精准营销

精准营销之一:关联性

·         在这个信息泛滥的时代,最宝贵的资源就是人的注意力

·         基于客户需求的高度关联性的营销信息与沟通方式会使企业脱颖而出

·         无关联性信息的危害极大,91%的消费者会因此取消邮件订阅,高达63%的消费者会放弃某个品牌,这些现象值得营销人员警醒

·         消费者用金钱,一件与注意力投票,他们会采取以下对策应对与无关的信息:

---屏蔽

---报复

---诉诸法律

---不再忠于或者放弃某个品牌

·         客户喜欢与理解他们的想法与需求的企业互动.企业应根据客户的购买历史进行推荐,创造客户喜闻乐见的营销信息,而不能只考虑企业的喜好.

·         精准营销意味着:

---运用以数据为导向的洞察力,通过正确的渠道在正确的时间向正确的人传播正确的信息.

---根据客户情况(如之前的互动历史)决定现在与未来更深层次的关联性互动.

---将数据技术与创造性结合起来,用目标化---通常表现为个性化---的方式吸引客户.

 

精准营销之二:精准营销之旅

·         精准营销是一段旅程.它虽不是一帆风顺,但你的投入与努力一定会换来回报

·         精准营销的框架包括六大步骤:

步骤一:确定目标

步骤二:收集数据

步骤三:分析与建模

步骤四:制定战略

步骤五:部署

步骤六:评估

·         贝斯特韦斯特公司的精准营销案例

第一步:目标.公司的目标是通过增加订房率和提升客户忠诚度以及联名万事达卡的认知度来提高收益

第二步:收集数据.公司根据内部数据将目标客户分为两个实验组,每组50000人

第三步:分析与建模.公司将客户数据分为以下几类:每位客户住过的旅馆数量,客户是否参加了忠诚度调查项目,客户是否拥有贝斯特韦斯特的联名万事达卡,每位客户的收益.

第四步:制定战略.公司决定用改进的方式邀请会员参与忠诚度调查活动.

第五步:部署.2008年秋季,公司面向10万名客户展开了上述活动.

第六步:评估.在实现活动目标的基础上,公司的评估标准包括客户回应率与活动的投资回报率.结果,与对照组相比,订房客户数量提高了39%,留宿数量提高了34%,收益提高了30%,贝斯特韦斯特的联名万事达卡使用数量提高了500%,回应率提高了15%.

 

精准营销之三:确定目标

·         精准营销之旅的第一步是确定目标.它回答了一个问题:你想要解决什么问题?下面是四个常见的营销目标:

---客户保留:维持现有客户

---客户增长:增加客户数量

---客户激活:激活休眠客户

---客户获得:获得新客户

以上是多数企业经常选择的四个营销目标

·         营销目标必须与企业的总体战略目标一致.

·         企业还可以追求能够有助于节约资金或进一步了解客户的次要目标.

·         制定有效目标的关键是符合特定性、时效性与可度量性三个要点

 

精准营销之四：收集数据

·         数据至关重要。因为数据产生客户洞察力，客户洞察力创造关联性，关联性培养客户忠诚度。

·         提炼与利用各种数据需要面对以下信息壁垒：

---无法获得

---片面化

---不准确

---无法利用

·         如今，根本不存在数据短缺的问题。可以通过多重渠道购买、补充和生成数据：

---交易信息

---人口统计资料

---购买的数据或第三方资料

---营销活动历史记录

---行为记录

---调查与投票数据

---与客户互动的历史记录

---自由数据（通过社交媒体或讨论组获得）

·         若要设计有效的数据收集方案，必须回答一下问题：

---我们能收集到那些数据？

---我们可以向谁收集（所有客户或者只限于一部分客户）？

---通过何种方式收集（经销商、网络、电话、第三方…..）？

---有谁负责收集（客户代表、专业员工、第三方）？

                ---数据反馈到哪里（客户关系管理部门、专门的数据库）？

·         企业通过社交媒体获得有价值的自由数据，因为自由数据超越了用投票、多项选项、1～5级评分或者导向性评分等收集客户反馈的方式。我们现在可以借助软件工具迅速处理自由数据，找出客户言论的主要思想，确定言论的情感基调

 

精准营销之五: 分析与建模

·         数据分析与数据模型的建立是获得可行的精准营销洞察力的关键要素

·         数据模型的开发与使用需要深入、专业的技能与知识

·         现在大部分企业都会使用分析工具。分析的数据量与复杂性越大，投资回报率就越高。以下是市场分类的四个尺度：

---传统的

---以规则为导向的

---反应建模

---预测性分析

·         许多使用以规则为导向的分类方法的企业认为自己也是在做数据分析，事实虽然如此，但是以规则为导向的分类并不是最理想的分析方法。尽管预测性分析建模对数据量与复杂性的要求很高，但企业可以得到更多的回报，所以绝对值得一试。与投入相比，投资回报率能够达到相当高的水平。

·         数据分析与建模能够帮助企业实现以下目标：

---客户获得

---客户增长

---客户保留

---客户激励

·         分析是相当重要的环节。分析的目的是将数据转化为可行的、可盈利的客户洞察力。

·         定位目标客户的前提是分析客户的行为，重点是精准，而不是数量