基于数据挖掘的客户细分在差异化营销中的作用

通过数据挖掘技术对客户进行科学的细分从而对目标客户群体实现个性化、差异化营销的方式逐步被采用。笔者通过近期的学习,经过对移动通信业目前的现状以及客户细分方法和营销方式的分析,发现数据挖掘技术对于细分客户的重要性,有助于运营商有针对性地制定相应政策,对客户展开营销工作。数据挖掘技术在提高运营效率,降低营销成本,提升运营商利润,规避价格战方面有着非常重要的作用。

  一、通信行业的市场现状

  1、“5+1”竞争格局初步形成。 电信体制改革初步结束,电信市场开始逐步打破垄断引入竞争,老牌电信运营商的地位受到威胁。

  2、新的运营商乱中求胜,主导电信运营商市场份额迅速减少。在移动通信市场表现为打乱了原有市场上移动通讯终端与服务分别供给的规则——预存话费赠送CDMA手机,担保赠送手机。打乱了原有市场上的计价形式,从以使用计费到以拥有使用权的时间计费(包月制、包年制。打乱了原有市场上的销售(办理入网)规则——利用销售人员(准虚拟运营商)直接向中高端客户推销,打乱了原有市场上的资费标准,顾客享用统一资费标准到量身订制的差异化定价。小灵通在监管当局“不置可否”的态度下迅速崛起,预计2003年放号2300万。

  3、跑马圈地时代终结,竞争开始向存量市场转移。客户数量初具规模,新增市场开始放缓,竞争焦点转向针对与高端客户的攻击和防御。对现有用户的保留成为保护运营商价值的重要手段,只是一味注重新增市场的竞争将会导致用户群的动荡与高昂的市场营销费用。

  4、激烈竞争使得运营商陷入价格战漩涡。通过价格竞争导致市场的重新洗牌,是企业在市场由垄断走向开放后的必然选择。但是,简单的“一刀切”的价格竞争却会将企业带入恶性竞争的泥潭,利润率迅速下降。

  5、中国的移动通信运营商正在经历市场环境的剧烈变化,高速发展的移动通信行业正从高端市场渗透转向低端普及,竞争正从网络覆盖领域转向客户服务和打造品牌领域,各运营商正在实施客户挽留计划,以控制离网率。

  6、 供求的变化及顾客需求的多样化给移动运营商的营销带来新的挑战。供求力量对比发生变化,从卖方市场转化为买方市场,顾客将根据他们所理解的价值取向,从多方面对向他们提供产品和服务的运营商产生需求,不同的顾客群需求各异,进行恰当的细分完全必要。

  7、主动营销成为新的竞争手段。全体用户的MOU下降,签约用户(大多是高端用户)MOU保持基本不变,已经实现“按需通话”,对老用户进行交叉销售、主动营销无疑成为新形势下的营销重心,新增市场的竞争将更多依赖能够形成与老用户之间有效区隔的差异化套餐来夺取。

  针对以上问题,摆在运营商面前的是:如何更客观地对客户进行细分,并基于客户细分为客户提供区别于竞争对手的服务,摆脱全面价格战的漩涡? 如何更牢固地巩固已有的客户、尤其是高端客户群体?如何预先发现客户的流失倾向,并先行一步采取措施,通过客户挽留维护客户基础的稳定性? 如何更准确地捕捉潜在客户,推销数据业务等新产品? 如何设计更有针对性的市场活动计划,提高营销活动的效率?

  但是,目前国内通信市场一对一营销如何向纵深推进却面临很多的问题,其中之一就是一对一营销的首要环节-----识别和区分工作并未有效的开展,原因是缺乏科学有效的市场细分。最终解决的办法是基于数据挖掘技术的精确营销。


  二、目前移动通信客户细分方法及存在的不足.

  目前通用的几种方式进行市场细分以及存在的不足:

  1、依据客户消费额度(ARPU)的不同将客户划分为高价值客户、VIP客户、金卡客户、银卡客户等等,这种细分方法是传统的客户细分方法。优点是比较简单,对客户的贡献度比较容易区分,制定营销政策也围绕其客户价值的大小。当客户的话费构成比较单一时,以客户消费额度进行的细分可以简单有效的衡量不同客户的消费能力,随着移动运营商新业务的不断推出,传统的以客户消费额度进行客户细分的方法就显现出了明显的缺点。即使ARPU值相同的客户,对不同的业务呈现出完全不同的消费特点,仅仅看客户的ARPU值,我们已经难以了解其真正的需求和消费特点,在营销策略的制定时,往往实行普惠制,一刀切式的政策大面积实施。通过ARPU值,难以判断对不同客户应该推广什么样的业务,也难以判断不同客户对价格的敏感性,因而业务推广目标制定与实施也就无的放矢。仅以ARPU值进行的客户细分还忽视了客户的成长性,难以衡量客户终身价值。

