Клиентская аналитика - это процесс, с помощью которого данные о поведении клиентов используются для принятия ключевых бизнес- решений с помощью сегментации рынка и прогнозной аналитики . Эта информация используется предприятиями для прямого маркетинга , выбора сайтов и управления взаимоотношениями с клиентами . Маркетинг предоставляет услуги, чтобы удовлетворить клиентов. Имея это в виду, производственная система рассматривается от ее начала на уровне производства до конца цикла у потребителя. Клиентская аналитика играет важную роль в прогнозировании поведения клиентов. [1]
Использует
- Розничная торговля
- Хотя до недавнего времени более 90% розничных продавцов имели ограниченный доступ к своим клиентам [2], с увеличением инвестиций в программы лояльности, решения для отслеживания клиентов и исследования рынка, эта отрасль начала все больше использовать аналитику клиентов при принятии решений, начиная от продукта, продвижения, цены и управление распределением. [ необходима цитата ] Наиболее очевидное использование клиентской аналитики в розничной торговле сегодня - это разработка персонализированных коммуникаций и предложений и / или различных маркетинговых программ по сегментам. [ Требуется цитата ] Дополнительные причины, изложенные Bain & Co., включают: приоритезацию усилий по разработке продукта, разработку стратегий распространения и определение цен на продукты. [3] Демографические данные, образ жизни, предпочтения, данные о лояльности, поведение, ценность покупателя и данные прогнозируемого поведения являются ключом к успеху клиентской аналитики. [ необходима цитата ]
- Управление розничной торговлей
- Компании могут использовать данные о клиентах для реструктуризации управления розничной торговлей. Эта реструктуризация с использованием данных часто происходит при динамическом планировании и оценке сотрудников. Благодаря динамическому планированию компании оптимизируют укомплектование персоналом с помощью программного обеспечения для прогнозирующего планирования на основе прогнозируемого трафика клиентов. Графики рабочих могут быть скорректированы в соответствии с обновленными прогнозами в короткие сроки. Аналитика клиентов позволяет розничным компаниям оценивать сотрудников, сравнивая ежедневные продажи с дневной посещаемостью в магазине. Использование данных клиентской аналитики, влияющих на управление розничными работниками в явлении, известном как наблюдение за рефракцией. Модель рефракционного наблюдения описывает, как сбор информации об одной группе может повлиять и позволить контролировать совершенно другую группу.
- Критика использования
- По мере того, как розничные технологии все больше ориентируются на данные, использование клиентской аналитики вызывает критику, в частности, за то, как они влияют на работников розничной торговли. Алгоритмы подбора персонала на основе данных могут привести к нерегулярным графикам работы, поскольку они могут измениться в короткие сроки, чтобы адаптироваться к прогнозируемому трафику. Оценка продаж на основе данных также может вводить в заблуждение, поскольку ежедневные счетчики посещаемости не проводят точного различия между клиентами и сотрудниками и не могут точно учитывать перерывы рабочих. [4]
- Финансы
- Банки, страховые компании и пенсионные фонды используют клиентскую аналитику для понимания жизненной ценности клиентов, выявления клиентов ниже нуля, которые, по оценкам, составляют около 30% клиентской базы, увеличения перекрестных продаж, управления оттоком клиентов, а также перевода клиентов на более низкие целевая стоимость каналов.
- Сообщество
- Муниципалитеты используют аналитику клиентов, чтобы заманить розничных продавцов в свои города. Используя психографические переменные, сообщества можно сегментировать на основе таких атрибутов, как личность, ценности, интересы и образ жизни. Используя эту информацию, сообщества могут обращаться к розничным торговцам, которые соответствуют профилю их сообщества.
- Управление взаимоотношениями с клиентами
- Аналитическое управление взаимоотношениями с клиентами , обычно сокращенно CRM, позволяет измерять и прогнозировать данные о клиентах, чтобы обеспечить 360-градусное представление о клиенте.
Прогнозирование поведения клиентов
Прогнозирование покупательских привычек и предпочтений в образе жизни - это процесс сбора и анализа данных. Эта информация состоит из многих аспектов, таких как покупка кредитной карты , подписка на журналы , членство по карте лояльности , опросы и регистрация избирателей . Используя эти категории, можно создавать профили потребителей для самых прибыльных клиентов любой организации. Когда многие из этих потенциальных клиентов сосредоточены в одной области, это указывает на удобное место для размещения бизнеса. Используя анализ времени в пути, также можно предсказать, как далеко данный клиент доберется до определенного места [ необходима цитата ] . Комбинируя эти источники информации, можно определить долларовую стоимость каждого домохозяйства в пределах торговой зоны, детализируя вероятность того, что домохозяйство будет стоить компании. С помощью клиентской аналитики компании могут принимать решения на основе фактов и объективных данных. [ необходима цитата ]
Сбор данных
Есть два типа категорий интеллектуального анализа данных . Прогностические модели используют предыдущие взаимодействия с клиентами для прогнозирования будущих событий, в то время как методы сегментации используются для распределения клиентов с аналогичным поведением и атрибутами в отдельные группы. Эта группировка может помочь маркетологам оптимизировать процессы управления кампаниями и таргетинга. [ необходима цитата ]
Розничное использование
В розничной торговле компании могут вести подробный учет каждой совершенной транзакции, что позволяет им лучше понимать поведение покупателей в магазине. На практике интеллектуальный анализ данных может применяться посредством выполнения анализа корзины, прогнозирования продаж, маркетинга баз данных, а также планирования и распределения мерчандайзинга. Анализ корзины может показать, какие товары обычно покупаются вместе. Прогнозирование продаж показывает закономерности, основанные на времени, которые позволяют предсказать, когда клиент с наибольшей вероятностью купит определенный вид товара. Маркетинг баз данных использует профиль клиента для эффективных рекламных акций. При планировании и распределении товаров используются данные, позволяющие розничным торговцам изучать модели магазинов в местах, которые демографически схожи, для улучшения планирования и распределения, а также для создания макетов магазинов. [5]
Смотрите также
Рекомендации
- ^ Kioumarsiдр., 2009
- ^ "Futre розничных цепочек поставок" . www.mckinsey.com . Проверено 22 ноября 2018 .
- ^ Bain & Co. [ требуется пояснение ]
- ^ Леви, Барокас, Карен, Солон (2018). «Рефракционное наблюдение: мониторинг клиентов для управления работниками». Международный журнал коммуникации . 12 : 2–10.
- ^ Рыгельски, Крис; Ван, Цзюнь-Ченг; Йен, Дэвид К. (2002-11-01). «Методы интеллектуального анализа данных для управления взаимоотношениями с клиентами». Технологии в обществе . 24 (4): 483–502. DOI : 10.1016 / S0160-791X (02) 00038-6 . ISSN 0160-791X .
дальнейшее чтение
- Киумарси, Х., Хоршиди, К.Дж., Яхая, З.С., Ван Катсем, И., Зарафат, М., Рахман, Вашингтон, (2009). Удовлетворенность потребителей: пример предпочтений в отношении качества свежего мяса и стандарт урожайности Министерства сельского хозяйства США. Конференция Международного журнала искусств и наук (IJAS).