क्लाइंट एनालिटिक्स: बिग ब्रदर जानता है कि आप कल क्या खरीदेंगे और जब आप प्रदाता को बदलेंगे

यदि आप जानते हैं कि आपका एक ग्राहक एक नया टैबलेट खरीदने की सोच के साथ कल जाग जाएगा, तो आप उसे आज डिस्काउंट कोड के साथ एक ईमेल भेज सकते हैं। यदि आप समझते हैं कि सभी संकेतों से ग्राहक किसी अन्य प्रदाता पर स्विच करने जा रहा है, तो आप उसकी गति बढ़ा सकते हैं, कीमत कम कर सकते हैं या कुछ और दे सकते हैं। यह ग्राहक विश्लेषण है ।

यदि आपको पता नहीं है कि पूरे देश में तीन प्रस्तावित टैरिफ योजनाओं में से कौन सी लॉन्च होनी चाहिए, तो आपको क्लाइंट एनालिटिक्स का उपयोग करने की आवश्यकता है, जो प्रत्येक व्यक्ति को डेटाबेस से ले जाएगा, संक्रमण के लिए भावनात्मक और व्यावहारिक उद्देश्यों का मूल्यांकन करेगा - और यह समझना संभव बना देगा कि कितने लोग इस टैरिफ का उपयोग करेंगे।

यह क्लाइंट एनालिटिक्स में डेटा माइनिंग जैसा दिखता है। और यह कि यह पहले से ही दुनिया भर में और हमारे देश में सैकड़ों बड़ी कंपनियों में कैसे काम करता है।



आखिरी विषय में, मैंने पहले ही लिखा था कि जब आप कॉल करने वाले के बारे में सब कुछ जानते हैं तो क्लाइंट एनालिटिक्स कॉल सेंटर को कैसे बदल सकता है। यह ग्राहक विश्लेषण के बारे में बड़ी पहेली का एक टुकड़ा है।

आइए बुनियादी बातों से शुरू करें: खंडों के साथ काम करना

विपणन के संदर्भ में सभी ग्राहक समान नहीं हैं: वे लाभप्रदता में भिन्न होते हैं, भस्म सेवाओं की सूची, देखभाल के प्रति वफादारी या प्रवृत्ति। आपको ऑडियंस को साझा करने और प्रत्येक सेगमेंट के साथ अलग से काम करने में सक्षम होना चाहिए।

क्यों? क्योंकि जितना अधिक हम ग्राहक पर ध्यान केंद्रित करेंगे, उतना अधिक रिटर्न होगा। उदाहरण के लिए, आप किसी विशेष सेवा या उत्पाद को सभी के लिए नहीं, बल्कि उन लोगों के लिए पेश कर सकते हैं, जिन्हें सबसे अधिक संभावना है कि वे इस विभाजन को स्वीकार करेंगे।

क्या यह व्यवहार में काम करता है? हां। हाल के वर्षों में, मैं क्लाइंट अनुरोधों के विश्लेषण के लिए उपकरण लागू कर रहा हूं और मैं कह सकता हूं कि यह निश्चित रूप से बड़े व्यवसायों के लिए बहुत शक्तिशाली उपकरण है।

स्रोत डेटा के रूप में क्या उपयोग किया जा सकता है?

मूल पैरामीटर - ग्राहकों का मूल्य - इन आंकड़ों के एक समूह द्वारा निर्धारित किया जा सकता है:

• समूह की ग्राहक की सेवा की अवधि और बीता समय के आधार पर कंपनी की सेवाओं का उपयोग जारी रखने या किसी अन्य पर जाने की प्रवृत्ति।
• बिलिंग, वफादारी कार्यक्रम और सामाजिक ग्राफ के आधार पर सामाजिक स्थिति।
• सेवाओं के वर्तमान पोर्टफोलियो के अनुसार (ऑर्डर इतिहास)।
• भविष्य कहनेवाला मॉडल के आधार पर - सेवाओं या सामानों की सूची के अनुसार जो भविष्य में ग्राहक द्वारा उपयोग किए जाने की सबसे अधिक संभावना होगी।
• वफादारी (सीआरएम से घटनाओं के इतिहास के आधार पर)।
• प्लस के दर्जनों मापदंडों के लिए जो किसी विशेष व्यवसाय पर निर्भर करते हैं।

