Home > Uncategorized > Канали комунікації з клієнтами

Канали комунікації з клієнтами

September 8th, 2013

Які оптимальні шляхи нашого доступу до клієнта та клієнта до нас.

Яким повинно бути ідеальне (максимально добре) враження клієнта, що отримується ним за прийнятну для нас ціну.

Категорії каналів комунікації з клієнтами:

 

Менеджери з продажу (включаючи менеджерів по роботі з клієнтами на місцях, відділ обслуговування та персональне представництво);

Торгові точки (включаючи роздрібні магазини, склади та кіоски);

Телефонія (включаючи традиційний телефонний зв’язок, факс, телекс та контакти через Call-центр);

Прямий маркетинг (включаючи поштові розсилки, радіо, традиційне TV тощо);

Електрона торгівля (включаючи розсилки по електронній пошті, Інтернет та цифровому TV);

Мобільна торгівля (включаючи мобільну телефонію, SMS, WAP та послуги на базі 3G).

Процес управління інформацією

 

Як нам слід організувати інформацію про клієнтів.

Як можна імітувати спосіб мислення клієнта, щоб використовувати цю інформацію для CRM.

Роль інформації, IT та управління інформацією

 

Функції управління інформацією в контексті CRM полягає в перетворені інформації в практичне знання та використання цього знання ефективним і етичним чином в процесі створення споживацької цінності.
Управління інформацією:

Організація (збір, зберігання та розповсюдження);

Використання (аналіз, інтерпретацію та застосування);

Регулювання (моніторинг, контроль та захист).

Роль репозиторію даних – збір, зберігання та інтеграція інформації про клієнтів для ефективної побудови та управління взаємовідносинами.

Структура репозиторію даних:

База даних;

Сховище даних.

CRM – стратегія у відношенні репозиторію даних (у відповідність із стратегічною структурою CRM):

Тактична база даних з системою підтримки прийняття рішень;

Вітрини даних (або тематичне сховище даних);

Корпоративне сховище даних;

Інтегровані CRM-рішення.

Технологія Data mining

 

Data mining – це процес виявлення в сирих даних раніше невідомих, нетривіальних, практично корисних та доступних інтерпретації знань, необхідних для прийняття рішень в різних сферах людської діяльності.

Неочевидних – це означає, що знайдені  закономірності не знаходяться стандартними методами обробки інформації або експериментальним шляхом.

Об’єктивних – це означає, що знайдені закономірності будуть повністю відповідати дійсності, на відміну від експертної точки зору, яка завжди є суб’єктивною.

Практично корисних – це означає, що висновки мають практичне застосування.

Які бізнес-задачі вирішує data mining

 

Сегментація клієнтів;

Утримання клієнтів; Повернення клієнтів; Залучення клієнтів

Розвиток клієнтів та продуктів: cross- and up-selling;

Збільшення віддачі від інвестицій та скорочення затрат на просування товарів та послуг;

Ідентифікація клієнтів, що приносять прибуток;

Оцінювання кредитних ризиків (складання скорингових карт та розробка скорингових моделей);

Виявлення випадків шахрайства, втрат та зловживань;

Аналіз діяльності інтернет-сайту (більш детально про маркетинговий аудит читайте тут);

Оптимальний вибір каналів контакту з клієнтом.

Сфери застосування data mining

 

Для вирішення бізнес-задач:

Основні напрямки: телекомунікаційні компанії, банки та фінансові установи, страхові компанії, продуктові та непродуктові мережі, компанії з програмами лояльності та/або CRM, виробництво, електрона комерція, маркетинг, фондовий ринок тощо.

Для вирішення державних задач:

Основні напрямки: пошук вулиць, пошук осіб, що ухиляються від податків, перевірка митних вантажів тощо.

Для вирішення наукових задач:

Основні напрямки: медицина, біологія, молекулярна генетика та генна інженерія, біоінформатика, астрономія тощо.

Для вирішення Web-задач:

Основні напрямки: пошукові системи.

Що представляє собою процес data mining

 

Data mining базується на методології CRISP-DM – (стандартний міжгалузевий процес data mining / Cross-Industry Standard Process for Data mining).

Фази CRISP-DM:

  1. Розуміння бізнесу: забезпечення чіткого розуміння бізнес-проблем.
  2. Розуміння даних: визначення доступних для дослідження даних.
  1. Підготовка даних: підготовка даних в необхідному форматі для отримання відповідей на бізнес-питання.
  1. Моделювання: розробка моделей, що відповідають поставленим задачам.
  1. Оцінювання: тестування результатів  на відповідність цілям проекту.
  1. Впровадження: надання результатів проекту тим, хто на їх основі буде приймати рішення.
  1. Мониторинг якості.

Аналітичні методи data mining

 

Кластерний аналіз;

Факторний аналіз;

Регресія (лінійна, логістична, порядкова);

Дерева рішень;

Нейроні мережі;

Дискримінантний аналіз;

Правила асоціацій;

Правила індукцій;

Виявлення послідовностей (послідовні асоціації);

Пошук аномалій.

Програмне забезпечення, що підтримують технологію data mining

 

IBM SPSS Modeler – для роботи з базами даних, для задач бізнес-аналізу, бізнес-прогнозування та задач Data mining.

SAS Enterprise Miner – для роботи з базами даних, для задач бізнес-аналізу, бізнес-прогнозування та задач Data mining.

Teraminer – для роботи з базами даних та задач Data mining.

KXEN – для задач Data mining.

Складності впровадження data mining

 

Людський фактор:

Кваліфікація користувача та бізнес-клієнтів;

Розуміння бізнесу та розуміння даних користувачем;

Складність інтерпретації результатів.

Технологічний фактор:

Можливий великий відсоток хибних,недостовірних або безглуздих результатів.

Технічний фактор:

Складність підготовки даних;

Наявність достатньої кількості репрезентативних даних.

Ціновий фактор:

Висока вартість побудови сховища даних та програмного забезпечення.

Uncategorized ,

Comments are closed.