论文部分内容阅读
究竟消费者希望自己在购物时的个性化体验达到什么程度?几年前,他们可能认为企业提供独特个性化服务更像是在跟踪偷窥。现在,随着消费者在网上花费的时间越来越多,想法也发生了改变。
消费者知道他们所消费的企业能够获取自己的兴趣爱好和行为信息。作为消费者,如果想要在每个渠道和每次互动中都有着无缝、智能和相关的体验,那么他们必须愿意分享自己的信息。作为回报,他们可以期待一些个性化推送、预先通知、有针对性的建议以及高水平的顾客服务。消费者必须充分意识到他们的每一笔交易、每一个点击、每一个产生数据的行动都会留下丰富的数字足迹。当这些数据被恰当使用时,它将有助于巩固消费关系的忠诚度。
我在这个等式的另一边谋生,为了最有效地利用这些数据而做出各种选择。要实现消费者数据的全部价值和可能性,我们需要从渠道、产品、或信息为导向的视角转变为基于消费者行为和偏好的视角。
数据获取
消费者要在合适的时间获得个性化的信息和服务。对于企业来说,挑战就在于要更好地了解消费者的数据,以准确地拿捏推送时间和消息的相关性。
最简单的方法是根据一些人口统计数据(如年龄、地址、性别等),再加上最近的购买记录将消费者分成几个大群体。然后按着划分的组别推送信息。这个方法会成功,但不是总能成功。更好的方法是建设消费者数据中心,结合对消费者购买周期的深入了解,用先进的分析进行一对一分组并且实时决策。这些分析让我们能够采取有根据且明智的下一步行动,最重要的是提供一个适用和满意度高的消费者体验。
SAS就经历了这样的转型。从六年前到现在,我们从邮件轰炸进化到个性化的信息推送。我们的目标是找出信息和渠道的最佳组合,以便更好地调整和创造日益精细的消费者细分。
我们团队收集了消费者的购买旅程数据,包括达成购买的和最终没有达成购买的。这其实比听起来更困难。我们有大量的不同复杂程度、分布在多个地方,和多种格式的数据。此外,我们的业务提供分析,商业智能和软件等服务,所以客户找我们都是为了一些复杂的问题而来。
数据管理
首先,我们必须清理数据,并把它变成可管理的和可用的数据存储。有三个步骤:
第一,数据清理:修改一些非标准的消费者数据,删除重复记录。下一步,数据归档:通过在不同表格、数据库和应用中发现相关联的数据,更好地理解数据信息。最后,实体解析:识别不同来源的数据并将它们关联到一个消费者身上。
例如,一些数据可能在网络渠道上,另一组可能在内部销售纪录里。还有更多关于同一个消费者的记录可能会在联络中心找到。看到消费者数据如何在一个企业中流动的能力至关重要。
一旦完成了数据清洗和归类,就能更好地管理它并设置一些处理规则。通过分析,我们对比发送到特定联系人的消息类型、该消费者的购买周期阶段和最终的结果,我们发现很多过去发送的信息被误导且不同步。例如我们会在一笔交易完成后才向消费者发送购买旅程早期的信息,并且不论那次的交易是否成功。
我们还发现消费者需要某一个方面的内容,比如分析方案,但他们实际上收到了其他领域的内容,比如消费者洞察。所以他们其实没有得到正确的信息。
我们的分析范围广泛,最终发现了在跟消费者互动时的一些关键变化。通过消费者数据,我们能够更好地确定消费者正处于购买环节中的任何一个位置。例如,他们是在研究信息?他们会达成交易还是还在考虑?他们是只购买还是需要更多的信息?他们是否是现有用户?
虽然消费者需要的内容可能会在某些阶段相似,但他们需要的信息和渠道有所不同。当消费者正在研究相关购买信息时,我们可能还没有足够的数据来全面了解他们的需求。因此我们会收集信息,并通知给销售跟进。
收集这些数据最简单的方法是在线上体验加上一些最低限度的注册信息要求。我们的目的是分享我们的专业知识,并确保消费者能够得到他们所需要的所有信息和资源。他们后续所收到的信息是通过与我们持续交互,和我们所收集到的交互中产生的数据决定的。
数据分析
我们还利用这些数据来识别出最有效吸引客户的渠道和内容,以便更好地与我们新的消费者购买周期的各个阶段匹配:
需求-高级别信息传递,包括思想领导策略(博客、文章等)。该阶段的内容解释了问题并提供向前的路径。
研究-用来验证客户所需要解决问题的内容。这里的内容聚焦于某个具体业务并包括第三方资源(如分析师评论,研究报告等)。
决策-提供具体产品信息的更深层次内容。通过客户成功案例,研究报告,产品的详述等验证所提出的解决方案。
采纳-通知和自助内容。这个阶段是向客户介绍一些支持资源,在线社区,以及一些DIY资源来给他们介绍解决方案。
使用-采用内容,如先进的教育信息,用户会议和特定产品的在线研讨会。在这个阶段,消费者能够熟练运用技术,并且转向更多的技术资源以扩大自己的知识面。
推荐-专门用来加深与消费者关系的内容,包括发言机会,焦点小组的参与,销售参考以及一些交叉和向上销售的机会。
今天,当我们与消费者接触时,能确保我们的互动是有意义的。我们能够识别来自一个客户的所有联系人、他们需要的产品或解决方案和他们处在购买旅程的位置,然后提供他们所需要的消息和信息。销售结束后还会有活动保持与消费者的联系,邀请他们加入到用户社区、提供支持功能或提供其他技术资源。
但这一切的实现都需要使用消费者的数据。本着与我们自己作为消费者愿意为个性化推荐而交换信息的同样精神,我们要求我们的客户和潜在客户提供有关他们的数据,他们想告诉我们什么,以及他们希望怎么与我们互动。我们的承诺是在彼此的互动中有效地使用这些数据。
