1.3 客户关系管理

为什么要做大数据？归根结底，大数据的研究还是一种人类为了认知事物所开展的活动。认知是为了决策，好的决策使工作的效率得到提高，同时也降低了人类的劳动强度，从而实现了人类对更高的经济效益的追求。

如前所述，大数据所处理的对象大体可以经历四个阶段：自底层的基本数据开始，逐步提取分析出信息，再抽象到知识，进而提升到文化和智慧。当前的大数据技术还处在比较初级的阶段，正如梅宏院士所言，目前大数据的挖掘深度尚且不够。而本书正是试图帮助读者将其所在企业的数据转换成有用的信息，并进一步从有用的信息中挖掘出知识。举例来讲，呼叫中心会获得海量的客户信息，在这些庞杂的信息基础上利用大数据技术就可建立起一套有效的客户关系管理（CRM）系统。事实上，对于一个拥有大量客户的企业而言，非常重要的一个需求是从多种渠道了解客户的反馈，既可以是直接的反馈，例如客户过往的消费数据（来自边缘的cookie，后端的云），向客户发放调查问卷，或者由客服不断进行问询反馈，也可以是间接的反馈，例如抓取客户在搜索引擎上的查询信息，微博的消息动向，其他竞争厂家的数据等。换句话，数据可以是直接的、间接的；内部的、外部的；线上的、线下的。实际上，目前大数据应用的最为成熟的领域，正是CRM应用。将大数据运用于CRM的意义在于真正实现有效的智能化CRM，挖掘出客户信息的价值，从而实现对产业的拉动。当前，如京东、阿里巴巴等电商根据CRM系统所做出的“推荐系统”可以算作国内较为成功的案例。

现代CRM将客户作为单一个体而不是作为群体的一部分来进行分析，为此，销售人员与客户的交流方式正变得更加面向客户。例如，亚马逊所使用的个性化营销方式。CRM其实最早是以单对单营销这个名头流行起来的，但相比单对单营销，CRM对于理解和服务客户需求有着更广泛的实现方式，它是一个企业级的经营策略，其将关注重点放在高度定向化和精确的客户群，以此来优化赢利能力和客户满意度。CRM可通过多种方式来实现，如围绕客户群来组织公司、建立和跟踪客户的交互行为、培养客户满意度、将公司流程及公司整个供应链和客户连接起来等。而对于要如何落实一套客户关系管理系统，其中涉及两个关键点：第一，公司必须以客户为中心。第二，公司必须能够管理通过各个途径获得的客户关系和信息。

拥有CRM系统的公司需遵循以客户为中心的原则。该原则其实就是一个内部管理理念。在此理念的影响下，公司需要基于客户与公司之间的交互行为来定制自身的产品和服务。这个理念超越了所有的单个业务职能所能涵盖的范围（如生产、运作、会计等），而基于此理念构建出的内部系统能将所获得的客户信息直接运用于公司的各种决策和行动。

以客户为中心的公司会通过学习客户信息来不断地提升自己的产品和服务质量。在CRM系统中，“学习”主要是指通过客户对于产品及服务的评论和反馈来收集整理出有用的客户信息。一般来说，公司的每个业务单元都会有自己的一套记录客户信息的方式，有些甚至还有自己的客户信息系统。因为公司的各个部门都有着各自不同的关注点，所以很难将所有的客户信息以通用格式的方式集中统一管理。知识管理在这时就派上了用处。“知识管理”就是一个将客户信息集中管理和分享使用的过程，而通过知识管理，商家能够提升自己与客户间的关系。这些被收集管理的客户信息包括客户体验、客户评价、客户行为和一些关于客户的定性事实。不难发现，这里的“知识管理”就可以归入到大数据的范畴内。一个CRM的好坏往往取决于客户与商家间交互的效率。通常一个成功的CRM能够在商家和客户间建立起长久互利（如促销、打折、积分等）的关系。实际上，CRM和别的企业战略举措最大的不同在于CRM不仅有能力使商家与当前客户群产生交互，还能对这些交互行为进行集中管理。简单来说，商家能得到的客户信息越多，就越能在和客户的交互中使客户感到满意。

成功的CRM很大程度上取决于其所使用的数据挖掘技术是否高效。数据挖掘是用来从数据库中那些海量的数据里找出数据间隐藏的模式和关系的。这种数据分析方式正是能用来发掘出特定客户或是客户群的行为特征模式。虽说一些企业在多年前就已经开始运用数据挖掘，但是那时这些企业的挖掘样本通常只有300到400个。而现在一个公司往往要分析数以亿计的客户消费模式。举例来说，沃尔玛的数据库被认为是除五角大楼的数据库外全球最大的数据库，其包含了4000TB的客户和市场数据。沃尔玛正是运用这庞大的数据库来帮助旗下所有的店铺找出当地民众所喜好的商品组合的（Make no mistakes, not diapers and beers）。

