提案されている3つの関税計画のうち、どれを全国で開始すべきかわからない場合は、クライアント分析を使用する必要があります。これにより、データベースから個々の個人を取得し、移行の感情的および実践的な動機を評価し、この関税を使用する人の数を理解できるようにします。
これは、クライアントアナリティクスでデータマイニングがどのように見えるかです。 そして、それはすでに世界中の何百もの大企業やわが国で実際に機能している方法です。
最後のトピックでは、発信者に関するすべてを知っているときに、どのくらいのクライアント分析がコールセンターを変換できるかについて既に書いています。 これは、顧客分析に関する大きなパズルの一部です。
基本から始めましょう：セグメントの操作
すべての加入者がマーケティングの点で平等というわけではありません。収益性、消費されたサービスのリスト、忠誠心、または気にする傾向が異なります。 オーディエンスを共有し、各セグメントで個別に作業できる必要があります。
なんで？ より正確にクライアントに焦点を当てるほど、収益は大きくなります。 たとえば、特定のサービスまたは製品をすべての人ではなく、セグメンテーションによってオファーを受け入れる可能性が最も高い人に提供できます。
これは実際に機能しますか？ はい 近年、私はクライアントのリクエストを分析するためのツールを実装していますが、これは大企業にとって間違いなく非常に強力なツールであると言えます。
ソースデータとして使用できるものは何ですか？
基本的なパラメーター-サブスクライバーの値-は、これらのデータのセットによって決定できます。
- グループのクライアントの平均サービス期間と経過時間に基づいて、会社のサービスを引き続き使用する傾向があるか、別のサービスに移動する傾向。
- 課金、ロイヤリティプログラム、ソーシャルグラフに基づく社会的地位。
- サービスの現在のポートフォリオ（注文履歴）によると。
- 予測モデルに基づく-将来クライアントが使用する可能性が最も高いサービスまたは商品のリストによる。
- 忠誠心（CRMからのイベントの履歴に基づく）。
- さらに、特定のビジネスに依存する多数のパラメーターにも対応しています。
次に、最初に作業する価値があるグループを強調表示できます。 これは、会社の現在の戦略（市場シェアの獲得、顧客基盤の維持、収益性の向上など）および戦術的な状況（顧客満足度、サービスの品質など）に基づいて決定されます。
プロファイルを考慮して、個々のクライアントごとに個別のメッセージを生成できます。
保持と払い戻しの例
以下は、典型的なクライアントの出発スケジュールと、トレンドが時間内に検出されてクライアントが戻った状況の新しいスケジュールです。
私の練習では、クライアントに連絡する適切な時間を見つけるためのプログラム（および最適なオファーの検索）だけで、ロイヤルティプログラムからの利益を4倍に増やすことができる場合がありました。 以前は、ロイヤルティプログラムは機能していましたが、あまり正確には機能しませんでした。 ここでは、在庫のより正確なフォーカスについて説明します（傾向の早期検出、クライアントがどれだけ利益を上げることができるかを理解し、保持またはリターンの可能性を高める最適なオファーを作成します）。
より広い意味で、私たちがやっているのは、自分で探しに行く前日に何かを提供できる顧客を探していることです。 2番目のオプションは、会社が明確な優位性を持ち、すべての潜在的な顧客に迅速にリーチする市場エリアを見つけることです。
統合と実用化
この部分とCRMの統合により、運用上の決定をその場ですぐに分析することができます。たとえば、関税を選択する際の通信プロバイダー、アカウントのオプションを選択する際の銀行、製品提供の小売などで実際に機能します。
クライアントが2つの製品のいずれかを提供する必要がある場合の計算の例（料金プランなど）は次のとおりです。
マーケティングエンジンとの組み合わせがあります。 たとえば、行動に類似した顧客プロファイルに基づいて、顧客に新しい購入を促すことができます（グループ全体のように行動した場合、明日は何を購入しますか？）。 また、マーケティングキャンペーンの条件などのデータを送信し、出力で各在庫が最適になる顧客のサンプルを取得できる応答エンジンもあります。 その結果、保有コストが低くなり、高い収益が得られます。
別の興味深いことは、戦略的決定に関する仮説をテストすることです。 たとえば、非常に高価なロイヤルティプログラムの実装コストを計算する必要があります。収益性の予測を取得できます。 さらに広く言えば、既存の顧客ベース全体を評価し、会社の資本を理解することができます。 別の興味深い例：ビジネスを販売するとき、顧客ベースからのすべての潜在的な収入を考慮することができます。
モニタリング結果
一方では、データソースが多いほど、データベースをより正確にセグメント化し、各セグメントのオファーを選択できます。 最初のシナリオ-データの量は限られており、処理はオフラインで行われます（すべてのソースからデータを収集するプロセスが段階的であるため）。これは前世紀であり、統合が不十分です。 2番目のシナリオ-「自然環境」ですべてのデータソースをリアルタイムで操作する-私が現在取り組んでいるのは、これらの予測ソリューションです。
それで、これは何を与えるのでしょうか？
- 戦術的、運用的、戦略的決定の観点から未来を見ることができます。
- このシステムにより、直感的ではなく、正確なデータに頼ることができます。
- 実際に、基盤を非常に深く正確に作成することができます。実際、各クライアントに最適なモデルを構築します。
- 出力は高校生でも理解できるデータであるため、ビジネスアナリストは喜んでいます。
- これらはすべて、利用可能なデータに基づいてリアルタイムで機能します。
- IT環境との比較的簡単な統合が行われます。
- 計算は、あなたのお尻をカバーすることができます：カウントしてじっと座って座っているよりもカウントし、それを行う方が良いです。
原則として、このようなシステムは、100万人以上の顧客を持つ企業のインフラストラクチャに実装されていますが、多くの場合、10万人の顧客から正常に機能します。
私たちの国ではそのような習慣はありますか？ はい、間違いなく。 私は個人的に通信事業者 、銀行会社、小売店の統合に携わっており、同僚の類似プロジェクトの多くを知っているので、Googleだけがあなたのデータを使用して何かを提供していると確信できます。
中小企業向けにこのようなシステムを自分で構築することは可能ですか？ はい、次のことができます。基本原則を既に知っているため、深い統合は必要ありません。市場の巨人とは異なり、インフラストラクチャは「ひざまずき」上昇します。 一般に、最も明白なものを使用すると、効率が急速に向上する可能性があります。