  2、根据客户ARPU、年龄、职业等指标的简单多维度细分。通过多变量的市场细分主要是基于统计的方法对客户进行细分,基于统计的客户分类通过一个或几个变量将客户群体分为不同的组。例如,按ARPU值、年龄、性别的不同区间可将移动客户分成若干个组。在实际工作中往往简单的进行统计细分,一般通过对不同的单变量或双变量进行重复的统计来了解客户群体,例如:统计ARPU在300元以上,在网时间1年以上,年龄在30岁以上的男性客户。但是它不能反映客户群体的各个方面之间的内在联系。基于统计的客户分类相对容易理解,但它并没有真正将整个客户群体分出几个客观的、反映内在特性的客户组。这种细分方法在营销实践上面临的问题是每一个细分市场的大小其实取决于主观的需求和定义,因而,这样的细分主观因素太多。由于移动通信市场的变化日新月异,加之经验本身的滞后性,对于移动通信业目前的竞争局面而言,仅仅简单使用这样的细分方法,必然在营销的起点——即市场细分环节就落后于市场,更谈不上把握市场、超越竞争。

  3、根据客户的信誉积分进行划分。传统的划分是根据客户的在网时间,消费金额、交费及时率等进行区分,从而以此为依据维护客户,实施回报计划。但是对客户进行在一对一营销过程中除了能够识别客户的忠诚度,价值的高低以外无法进行进一步消费行为的识别,面临的问题是无法有效的进行区分和业务的定制。

  三、通过客户行为——价值细分模型,可以协助移用运营商准确把握不同客户的行为,实现针对性地差异化营销。

  这种基于客户消费行为的客户细分方法基于数据挖掘技术,对客户的几十个甚至上百个变量(因子)纳入客户细分过程,因而也叫做基于数据挖掘的客户分类。基于数据挖掘的客户分类首先产生几十个整体描述客户的变量(例如在网月数、繁忙时段、呼叫次数、呼叫时间、IP通话次数、IP通话时间、…),然而将客户群体通过数据挖掘的算法分成几个或十几个客户组。每个组的客户的特性表现相对接近,而不同组的客户的特性又很不相同。组的个数非人为决定,而取决于客户总体内在的特性。基于数据挖掘的客户分类有许多基于统计的客户分类所没有的优点。

  1、能够客观反映客户群体内在的特性,基于数据挖掘的分类是一种客观的分类,而不依赖主观的变量和分段的选择。它只与客户群体内在的特性和状态有关。通过了解个数有限的客户组的特点,可对客户群体组成有深刻的了解,并制定针对一个客户组或几个客户组的针对性营销方案。

  2、综合反映对客户多方面特征的认识,基于数据挖掘的客户分类是考虑了客户的几十个因素而进行的分类,而非一两个变量的统计分析,所以这样的分类不是只基于客户的一两个侧面,而是基于客户的多方面特性,这样能全面把握客户,使得相应的营销方案具有针对性的效果。

  3、有利于营销人员更加深入细致地了解客户价值:通过分析各组人群在ARPU值上的表现,可以更深地了解VIP客户的组成和其行为上的特征,以帮助营销人员针对性地培养和发展优质客户,也可以使客户经理在维护客户时加以参考,工作更加有效。

  4、使营销工作有的放矢。由于这种细分方法在客户细分的过程中就对每个客户的多个变量进行了计算,因而,营销工作者既可以方便的得到每一个客户分组中的具体的客户名单,也可以方便地获得每个客户或更小一群客户的各个变量上的具体统计指标。同时,也非常易于在客户行为细分的基础上基于其他变量对客户进行二次细分或多次细分,不会影响行为细分本身的客观性及有效性。

  5、便于实现对客户的动态跟踪和维护。这种客户细分方法不仅可以在某一时点对客户进行细分,而且可以很方便的动态跟踪客户的变化情况。因为移动通信市场是一个变化迅速的市场,因而对市场的动态跟踪显得非常重要。能够及时发现客户的异常变化,从而进行预警分析和跟踪,对于保网工作而言非常有效。