通过使用数据挖掘技术，销售人员能够搜索数据库以获取相关数据，然后将数据根据特征分类并最终得出客户档案。以剃须刀产品为例，当新的型号发布时，销售人员可试图通过电子邮件与客户建立起联系，将客户的邮件回复率与网上购物历史进行综合评估，而后可针对可能会购买产品的客户建立一个完整的客户档案库以便更好地去解析这些客户的需求及行为模式。不仅如此，当此方法在新型号产品的销售上获得成功后，企业还可将这套方法用在其他产品线上，使得业绩得到进一步提升。

当使用数据挖掘技术时，需要牢记的是数据的最终价值往往就取决于公司能将多少数据从单纯的数字转化为能被用来进行销售策略决策的信息。于是乎，光建立起一个客户邮箱列表是远远不够的。公司必须能够从数据中识别出优质客户并将他们的资料归档，而后计算他们的价值并构建出模型，最终预测出他们的购物行为模式。有很多的公司都有着成功运用数据挖掘技术的案例，以Albertson's超市为例，其运用数据挖掘技术找出了哪些商品经常被一起购买（然后将这些商品放在同一块地方），并了解到在美国不同地方的居民对于不同饮料的喜好，从而超市会根据所在地的不同来调整其售卖的饮料；Camelot Music曾通过数据挖掘发现有一大批老人在购买饶舌或是另类音乐，公司经过调查后发现原来这些老人是在给他们的孙辈们买礼物，因此公司就策划了“礼物周”活动来吸引更多的顾客；婚礼策划网站TheKnot.com会要求用户注册并提供基础的个人信息，这些个人信息数据会被存入网站的数据库中，而后被用来建立原始客户档案，当一个用户将一个商品加入感兴趣列表时，数据库中的数据就会根据这一变化进行更新，于是网站会根据用户加入感兴趣列表的商品的不同而调整推荐给用户的商品。

在信息能被利用前，往往需要经过多个数据分析过程，包括客户分类、客户终身价值分析、构建预测模型，并分析客户的近期消费情况、消费频率和消费额度（RFM）等，其中最为重要的莫过于客户分类。客户分类实际上就是将较大的客户群分割成更小的、拥有共同特征的客户群。这种分析方式会为有着类似社会阶层、地理位置、心理状况及消费行为的客户们建立一个档案；当然，优质客户的档案特征是关注的重点。优质客户的档案会被用来和别的客户群进行对照分析。举个例子，银行就能通过银行卡使用率、信用、社会阶层和流通量来分割并建立起更加细致的客户群。当优质客户的档案通过这种方法被建立后，银行就能用这些档案来找到潜在客户。相似的，银行也能根据不同的客户档案来给不同客户推荐不同的产品。比如说银行会向有着开放思想的年轻客户推荐家庭银行，而向更年长成熟的客户推荐投资机会。在这一过程中，大数据技术可以得到充分的应用。

而CRM的决策环节中的一个非常重要的部分在于营销活动管理。通过营销活动管理，整个公司的所有职能部门都能参与到提升客户关系的行动中来。营销活动管理的目的是监控并利用客户的交互行为来帮助销售公司的产品及提升客服质量。而这些营销活动都是直接基于不同客户所体现出的不同的交互行为的。营销活动管理还会通过监控购买、订货、退货及点赞等客户行为来了解营销效果。如果一个营销活动看起来不是很成功，那么公司就会改变活动内容以更好地契合客户需求。如拼图生产商Stave Puzzles的每块拼图都能根据客户要求进行个性化的定制，都是独一无二的。作为公司的联合创始人之一，Steve Richardson已经将公司的重点关注的对象客户群缩小到了前百位最有价值客户。为了能够更有效地管理并让这个客户群中的每一位都能得到满意的定制化服务，公司不仅追踪诸如联系方式和购买记录等基础的信息，还会收集客户的生日、各种纪念日、与客服通话记录、查询记录和对工坊的访问情况等信息。换言之，营销活动管理就是为了能给客户开发出适合于他们的定制化产品和服务，且将价格定在适合于目标客户的位置，并最终在将产品服务推送给客户的同时还能进一步提升客户的好感。要能为客户定制产品及服务，公司必须能够与客户进行多项有效的互动。即使对于某一客户群的划分已经极其细致了，个体间仍然会有不小的差异。所以在与客户交互的时候仍应重点关注于客户的个人经历、期望及需求。Stave Puzzles就是根据自己划分的8个不同的客户组来定制不同的市场营销活动的，例如，消费总额排名前10%的客户和每月都有消费记录的客户会收到关于特别的优惠机会的提醒，这使得公司的客户满意度一直保持在一个非常高的水准之上。和前面所提的CRM的客户分类活动一样，营销活动管理要真正实现高效，也必不可少地需要借力于大数据技术。

大数据是现代CRM的重要技术手段，而CRM可算是现今营销新趋势的终极目标，基于大数据来打造CRM，可真正达到维系客户、深耕客户、拓展客户的目的。