Клиентская аналитика - Customer analytics - Wikipedia

Клиентская аналитика это процесс, с помощью которого данные из поведение клиентов используется для ведения ключевого бизнеса решения через сегментация рынка и прогнозная аналитика. Эта информация используется предприятиями для прямой маркетинг, выбор сайта, и управление 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 ограничивали 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, управления ценами и распределением.[нужна цитата ] Наиболее очевидное использование клиентской аналитики в розничной торговле сегодня - это разработка персонализированных коммуникаций и предложений и / или различных маркетинговых программ по сегментам.[нужна 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.[нужна 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. Клиентская аналитика 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 для адаптации к прогнозируемому трафику. Оценка продаж на основе данных также может вводить в заблуждение, поскольку ежедневные счетчики посещаемости не проводят точного различия между клиентами и персоналом и не могут точно учитывать перерывы рабочих.[4]
Финансы
Банки, страховые компании и пенсионные фонды используют клиентскую аналитику для понимания общей ценности клиентов, выявления клиентов с доходом ниже нуля, которые, по оценкам, составляют около 30% клиентской базы, увеличения перекрестных продаж, управления истощение клиентов а также целенаправленную миграцию клиентов на более дешевые каналы.
Сообщество
Муниципалитеты используют аналитику клиентов, чтобы заманить розничных торговцев в свои города. С помощью психографический переменных, сообщества можно сегментировать на основе таких атрибутов, как личность, ценности, интересы и образ жизни. Используя эту информацию, сообщества могут обращаться к розничным продавцам, которые соответствуют профилю их сообщества.
Управление взаимоотношениями с клиентами
Аналитический Управление взаимоотношениями с клиентами, обычно сокращенно CRM, позволяет измерять и прогнозировать данные о клиентах, чтобы обеспечить 360-градусный обзор клиента.

Прогнозирование поведения клиентов

Прогнозирование покупательские привычки и Стиль жизни Предпочтения - это процесс интеллектуального анализа и анализа данных. Эта информация состоит из многих аспектов, таких как кредитная карта покупки, подписка на журнал, Дисконтная карта членство опросы, и регистрация избирателя. Используя эти категории, потребительские профили могут быть созданы для самых прибыльных клиентов любой организации. Когда многие из этих потенциальных клиентов сосредоточены в одной области, это указывает на благоприятное место для бизнеса. Используя анализ времени в пути, также можно предсказать, как далеко данный клиент проедет до определенного места.[нужна цитата ]. Комбинируя эти источники информации, можно определить стоимость каждого домохозяйства в пределах торговой зоны в долларовом выражении, детализируя вероятность того, что домохозяйство будет стоить компании. Благодаря аналитике клиентов компании могут принимать решения на основе фактов и объективных данных.[нужна цитата ]

Сбор данных

Есть два типа категорий сбор данных. Прогнозные модели использовать предыдущие взаимодействия с клиентами для прогнозирования будущих событий, пока методы сегментации используются для распределения клиентов с похожим поведением и атрибутами в отдельные группы. Эта группировка может помочь маркетологам оптимизировать процессы управления кампаниями и таргетинга.[нужна цитата ]

Розничное использование

В розничной торговле компании могут вести подробный учет каждой совершенной транзакции, что позволяет им лучше понимать поведение покупателей в магазине. Интеллектуальный анализ данных может применяться на практике посредством выполнения анализа корзины, прогнозирования продаж, маркетинга баз данных, а также планирования и распределения товаров. 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. Планирование и распределение мерчандайзинга использует данные, чтобы позволить 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

  1. ^ Kioumarsi et al., 2009 г.
  2. ^ «Будущее розничных цепочек поставок». www.mckinsey.com. Получено 22 ноября 2018.
  3. ^ Bain & Co.[требуется разъяснение ]
  4. ^ Леви, Барокас, Карен, Солон (2018). «Рефракционное наблюдение: мониторинг клиентов для управления рабочими». Международный журнал коммуникации. 12: 2–10.
  5. ^ 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. Дои: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, В.А. (2009). Удовлетворенность потребителей: пример предпочтений в отношении качества свежего мяса и стандарт качества урожайности Министерства сельского хозяйства США. Конференция Международного журнала искусств и наук (IJAS).

внешняя ссылка