零售和营销业企业正在收集大量关于客户的数据，但他们并不总是能充分挖掘这些信息的价值。随着新的隐私法规限制对私人数据的使用和共享，明智地利用这些数据变得越来越重要。

事实上，根据Adobe公司近期对近13,000名营销和广告专业人士的调查显示，在2019年，B2C公司看到的最大机会是利用个性化的数据驱动营销。此外，在Adobe公司的调查中，55％的企业表示他们看到的最大转变是更好地利用数据以更有效地细分和定位受众，而42％的企业认为是提高客户智能和洞察力以便全面了解客户。

下面是专家分享的有效挖掘客户数据的技巧。

1.利用过去实现未来

购物推荐通常是零售网站设计者的首要任务。在这里，与很多其他数据挖掘挑战一样，数据越多越容易获得，则越好。

美国佛罗里达州女装零售商Chico’s Distribution Services LLC的数字营销和媒体高级主管Stephen Lamb说，他的公司有一个内部数据湖，其中收集了所有可能需要的信息，例如浏览和购买历史。

他表示：“我们会进行客户分析，以单一视图显示客户档案，其中包含有关客户购物习惯的商店分析和网络分析。”

然后，数据科学家可以在数据湖中进行查询，找到喜欢以折扣价购买的客户。然后将客户数据与其他客户的数据和产品数据相关联，包括客户评论。

这样的客户数据挖掘可以帮助公司预测客户何时可能再次购买，并在适当的时间发布营销消息以提高营销效果。

同样，Chico还会通过数据挖掘和分析来预测客户何时即将停止在Chico购物并成为流失客户。

他表示：“我们会提供各种不同的信息。”

根据企业在线学习公司O’Reilly Media的首席数据科学家Ben Lorica称，数据分析相关的数据基础设施平台正变得越来越好。

数据平台越来越好，可实时收集和分析数据，同时，还应该确保隐私和安全性。

2.用客户的语言与客户交谈

销售人员会根据客户身份以及他们正在寻求的产品来调整他们的销售技巧。数字渠道也是如此。

Chico公司的Lamb发现他公司的客户可能更喜欢不同的沟通渠道，或者希望在不同时间联系。他表示：“我们一直在寻找最好的方式与客户沟通。”

Chico公司选择了一个商业平台Vibes，它允许个性化移动通信。

Lamb称：“移动消息传递可能是我们联系客户的重要的渠道之一。移动消息传递对客户来说是一种非常个人化的体验，我们非常重视这一点。”

Vibes还具有内置的人工智能，包括由Amazon Comprehend提供支持的自然语言处理，这可让企业分析与客户的对话，以帮助预测移动客户增长、流失和参与趋势。

3.数据民主化

当由正确的人员处理时，客户数据挖掘才能发挥最大的价值。

客户数据平台公司Interana首席技术官Robert Johnson说，很多时候，数据访问权限仅提供给数量有限的员工。

他指出：“在这方面，常见的误解是只有数据科学家能够挖掘或理解这些信息。我们看到在最成功的企业，他们会将这种数据访问权限交给了解产品和客户背景的业务人士手中。”

他说，特别是营销和广告专家，应该尽可能地接近数据。“他们知道哪些分析以及哪些问题会对业务产生最大的价值。”

4.准备迎接cookie的终结

在过去两年中，Safari和Mozilla都限制了营销跟踪cookie的使用，在大多数情况下默认关闭它们。现在，谷歌也准备解决cookie问题。

根据虚拟化平台供应商AtScale公司创始人兼首席战略官Dave Mariani称：“Cookie是第三方收集互联网消费者数据的方式，如果cookie消失了，只有谷歌和Facebook能够通过互联网看到消费者，因为他们有Facebook登录、谷歌登录、谷歌服务等。”Mariani曾为雅虎的受众和广告业务运营数据和分析。

零售商现在只能使用他们在自己网站上收集的数据。

此外，《通用数据保护条例》和新的《加州消费者隐私法案》将使与第三方共享数据变得更加困难。Mariani表示，对此，零售商必须更积极主动地进行客户数据挖掘。

他说：“当顾客访问商家网站，在他们的购物篮中加入物品并完成结帐时，商家可以获得这些信息并立即向他们提供另一个优惠。”

这里的关键是要收紧反馈回路，以便即时继续与该客户达成交易。

他称：“有些人会认为这令人毛骨悚然，但你会看到很多这种情况。”

5.拥抱未来

Rubikloud Technologies公司首席技术官Waleed Ayoub表示，分析往往是一种后向的功能。该公司开发人工智能软件以帮助零售商做出明智的决策。

他表示：“因此，购物者被赋予千篇一律的角色，而不会随着购物行为而演变。”

但机器学习可以帮助企业预测未来行为并创造新的营销机会。

他称：“事实上，你甚至可以制定一系列行动来增加客户做某些事情的机会。这通常被称为’构建客户生命周期’。实际上，通过人工智能，你可以将此行为建模到单个客户级别，即使在数据稀疏的情况下也可以这样做。”

他表示，零售商已经采用这种方法帮助客户从低利润率高频率类别转向高利润率低频率类别。“以这种方式利用机器学习的策略对整体业务绩效可产生实际和可衡量的影响。”

6.考虑云端

最前沿和有效的客户数据挖掘的最大推动因素之一是迁移到云端，因为云平台可轻松存储大量数据，并可与第三方分析产品和服务快速集成。

ISM Connect公司首席技术官Sanjay Manandhar说道：“很多新工具都是云端工具，商业智能的旧时代已经离我们远去，现在有很多好工具。”ISM Connect是数字营销平台，为超过1亿客户和100多个场所提供服务，包括NASCAR、Washington Redskins、Minor League Baseball和音乐会及各种会议。

他说，有些公司会建立自己的平台来解决延迟和成本等问题。“但我们现在已经很熟悉亚马逊工具。”

虽然该公司拥有自己的机器学习专家和计算机视觉团队，但其实也有很多具有吸引力的现成的基于云的工具。

他说：“Google Analytics等工具非常容易使用，你可以在上面分析数据。”