您好,欢迎来到诺达名师!
客服热线:18898361497

当前位置: 首页 > 市场营销 > 网络营销 > 《大数据下的客户关系管理》内训

段方

《大数据下的客户关系管理》内训

段方 / 大数据专家

课程价格: 具体课酬和讲师商量确定

常驻地: 北京

预定该课 下载课纲

咨 / 询 / 热 / 线 18898361497

在线咨询

课程背景

随着互联网时代的到来,出现了海量的各种数据,基于这些数据可以挖掘客户关心的很多内容,实现对客户的精细化营销。本讲座通过客户关系分析管理的实际案例,介绍大数据分析技术在客户认知、客户细分、客户升值、客户离网等额客户关系管理应用内容,并以此提升企业精细化管理等方面的管理水平。

课程大纲

一、 概述

1、 客户是“上帝”,如何找到“上帝”?

1)上帝是什么样子?

上帝是什么视图?

2)客户是什么样子?

客户是什么视图?

3)提供哪些产品?

产品是什么视图?

4)如何建立客户和产品间的关系?

为合适的客户,找到合适的产品


2、 我们对自己的客户(“上帝”)了解多少?

1) 客户会有什么特点?

客户的基本特征(如:不同产品的年龄分布)

客户的群体特征(如:不同年龄群体关注点有哪些?)

现代营销模式的基础,以现有产品为基础,寻找群体客户适合的产品和服务。

客户的交往圈子(如: 户外旅游圈子关注哪些产品?)

另一个角度规划产品和服务。


2) 营销的方法

营销方法论和知识库(分析问题的知识库和方法树)

产品营销的特点(没有实物的金融产品)

*贴片广告:《非诚勿扰2》里送保险,似乎比送房子更时尚


3) 企业管理方面的情况

及时发现企业真实的情况(哪些运营的关键指标KPI?)

像人体一样,如何及时发现病症?(关键指标KPI的波动范围?)

【示例】企业的数码仪表盘,展示企业的KPI;手机彩信及时展现KPI给领导。


3、 客户关系管理

1) 客户关系内容

客户的生命周期;

客户生命周期中的客户关系(潜在客户、客户、客户升级、客户挽留、客户离网分析)

2) 客户关系管理

客户接触渠道管理;

客户服务和营销一体化;

客户维系内容

3) 客户价值评估

客户价值的评估方法(含成本数据)

客户的成长性

4) 大数据下的客户关系管理

客户的洞察;

客户的全生命周期管理;



4、 如何“帮客户买产品,而不是推销其不需要的产品”

1) 如何进行客户的“X光透视”?

(客户的统一视图包含哪些信息?哪些是关键属性?)

如何发现客户的真实需求?(服务与骚扰的区别)

【示例】电信行业客户的统一视图

2) 内部产品的科学选配

(如何提供讲师般量化的分析,为用户提供优的内部产品?

如:电信行业计算出适合用户模式的资费进行选择)

【示例】为客户定制合适的资费:经过数据精算后,告诉客户,A产品比B产品更适合张三。

3) 竞争对手产品的对比

与竞争对手间的产品差异化区隔

自己产品的优势和弱点(如何提供量化的分析结果?)

【示例】竞争对手的客户回归

4) 销售过程的处理

销售时机的把握

销售语术的把握


5、 数据营销的作用和价值

1) 数据和知识是人的本质特征

2) 大脑是人与动物的差别

3) “事半功倍”是捷径

4) 从“拼刺刀”到“信息战”;【示例】某人关系图


6、 如何避免对客户的骚扰

1) 客户外呼的次数控制

2) 客户外呼的内容控制

3) 客户外呼的时机控制

4) 语术的把握避免投诉


7、 员工坐席的“服务适配”问题

1) 客户是什么类型?

2) 员工是什么类型?

3) 产品的合适客户群如何?

4) 如何让匹配的员工坐席为客户提供服务?


二、 基础数据的收集和整理

1、 数据的种类

1) 客户数据内容(客户的基本资料)

2) 产品数据内容(产品的编码)

3) 营销数据内容(交易记录的保存)

4) 服务数据内容(客户服务数据的保存)

5) 数据的特点:(交易型数据较少)


2、 数据的存放方法

1) 数据的清洗、转换和加载

2) 存放在数据库/数据仓库

3) 数据的基本分析工具EXCEL等

3、 数据的基本整理

1) 数据的归类存放(建模型)

2) 数据的基本加工

4、 数据的基础分析

1) 数据的基本汇总

2) 数据中的“金子”:从石头中淘金子

3) 数据挖掘:“啤酒和尿布”的故事

4) 高级的数据挖掘工具SAS和SPSS等

5、 数据质量的基本保障

1) 指标的口径描述和统一

2) 后期补数据成本是前提收集数据成本的15倍

3) “差之毫厘谬以千里”

6、 网销/电销数据的收集和整理

1) 网销数据的收集/整理

2) 电销数据的收集/整理

3) 电销和网销数据的关键点:

【示例】互联网电销企业的营销案例(产品关联分析)


