值。
美国的一家信.用卡公司，在对客户流失问题进行分析的时候，发现借助一些变量指标对客户进行分类，不同项下的指标分组下客户的流失倾向是不同的，比如同时满足A1、B1、X1条件的用户流失概率为66.7%，而满足A1、B3的客户流失率仅为5%，从而建立起了客户流失预警的内部机制，对新客户开发的资源分配也起到了重要的指导作用。
同样的事情发生在中国电信业的客.户保留案例中，一家中国电信运营商在对客户价值的识别和挖掘中发现，老客户拥有更高的客户终身价值，他们购买更加频繁，对企业更加忠诚，服务成本更低，对价格更不敏感。详细的客户.数据分析最终帮助企业优化配置了有限的资源，比如在开发新客户，保留旧客户以及交叉销售提升客户价值方面的资源分配，从而建立起创造企业价值最大化的战略。
与此同时，更多的通过大数据的分析和挖掘的企业案例不断涌现，在这个从产品为中心到以用户为中心的时代，如何利用用户的数据资产为企业建构更好的商业模式，创造更好的商业收益正成为企业们面临的最大挑战。当然，这本身也意味着巨大的机会。
百分点创始人兼董事长、北大光华管理学院研究教授苏萌告诉《商学院》记者，“数据将是‘未来的新石油’，中国将成为全球最重要的大数据市场，大数据有望引领自IT和互联网泡沫以来的下一轮经济增长浪潮，未来公司之间的竞争将是对于数据资源和应用的竞争。”
但是，对于扑面而来的大数据时代，还有不少的企业感到困惑和迷茫，比如我们的企业到底能积累什么样的数据，如何发挥这些数据的价值，面向未来的商业创新又需要增加或抓取哪些新的数据，这些数据到底能帮助企业做什么，如何获取这些想要的数据，企业的大数据战略到底是什么等等一系列的问题，当然，还有更重要的一点，这些数据的应用能在哪些方面发挥作用-
打造大 数据管理 的两极
对企业的大数据管理来说，两大系统不容忽视，一是用户管理系统，另一个就是商品(内容)管理系统。这也就是很多企业，尤其是电商企业，会推出“用户画像”和“商品标识库”的原因，当然，它也是制造企业推动“定制化生产”，“数据工厂”的重要前提和基础。
然而，要建构企业的用户管理系统和商品(内容)管理系统，需要大量数据的支撑，这些数据到底如何获取，又如何建适合本企业的商业模型呢-
“企业要拥抱大数据时代，需要做好数据归集、数据管理、数据应用三个方面的工作，在此基础上，企业才能进行大数据的分析和挖掘，也就是大数据的应用。”在苏萌看来，数据收集是帮助企业打破数据孤岛的重要工作，在收集过程中，企业需要建立起第一方数据(企业自身)、第三方数据、CRM数据(客户关系管理数据)、交易数据等在内的多重数据匹配系统，同时构建起针对客户的统一视图，即将企业网站、移动设备、展示广告、线下数据、企业营销数据库、社会化媒体、电子邮件、呼叫中心、MINI-SITE上所有企业相关的数据进行收集和整合。
以苏宁为例，苏宁大数据相关部门负责人就告诉记者，“苏宁会整合其门店、PC、移动以及TV的四端数据，覆盖全国所有城市的1600家门店，以及线上在B2C领域排名前三的苏宁易购，以及数千上万家移动微店，客厅端PPTV的数据。”此外，苏宁还会注意到这些数据不同服务方面上的收集和整合，比如零售数据、娱乐、金融、理财方面的商品和服务数据，最终通过这些数据的整合为用户创造最佳体验。
“以门店端为例，苏宁在门店端布局了相关设备进行数据的采集和分析：一是对整个门店的客流分析，比如说今天有多少人到了这个门店，二是对于用户身份的识别以及定位，比如今天来这间门店的，有多少是会员，有多少是非会员，会员里面有多少是新注册的会员，有多少是老会员等。由此，借助数据的支撑和数据的说明，会让我们看到会员发展的速度和质量。”苏宁方面表示。
事实上，不只是苏宁，包括华为、TCL等很多企业都在打造包括电商、媒体、金融在内的数据客理平台，由此沉淀数据资产，掌握用户。而奇虎360在建构其金融生态的同时，也提出了要将搜索、电商、社交数据三方面的数据进行整合和管理。
由此，数据管理成为数据收集之后的第二项工作，按照苏萌的分析，“数据管理需要精确到个体消费者的洞察。”它包括数据的存储/仓库，数据标准化，筛选/细分，分析/决策，最终形成客户的群体划分和基于消费偏好的个体画像。
在客户的群体划分中，RFM模型非常有用，R即Recently(最近)，表示客户最近一次购买的时间，为方便统计量，可以停止交易的时间，或者持续交易的时间;F即Frequently(频率)，表示客户在统计周期内购买的次数;M即Monetary Value，表示客户在统计周期内每次购买的平均金额(如图)。
不难看出，RFM模型是衡量客户价值和客户创利能力的重要工具和手段。它通过一个客户的近期购买行为，购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况，并将用户分层为：一般发展用户、一般价值用户、一般挽留客户、一般保持客户重要价值用户，重要发展用户、重要挽留用户、重要保持客户，进而帮助企业制定不同的营销策略。
而在基于消费偏好的个体画像方面，很多用户的个性化数据被提.炼出来，包括年龄、性别、职业、兴趣、对品牌的特殊偏好、其关注的领域等等，这也就是常被提及的用户画像或用户标签库。这个标签库的数据，除了需要足够丰富，完整，准确之外，它往往还需要上面提到的用户分层、用户画像、用户的购买预测，本质上就是要用数据挖掘的技术去解决商业上的命题。
而这一商业命题，就是数据的应用，就是企业如何从数据应用中获益，它包括如何帮助企业进行消费者观察，如何进行用户体验优化，如何提高营销效能，如何提升运营效率等。
| 相关帖子DA内容精选 |
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