अगला, आप उन समूहों को उजागर कर सकते हैं जिनके साथ यह पहली जगह में काम करने लायक है। यह कंपनी की वर्तमान रणनीति (बाजार हिस्सेदारी को हथियाने, ग्राहक आधार बनाए रखने, लाभप्रदता बढ़ाने, और इसी तरह) और सामरिक स्थिति (ग्राहकों की संतुष्टि की डिग्री, सेवाओं की गुणवत्ता और अधिक) के आधार पर निर्धारित किया जाता है।

प्रत्येक व्यक्तिगत ग्राहक के लिए एक व्यक्तिगत संदेश उत्पन्न किया जा सकता है, उसकी प्रोफाइल को ध्यान में रखते हुए।

अवधारण और वापसी उदाहरण

नीचे एक विशिष्ट ग्राहक के प्रस्थान का समय और उस स्थिति का एक नया कार्यक्रम है जिसमें एक प्रवृत्ति का समय पर पता लगाया गया था और ग्राहक वापस लौट आया।



मेरे व्यवहार में, एक ऐसा मामला था जहां केवल ग्राहक से संपर्क करने का सही समय खोजने के लिए कार्यक्रम (और सर्वश्रेष्ठ प्रस्ताव की खोज) ने मुझे वफादारी कार्यक्रम से लाभ को 4 गुना बढ़ाने की अनुमति दी। पहले, वफादारी कार्यक्रम ने काम किया था, लेकिन यह बहुत सटीक रूप से काम नहीं करता था। यहां हम स्टॉक के अधिक सटीक ध्यान केंद्रित करने (एक प्रवृत्ति का शुरुआती पता लगाने, एक ग्राहक कितना लाभ कमा सकते हैं, यह समझ सकते हैं, साथ ही एक इष्टतम प्रस्ताव को आकर्षित कर सकते हैं जो प्रतिधारण या वापसी की संभावना को बढ़ाता है)।

व्यापक अर्थों में, हम जो कर रहे हैं वह उन ग्राहकों की तलाश में है जो एक दिन पहले ही कुछ की पेशकश कर सकते हैं ताकि वे स्वयं इसकी तलाश कर सकें। दूसरा विकल्प बाजार क्षेत्रों को खोजना है जहां कंपनी का स्पष्ट लाभ है और जल्दी से सभी संभावित ग्राहकों तक पहुंच जाता है।

एकीकरण और व्यावहारिक उपयोग

सीआरएम के साथ इस टुकड़े का एकीकरण आपको परिचालन निर्णयों के लिए मौके पर ही सही एनालिटिक्स प्रदान करने की अनुमति देता है: उदाहरण के लिए, यह वास्तव में संचार प्रदाताओं के लिए काम करता है जब एक उत्पाद का चयन करते समय, एक बैंक में, एक खाते के लिए विकल्प चुनते समय, उत्पाद ऑफ़र के लिए खुदरा क्षेत्र में, और इसी तरह।

यहाँ गणना के एक टुकड़े का एक उदाहरण है जब ग्राहक को दो उत्पादों में से एक की पेशकश करने की आवश्यकता होती है (उदाहरण के लिए, टैरिफ प्लान):



एक विपणन इंजन के साथ एक संयोजन है। उदाहरण के लिए, आप ग्राहक प्रोफाइल पर आधारित नई खरीदारी करने के लिए ग्राहक को उत्तेजित कर सकते हैं जो व्यवहार में समान हैं (यदि आप पूरे समूह की तरह व्यवहार करते हैं तो आप कल क्या खरीदेंगे?)। एक प्रतिक्रिया इंजन भी है, जहां आप मार्केटिंग अभियानों के लिए शर्तों जैसे डेटा सबमिट कर सकते हैं, और आउटपुट पर उन ग्राहकों का एक नमूना प्राप्त कर सकते हैं जिनके लिए प्रत्येक स्टॉक इष्टतम होगा। परिणाम कम होल्डिंग लागत, उच्च रिटर्न है।