消费者知道他们所消费的企业能够获取自己的兴趣爱好和行为信息。作为消费者,如果想要在每个渠道和每次互动中都有着无缝、智能和相关的体验,那么他们必须愿意分享自己的信息。作为回报,他们可以期待一些个性化推送、预先通知、有针对性的建议以及高水平的顾客服务。消费者必须充分意识到他们的每一笔交易、每一个点击、每一个产生数据的行动都会留下丰富的数字足迹。当这些数据被恰当使用时,它将有助于巩固消费关系的忠诚度。
我在这个等式的另一边谋生,为了最有效地利用这些数据而做出各种选择。要实现消费者数据的全部价值和可能性,我们需要从渠道、产品、或信息为导向的视角转变为基于消费者行为和偏好的视角。
数据获取
消费者要在合适的时间获得个性化的信息和服务。对于企业来说,挑战就在于要更好地了解消费者的数据,以准确地拿捏推送时间和消息的相关性。
最简单的方法是根据一些人口统计数据(如年龄、地址、性别等),再加上最近的购买记录将消费者分成几个大群体。然后按着划分的组别推送信息。这个方法会成功,但不是总能成功。更好的方法是建设消费者数据中心,结合对消费者购买周期的深入了解,用先进的分析进行一对一分组并且实时决策。这些分析让我们能够采取有根据且明智的下一步行动,最重要的是提供一个适用和满意度高的消费者体验。
SAS就经历了这样的转型。从六年前到现在,我们从邮件轰炸进化到个性化的信息推送。我们的目标是找出信息和渠道的最佳组合,以便更好地调整和创造日益精细的消费者细分。
我们团队收集了消费者的购买旅程数据,包括达成购买的和最终没有达成购买的。这其实比听起来更困难。我们有大量的不同复杂程度、分布在多个地方,和多种格式的数据。此外,我们的业务提供分析,商业智能和软件等服务,所以客户找我们都是为了一些复杂的问题而来。
数据管理
首先,我们必须清理数据,并把它变成可管理的和可用的数据存储。有三个步骤:
第一,数据清理:修改一些非标准的消费者数据,删除重复记录。下一步,数据归档:通过在不同表格、数据库和应用中发现相关联的数据,更好地理解数据信息。最后,实体解析:识别不同来源的数据并将它们关联到一个消费者身上。
例如,一些数据可能在网络渠道上,另一组可能在内部销售纪录里。还有更多关于同一个消费者的记录可能会在联络中心找到。看到消费者数据如何在一个企业中流动的能力至关重要。
一旦完成了数据清洗和归类,就能更好地管理它并设置一些处理规则。通过分析,我们对比发送到特定联系人的消息类型、该消费者的购买周期阶段和最终的结果,我们发现很多过去发送的信息被误导且不同步。例如我们会在一笔交易完成后才向消费者发送购买旅程早期的信息,并且不论那次的交易是否成功。
我们还发现消费者需要某一个方面的内容,比如分析方案,但他们实际上收到了其他领域的内容,比如消费者洞察。所以他们其实没有得到正确的信息。
我们的分析范围广泛,最终发现了在跟消费者互动时的一些关键变化。通过消费者数据,我们能够更好地确定消费者正处于购买环节中的任何一个位置。例如,他们是在研究信息?他们会达成交易还是还在考虑?他们是只购买还是需要更多的信息?他们是否是现有用户?
虽然消费者需要的内容可能会在某些阶段相似,但他们需要的信息和渠道有所不同。当消费者正在研究相关购买信息时,我们可能还没有足够的数据来全面了解他们的需求。因此我们会收集信息,并通知给销售跟进。
收集这些数据最简单的方法是在线上体验加上一些最低限度的注册信息要求。我们的目的是分享我们的专业知识,并确保消费者能够得到他们所需要的所有信息和资源。他们后续所收到的信息是通过与我们持续交互,和我们所收集到的交互中产生的数据决定的。
数据分析
我们还利用这些数据来识别出最有效吸引客户的渠道和内容,以便更好地与我们新的消费者购买周期的各个阶段匹配:
需求-高级别信息传递,包括思想领导策略(博客、文章等)。该阶段的内容解释了问题并提供向前的路径。
研究-用来验证客户所需要解决问题的内容。这里的内容聚焦于某个具体业务并包括第三方资源(如分析师评论,研究报告等)。
决策-提供具体产品信息的更深层次内容。通过客户成功案例,研究报告,产品的详述等验证所提出的解决方案。
采纳-通知和自助内容。这个阶段是向客户介绍一些支持资源,在线社区,以及一些DIY资源来给他们介绍解决方案。
使用-采用内容,如先进的教育信息,用户会议和特定产品的在线研讨会。在这个阶段,消费者能够熟练运用技术,并且转向更多的技术资源以扩大自己的知识面。
推荐-专门用来加深与消费者关系的内容,包括发言机会,焦点小组的参与,销售参考以及一些交叉和向上销售的机会。
今天,当我们与消费者接触时,能确保我们的互动是有意义的。我们能够识别来自一个客户的所有联系人、他们需要的产品或解决方案和他们处在购买旅程的位置,然后提供他们所需要的消息和信息。销售结束后还会有活动保持与消费者的联系,邀请他们加入到用户社区、提供支持功能或提供其他技术资源。
但这一切的实现都需要使用消费者的数据。本着与我们自己作为消费者愿意为个性化推荐而交换信息的同样精神,我们要求我们的客户和潜在客户提供有关他们的数据,他们想告诉我们什么,以及他们希望怎么与我们互动。我们的承诺是在彼此的互动中有效地使用这些数据。