三、 客户的分析和认知

1、 客户的定义和范畴

用户和客户的区别

客户是否要进行细分,如校园客户、家庭客户等


2、 关于客户的基本“信息”(管中窥豹)

身份证信息

行为爱好信息

        衍生信息


3、 客户的基本属性标签(如旅行者推销旅行险等)

增值服务等方面,让服务更加贴近客户


4、 客户的喜好(“不怕没缺点,就怕没爱好”)

经常出没的地方(高尔夫场、酒吧街、电影院等)

**前台的观察和后台的询问等获取的知识


5、 客户的细化分群

客户分群的依据(物以类聚、人以群分)

【示例】电信行业客户分群案例


6、 客户的知识库

实时调出符合条件的客户群体来

【示例】电信行业客户知识库举例


7、 如何识别欺诈客户

如何识别欺诈客户

如何防范风险

【示例】电销行业客户欺诈案例描述


8、 客户的“再挖掘”(UPSELL/CROSS SELL)

客户群中的“种子/关键”客户

客户的交往圈分析

【示例】客户交往圈分析案例

基于客户交往圈,进行客户“再挖掘”


9、 客户的生命周期管理

客户的生命周期

数据分析渗透到客户的生命周期全过程


10、 电销/网销中能进行哪些客户分析和营销?

网络可以泄露客户更多的信息;(如何买到合适的数据?)

对客户更深层的了解,就可以进行合适的营销:


四、 客户关系管理

1、 客户关系概念

1) 定义

2) 客户满意度的量化衡量

3) 客户忠诚度的量化

4) 客户服务的出发点

5) 客户的接触点和接触次数等

2、 客户关系接触渠道

1) 传统的呼叫中心

2) 多媒体接触中心

3) 渠道的统筹管控

3、 客户关系的服务和营销

1) 客户的服务:投诉处理等

2) 客户的营销流程

3) 客户的精准营销

4、 客户关系的技术驱动

1) 流程驱动技术

2) 客户接触渠道的统一管控

3) 客户的大数据分析

4) CRM系统管理

5、 客户分析内容

1) 客户概况分析(Profiling)包括客户的层次、风险、爱好、习惯等;

2) 客户忠诚度分析(Persistency)指客户对某个产品或商业机构的信用程度、持久性、变动情况等;

3) 客户利润分析(Profitability)指不同客户所消费的产品的边缘利润、总利润额、净利润等;

4) 客户性能分析(Performance)指不同客户所消费的产品按种类、渠道、销售地点等指标划分的销售额;

5) 客户未来分析(Prospecting)包括客户数量、类别等情况的未来发展趋势、争取客户的手段等;

6) 客户产品分析(Product)包括产品设计、关联性、供应链等;

7) 客户促销分析(Promotion)包括广告、宣传等促销活动的管理。


6、 客户关系的难点

1) 管理流程的梳理

2) 客户信息的“集中”

3) 客户的大数据分析技术

4) 客户关系的“服务闭环”


五、 如何为合适的用户提供合适的产品?

1、 营销的目的:为合适的用户提供合适的产品

除了“激情营销”,更需要“理性营销”;

真正满足客户需求才能构建长久的营销关系;

客户的真实需求如何?


2、 如何发现合适的用户

谁是合适的客户?标准有哪些?

客户的担心、顾虑是什么?


3、 如何提供合适的产品

从现有的产品客户中寻找目标客户特征

【示例】客户针对性营销案例示例


4、 营销案的设计和评估

如何吸引用户?如何让用户选择产品?


5、 营销的过程和细节

类似CRM系统的营销流程管理

【示例】电信行业CRM营销的流程框架图


6、 营销的渠道选择

客户是否喜欢外呼电话,还是微信?还是网上营业厅?

【示例】用户偏好渠道分析的案例


7、 如何避免对客户的过渡打扰

限制每月的外呼次数;


8、 网销/电销的客户数据挖掘


9、 客户的挽留和延伸销售

识别真正有价值的客户;

【案例】客户价值评估介绍

尽量让客户进入更高级别,避免降级:(电信行业的价格战,将钻石卡用户打成了金卡;金卡用户打成了银卡)



六、 如何编写漂亮的分析报告(既有漂亮里子,也要有漂亮面子)

1、 数据是基础

2、 分析报告是展现形式

3、 分析报告的思路

4、 分析报告的方法

【示例】分析报告演示


七、 数据的质量问题

(数据仓库项目的60%精力是在解决数据质量问题)

1、 数据质量的问题表现

接通率的量化依据

数据转换成为保费几率的描述

【示例】数据质量的问题分布图


2、 数据质量的根源在哪里

业务管理的标准化

指标的口径一致性问题


3、 数据质量的管理模式

理清数据的来龙去脉

列出数据的监控点


4、 数据质量的量化评估方法

数据质量的评估标准

【示例】数据质量的评估指标


八、总结及展望





上一篇: 大数据时代的数据挖掘分析及案例(含CRISP-DM方法论)内训 下一篇:《大数据时代的精确营销与服务运营》

下载课纲

X
""