एक और दिलचस्प बात रणनीतिक फैसलों के बारे में परिकल्पना का परीक्षण कर रही है। उदाहरण के लिए, आपको एक बहुत महंगे वफादारी कार्यक्रम को लागू करने की लागत की गणना करने की आवश्यकता है: आप एक लाभकारी पूर्वानुमान प्राप्त कर सकते हैं। अधिक व्यापक रूप से, आप पूरे मौजूदा ग्राहक आधार का मूल्यांकन कर सकते हैं और कंपनी के पूंजीकरण को समझ सकते हैं। एक और दिलचस्प उदाहरण: जब कोई व्यवसाय बेचते हैं, तो आप ग्राहक आधार से सभी संभावित आय को ध्यान में रख सकते हैं।

निगरानी परिणाम

एक ओर, जितने अधिक डेटा स्रोत, उतने ही सटीक रूप से आप डेटाबेस को सेगमेंट कर सकते हैं और प्रत्येक सेगमेंट के लिए ऑफ़र का चयन कर सकते हैं। पहला परिदृश्य - डेटा की मात्रा सीमित है, और प्रसंस्करण ऑफ़लाइन होता है (चूंकि सभी स्रोतों से डेटा एकत्र करने की प्रक्रिया क्रमिक है), यह पिछली शताब्दी और खराब एकीकरण है। दूसरा परिदृश्य - "प्राकृतिक वातावरण" और वास्तविक समय में सभी डेटा स्रोतों के साथ काम करना - यह इन पूर्वानुमान समाधानों के साथ है जो अब मैं काम करता हूं।

तो यह क्या देता है?

• आप भविष्य में सामरिक, परिचालन और रणनीतिक निर्णयों के संदर्भ में देख सकते हैं।
• प्रणाली आपको सहज ज्ञान के बजाय सटीक डेटा पर भरोसा करने की अनुमति देती है।
• आप आधार को बहुत गहराई से और सही तरीके से काम कर सकते हैं, वास्तव में, प्रत्येक ग्राहक के लिए इष्टतम मॉडल का निर्माण कर सकते हैं।
• व्यापार विश्लेषकों को खुशी होती है क्योंकि आउटपुट एक ऐसा डेटा है जो हाई स्कूल के छात्र के लिए भी समझा जा सकता है।
• यह सब उपलब्ध आंकड़ों के आधार पर वास्तविक समय में काम करता है।
• किसी भी आईटी वातावरण के साथ अपेक्षाकृत आसान एकीकरण किया जाता है।
• गणना आपको अपने गधे को कवर करने की अनुमति देती है: गिनना और बैठना नहीं करने की तुलना में यह करना बेहतर है।

एक नियम के रूप में, ऐसी प्रणाली 1 या अधिक मिलियन ग्राहकों वाली कंपनियों के बुनियादी ढांचे में लागू की जाती है, लेकिन अक्सर वे 100 हजार ग्राहकों से सफलतापूर्वक काम शुरू करते हैं।

क्या हमारे देश में ऐसी प्रथा है? हां, जरूर। मैं व्यक्तिगत रूप से दूरसंचार ऑपरेटरों , बैंकिंग कंपनियों और खुदरा विक्रेताओं के लिए एकीकरण में शामिल रहा हूं और मुझे अपने सहयोगियों की कई समान परियोजनाओं के बारे में पता है, इसलिए आप यह सुनिश्चित कर सकते हैं कि न केवल Google आपके डेटा का उपयोग करके आपको कुछ प्रदान करता है।

क्या छोटे व्यवसाय के लिए इस तरह की व्यवस्था का निर्माण संभव है? हां, आप कर सकते हैं: आप पहले से ही बुनियादी सिद्धांतों को जानते हैं, गहन एकीकरण की आवश्यकता नहीं है, बुनियादी ढांचे, बाजार के दिग्गजों के विपरीत, "घुटने पर" उगता है। सामान्य तौर पर, यदि आप सबसे स्पष्ट चीजों का उपयोग करते हैं, तो दक्षता बढ़ाने का मौका है।