  利用数据挖掘技术对客户进行细分,可以产生几个到十几个不同的客户群体,分别表现为:国内、国际长途拨打较多、IP使用量大、短信发送量高、夜间话务量大、业务繁忙、本地繁忙等等,通过详细了解各个客户群体的特征,既可以避免我们将同一ARPU值的客户需求等同于相似的客户,而且同样可以避免我们将行为相似的客户群体等同于同一贡献度的客户群体。

  业务繁忙组与本地繁忙组客户的月平均通话次数大致相等,也就是说这两类客户通话次数都很多,都很繁忙,在客户服务时,他们对时间的要求更高,往往都是易于失去耐心的客户群体。但是在客户贡献上,两者由于通话结构上的差异决定了两者的ARPU值差异。如果简单以ARPU值决定客户服务水平,那么本地繁忙组的客户极有可能认为客户服务不周而产生不满——而这部分客户又是非常有价值的客户,他们的不满也极有可能影响他人。但是,如果我们以客户的通话繁忙程度这一单一变量来看客户,那么显然又难以在两者的价值上实现区分,因而有效的营销资源配置就失去方向。基于客户行为细分基础上,可以实现行为细分与心理细分、行为细分与网龄细分、年龄细分、性别细分等紧密结合的综合细分方法,产生明确的目标客户列表,指导制定营销方案,实行精确营销。

  四、如何在数据挖掘进行细分的基础上制定差异化的营销和进行客户维护

  能否实现对市场营销工作的有效指导,是基于数据挖掘技术的客户行为细分是否可以解决以下问题:

  1.可以保持存量,开发增量市场。通过对客户行为的深入细致分析,我们可以了解不同客户的行为特点,从而有针对性的推出新服务、新业务满足其需求,抵御竞争对手的政策进攻。同时,根据客户行为特点,设计并实施客户忠诚计划,价值提升计划,积分计划,对客户的忠诚给予回报。在有效区隔的前提下,通过价格战刺激增量市场。如果简单的通过一刀切的降价刺激增量市场,客户很容易出现转网或网内换号,运营商的业务收入及利润必将显著下降。因而对市场的有效区隔是非常重要的。研究低端客户的行为特点,并为其设计有区隔作用的定位明确的资费套餐,既通过降价吸引了新客户,又有效区隔了中、高端市场,还不会引起ARPU值的大幅下降。

  2.快速发展新业务,提升ARPU值。通过数据挖掘结果知道哪些客户对哪些新业务感兴趣,集中资源对这些客户进行促销可以起到令人满意的业绩,找出目标客户群引导客户消费,培养消费习惯,提升客户的ARPU值。

  3.建立起防护墙,防止ARPU下降。移动通信市场上,低端客户是不论价格怎样,其在移动需求上的支出会受到限制并相对稳定;而高端市场又是按需消费,不论价格如何,需要的随时随地的方便消费;而中端市场则是对价格相对敏感的市场。基于对客户行为的研究,为低端客户群体设计能够有效防护高端用户的低资费套餐,是防止ARPU下降的有效手段。套餐的设计出针对话费以外还考虑短信、小区通信、等个性化套餐。

  4.实现个性化营销,在客户服务中心、营业窗口,可以简单的实现服务与业务的结合,当客户报上号码或者打进电话,工作人员可以方便的查出客户的行为特点与业务推荐指数,从而有效的为客户完成业务定制和推荐工作。

  通过客户行为的客户细分不仅有效研究了客户的行为与需求特点,当有些市场活动推广不想在竞争对手很快知道的时候,我们可以通过一对一方式开展营销,既节省了营销成本又提高了市场活动的隐蔽性。

  5.可以密切观察竞争者客户群体的变动。由于电信行业互联互通的特点,我们也可以掌握竞争对手客户的很多网间通话数据,这样,通过对这些数据的研究和挖掘,就可以有效实现对竞争对手客户消费行为的观测与研究,密切跟踪其网上用户数量和结构的变化,实施针对性实施应对策略,实行客户回归计划,破坏竞争对手防线,并可以对网上客户提前预警,进行挽留。

  国内通信运营商只有通过数据库挖掘技术对客户数据进行分析,完成对客户科学有效的细分,才能在激烈的市场竞争中占据主动,才能增强营销政策的针对性和有效性,有效降低营销成本,提高企业利润和竞争力。最终缩小与国外其他运营商的差距,向世界一流企业迈进。

你可能感兴趣的:(数据挖掘)