随着技术的发展,客户和公司之间接触的方式也发生着改变。不再只是单一的门店消费,现在客户会在线上购买产品,在社交媒体网站与公司互动,光顾零售店,打电话到呼叫中心咨询问题。
客户通过不同渠道和公司接触,通过App和社交媒体获得市场信息。他们希望在不同的渠道之间能够获得无缝的体验。
因此,现代企业投入到一场跨渠道的服务战争中,期望能够在不同的渠道为客户提供同样的品牌资讯和服务。一项Experian调查显示,全球80%的企业都表示会在2014年参与到跨渠道的市场竞争中。
但说起来容易做起来难。企业面临着很多困难,比如难以收集和维护分析需要的数据,没有正确的CRM系统有效管理客户信息。
这些问题处理起来很棘手。首先需要找到正确的技术和正确的业务流程。软件固然重要,但也不能没有明确的市场目标、正确的数据和完整的工作流。
美国市场战略公司CLM Prescriptives总裁Steve Mintz表示:“经常有企业来寻求建议,我总是说,首先要了解你现有的架构,和你的需求。你至少要知道自己要实现什么目标吧。没有一步到位的解决方案,整个流程必须配合最佳实践。”
如何锁定正确的技术
可口可乐公司前副总裁Justin Honaman表示,要选择正确的跨渠道市场管理软件,市场部门需要和IT部门有效沟通,这正是很多企业缺少的。要知道,技术选购必须基于市场战略目标。
去年,Honaman离开可口可乐,加入了数据库公司Teradata。他认为,很多人之所以失败,是因为没有明确的市场目标。所有的问题归结于一个“为什么”,即为什么我要做我正在做的事。
如果你需要有强大电子邮件功能的系统,你需要擅长该领域的供应商。如果你更关注跨渠道的内容流动,你需要其他的供应商。不同供应商擅长的领域不同。
Mintz也强调,在正式购买之前,有很多问题需要考虑。Gartner的一份报告显示,如果你跳过了了解需求、评估产品的阶段,要想解决问题,会难上加难。只有做了这些工作之后,你才能找到合适的技术。
咨询公司Harmeda的合伙人Max Dufour建议企业构建一个数据仓库系统,把所有跨渠道的数据都迁移到数据仓库中,之后再进行分析。没有集中存储的可靠地数据,是无法获得好的统计分析结果的,也就无法支撑跨渠道的市场竞争。
Dufour表示:“数据仓库是最好的数据存储中心。企业希望所有系统都能和中央数据仓库相连,而且访问没有障碍。”
Dufour提醒到,跨渠道的管理软件与传统软件不同。随着越来越多的渠道都是基于Web和社交媒体的,企业需要选择基于Web的软件,或SaaS云服务,而不是内部部署的软件。他预计市场软件的流动性会很大。因此企业与其花费大量时间选择供应商,不如先选择一个供应商,需要更换是再换下一个。
正确的数据意味着正确的实践
Honaman在可口可乐公司工作时,就看到很多跨渠道市场活动中数据不准确的例子。他说道:“因为数据的不准确,我们收到很多客户的投诉,比如有客户指责我们:我不是某某某,你发给我的东西发到我前夫的电子邮箱了。”
有的时候,企业还会浪费大量时间在根本不会买你的产品的人的身上。比如有的公司市场活动针对的客户是有不满12周岁孩子的家庭。但如果销售人员在收集孩子年龄数据时,没有标注收集的时间,那么,企业很可能还在向孩子已经超过12周岁的家庭推广自己的产品。
分析师普遍认为,数据质量是决定跨渠道市场活动有效与否的关键。你的客户数据需要可信、即时、管理良好、容易分析,而且能够和其他数据集成。
今年二月,调研机构Experian发表了题为《利用大数据获得成功的跨渠道营销》的白皮书,Experian认为,企业数据应该提供每个客户在不同渠道的全景式活动数据。随着客户参与的渠道越来越多,变化速度原来越快,企业对跨渠道数据的整合就越来越重要。白皮书中写道:“今天品牌企业都希望通过多渠道客户数据获取洞察力,它们需要认识到离散事件数据只是冰山一角,更大的困难在于数据的整合。”
收集什么数据、重点关注哪条渠道将成为未来发展的主要挑战。至于重点关注哪条渠道,Dufour建议企业把更多的资源投入到你已经发展的比较成熟的渠道中。
我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。
我原创,你原创,我们的内容世界才会更加精彩!
【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号
TechTarget
官方微博
TechTarget中国
作者
翻译
相关推荐
-
面对数据质量的业务痛点 能源公司Breitburn是如何应对的?
总部位于洛杉矶的能源公司Breitburn Energy Partners使用数据质量工具来解决糟糕数据的业务痛点,并使用软件给最终用户提供解决数据质量问题的方法。
-
数据分析 让零售业再现生机
进入数字时代,技术和数据的有效使用成为帮助企业颠覆传统的动力,也势必将改变零售业的格局。近年来,“全渠道零售”成为了热门词汇,因而了解客户及其需求变得尤为重要。
-
建立良好的数据基础 避免人工智能分析偏差
有偏差的数据样本或模型开发实践可能会给对人工智能感兴趣的企业带来麻烦,并削弱该技术的投资回报。
-
处理大数据 现有的数据集成框架还远远不够
对于初学者来说,大型数据架构通常包括内部系统和外部数据源的组合。除结构化交易数据之外,它们还添加了各种类型的非结构化和半结构化数据。