实战:利用大数据与客户互动

标签:大数据技术前沿商业智能

访客:19557  发表于:2012-05-04 12:32:36

数据分析在优化与客户的接触上的影响已不是新的概念了。从简单的如基于销售百分比这样的市场细分到如流失可能性这样的预测模型,采用数据分析来影响企业与客户之间的接触已司空见惯。

最近,“大数据”,这种交易和社交媒体渠道,还有其它来源中产生的不断扩大的陡然增加的数据量,正越来越吸引着许多领域的注意力,包括与客户的互动上。

至少在某种程度上,这是由于两种趋势的交叉。首先如智能手机这样的设备的开发和采用,以及为它们能捕捉和存储大量数据而激增的应用程序。

其次是Haddoop, Netezza和Vertica这样的技术,或者已经走向成熟,或者加入了主流市场,使得存储和处理这些大量的数据成为可能。

大数据推动在各种阈值上推动了客户互动方面的一些主要观念,创造出独特的竞争优势机会。但大数据也带来了一些大的挑战。

客户数据的管理

主数据管理 ― 数据的清理,匹配和掌控,以及其他的活动 ― 是客户数据管理的基础。大数据可能超越这些流程的限制,这些流程在为管理离散的属性(姓名、年龄、收入等)进行传统的优化,而不是与大数据密切相关的行为定向数据(访问页、电话和金融交易等)。

相反,大数据可以基于行为的收集提供提高匹配和认同的解决方案的机会。例如, 数据库中两套不同的记录可以有一些类似的个人认别,如姓名、地址、电话等,它们是相似到可以构成的匹配。然而,他们也可能也有类似的行为特征,这些特征由于大数据的存在而非常丰富且有描述性。

两套记录中行为的相似之处可能足以推动记录超越阈值,并让他们合二为一。这就减少了数据库中的复制,并获得对个体更丰富更为准确的特征描述。

分析模型的执行

大数据也对分析提出了挑战。在大数据上运行分析模型需要支持大规模并行处理的技术, 它主要依靠一个高性能硬件而不是不同型号的处理器。同样重要的,它需要能把分析带向数据的技术,而不是把数据带向分析。后者已不能适应于大数据所带来的规模。

目标锁定与信息传输

一些大数据源,例如电信记录和社交信息,能在数据实体中提供数据之间的关系。如社交图表和影响力分析这样的关系分析,能很好地利用这一类数据并为锁定目标和传送信息提供宝贵的洞察力。

例如,如果得知一位客户会影响很可能购买一种指定产品的人(市场营销者甚至不知道有此人),就可以让这位客户成为一种“介绍给你的朋友”营销活动中的一个极好的目标。

在相关性和聚类算法对“正常”规模的数据集有效的同时,他们在面对可以容纳无数记录和成百上千的变量的大数据上更为活跃。相关性和聚类分析经常使用显式属性和行为来推断另外的隐式属性和行为。这种流程预测一位接收者会或不会对什么做出响应,从而导致更精细的市场细分和更精确的目标锁定和信息传输。

设想一下已知一位浏览网站的人很有可能进入并花更多的时间浏览有关足球的内容,而且不仅仅是足球,还有英超足球联赛。这让一位市场营销人员对内容进行个性化,让这位浏览者在该网站待的时间更长,从而为广告印象和产品提供了额外的机会。

沟通的节奏与时机

因为大数据通常是行为导向的,因此也具有时间的导向,它非常适合于时序上的分析,比如预测。时序越长,内容就越丰富,预测也就越准确。

此外,时序越长,分析越能更好地建立行为模式,从而检测出异常行为。异常行为的检测在确定"何时"是最佳的客户沟通时间时极为宝贵的,因为反常行为常常预示着一个人正在经历改变,或正做着决策,因此更易于受相关信息的影响。

例如,如果一位银行客户异常高频次地使用“外部的取款机” (即属于另一个银行的取款机)进行交易,很有可能他们在最近会转移到或与竞争的银行开始接触。

这些只是大数据在客户互动方面有影响的几个例子。当阈值交叉时,新的商机就会出现,而且让企业想出更智慧的方法来开发它们。像这样的例子只是冰山一角。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");