组建、分析、推广—数据库营销推广三部曲

广告创意 2018-11-02 12:08:23 阅读571

  在这个从大众营销(以宝洁、可口可乐、娃哈哈等大众媒体投放型品牌为代表)到如今分众营销的年代,顾客数据库的重要意义已无须赘言。2005年资料显示,在美国几乎所有的零售企业、80%的制造/服务业已经开展数据库营销。

  但是,纵观国内的企业界,很少看到顾客数据库营销推广的经典案例,多数企业数据库营销推广停留在纸上谈兵的阶段。

  若在十年多前,电脑远未普及,相应的数据库分析软件也尚未出现,而且没有一对一高效的沟通平台,企业组建顾客数据库并进行推广的技术难度高,费用大,数据库营销的确如海市蜃楼可望不可及。但事因时移,因为科技一日千里高速发展,人类迅速进入信息化时代。而今,顾客数据库的组建维护、数据分析及营销推广,不仅技术上非常容易,而且费用也在大多数企业的可承受范围之内。

  利用数据库推广不仅仅只适合于零售业,理论上,任何拥有海量客户数据的行业(如保险、电信、银行、航空业等),产品/服务高毛利的行业(如高端定位的化妆品、服装甚至婴儿奶粉等消费品,边际利润高的住宿、餐饮、娱乐、美容等服务业),以及顾客消费金额巨大的家电、汽车、房产业等,都应该组建并有效利用顾客数据库开展各种各样的推广活动,以强化顾客忠诚。

  那到底如何利用数据库进行营销推广呢?组建、分析、策略推广,此为数据库营销推广三部曲,步步相连,环环相扣,缺一不可!

  一、 组建有效顾客数据库

  组建顾客数据库,这是数据库推广基础的基础,看一个企业对数据库营销的重视程度,首先看该企业如何收集、甑别顾客数据,管理维护数据库。

  1、收集:这是力求面广的过程。尽一切可能收集众多顾客的众多信息,如年龄、性别、职业、收入、学历、爱好、性格、习惯、价值观、电话、地址、email等等,总之多多益善;动用企业所有可利用的资源大范围收集顾客信息,如直接购买顾客资料、异业交换顾客数据、吸引顾客主动申请等等。

  善于数据库营销的某高端奶粉厂家就总结了以下六种客户数据来源,并将客户资料的数量作为营销队伍KPI指标进行考核。

  >直接购买

  > 吸引顾客主动申请为会员

  >异业交换/索取通过现场导购促销、市场调查等活动获取

  > 通过免费咨询电话获取

  > 通过网络获取

  服务性行业(餐饮、美发美容、休闲娱乐业等)则可以采用优惠甚至免费消费的促销形式吸引顾客主动填写资料,以获取顾客详细信息,同时异业交换/索取顾客资料等方式。而先天条件优越的电信公司似乎不怎么重视顾客数据库,手中直接拥有上亿客户的资料,可惜仅仅停留在姓名、性别和地址阶段,至于客户的学历、职业等相对简单的信息也无从查找。

  2、甄别:这是力求精的过程。一方面,各种途径收集上来的顾客资料不一定都是真实的,企业应该安排人手通过电话复核、资料逻辑比较等方式全面或抽样监测顾客资料的真实性。另一方面,更重要的,企业的资源有限,不可能满足所有顾客的需求,而只能重点满足目标顾客的需求。针对收集上来的顾客资料,企业要根据事先锁定目标顾客的生理、心理、行为特征进行筛选、分类,不吻合目标顾客条件的,该舍弃的舍弃,该忽视的忽视;根据与目标顾客锁定条件的吻合度,将搜集到的顾客资料分为A、B、C和淘汰四类。

  如某化妆品的目标顾客是年收入3万元以上、大专及以上学历、追求时尚的25-35岁白领女性,则顾客数据库中3万元以下的,大专以下的,25岁以下的,35岁以上的,普通蓝领职位的女性顾客资料只能被归纳为C类客户甚至淘汰。

  每一个顾客类别重要性的精确界定,这一甑别环节不可或缺,每一顾客的背后,意味者企业一对一针对性的不少的推广投入。而不同顾客重要性类别的甑别,归类,直接影响到以后各种推广沟通费用的浪费比例、销售的成功率以及终极营销效能问题!

  3、数据管理:至少拥有一套先进的CRM软件,方便大量顾客资料的录入、查询、筛选,同时要时时更新。一些企业一时头脑发热,想开展数据库营销,结果购买/索取/获得了一些顾客资料后就没有了下文,不去系统的维护更新。

  二、深入分析数据库

  CRM软件一般只提供数据录入、查询、更新等基本数据管理功能,可惜没有基于数据库的各类分析功能。没有了分析功能的数据库,就好比守着一块金矿而不知道怎样挖掘,这如何发挥数据库应有的价值与作用?一方面企业要寻找/开发合适的数据分析软件,让数据说话,优秀的数据分析软件不仅有一些基本的数据处理、挖掘等功能,具备界面生动、简单易学、反应快速等特性,而且能提供预警、预测等高级功能。另一方面,企业必须拥有懂数据分析更懂营销的高级复合型人才,只有这样的人才才能在客观的冷冰冰的数据与复杂多变的顾客需求、形式多样的营销策略之间建立桥梁。

  普通的数据分析包括趋势分析(了解过去),比重分析(判断轻重缓急的依据)等。相对高级的数据分析包括回归分析、交叉分析等,特别是交叉分析在营销业界被广泛的运用。如分析顾客收入与需求、年龄与需求、职业与需求、性别与需求、学历与需求之间的关系等。更高级的数据分析是深度挖掘发现型分析,包括因子分析、差异分析、聚类分析。

  数据库中,年龄、性别、职业之类顾客特征比较容易获取,难的是顾客群体的心理特征,面对千千万万的顾客,如何判断他/她是价格敏感型的?追求情调的?热爱运动的?注重健康的?……

更多内容请点击下载附件