首页 » 智能数据:如何挖掘高价值数据 » 智能数据:如何挖掘高价值数据全文在线阅读

《智能数据:如何挖掘高价值数据》第6章 从贸易伙伴转变为数据伙伴通过中介共同提高客户潜力

关灯直达底部

一切对抗一切?

谁都不喜欢被威胁。威胁大多源于过分恐惧。恐惧并不是好事情,因为它会影响分析。让我们打破一次常规,认真开展分析。对生产商、高附加值服务供应商和传统贸易商来说,最糟糕的景象莫过于:

迄今为止,生产商和贸易商能够和平共处。双方都按照自己的方式去搜集客户信息。它们之中的一方对市场调研数据感兴趣,而另一方,即在市场前沿接触客户的一方,更加关注于交易信息。双方都在不断地优化自己的方式,共处的模式也很少出现问题。因为两方中的任意一方都意识到,以另一方的利益为代价的买卖的成本有时会非常高。但这并不意味着生产商和贸易商之间存在盲目的信任。人们尽可能地保护自身,保护自己的商品和客户的信息不被他人知晓,目的是为了防止其他人蚕食自己的业务领域。但是现在,网飞已经非常了解客户的收看习惯,它已经可以制作出比它的客户(例如HBO电视网和AMC电视台)更好看的电视剧。苹果公司已经通过贸易商售出了太多的手机、iPad和电脑了,所以在新产品问世时,苹果选择了直销形式。我们从苹果公司在iTunes Store上直接为客户提供数字化服务的销售思维中,就完全可以体会到这种做法。同样,谷歌公司为安卓系统也构建了一个这样的数字化生态系统,亚马逊公司也建立起了由Fire Phone、Fire-TV和Amazon Prime构成的内部系统,微软和Spiele提供下载或者在线订阅的服务,这对贸易商来说可能意味着整块市场的流失。直至前不久,生产商越过中间贸易商直接接触终端客户的行为,才不被认为是渠道战争。在一个多渠道的世界中,如果生产商不想令更多的客户失望,它们别无他选。这种做法不仅仅只是针对数字化产品,基本上涵盖了所有产品种类,无论是直销商品,还是直运商品。

反过来,贸易商在数据的支撑下对客户的了解越来越多,这在两方面对(品牌)生产商造成了一定威胁。一方面,贸易商通过给市场提供质优价廉的自有品牌商品,从电脑电源线到狗粮、家用器具、打印机墨盒,再到药品、食品和纺织品,进一步挖掘了客户潜力。另一方面,贸易行业的智能数据冠军企业已经掌握了引导客户行为的能力,它们可以在市场上制衡直销生产商。我们在本书的最后一章,会介绍智能数据冠军企业在这方面采取的最重要的一些措施。

通常情况下,在线贸易商谙熟如何建立与客户紧密相连的商业模式。那些没有与亚马逊合作开展在线贸易折扣和电子书折扣活动的出版商,已经首先感受到了生产商与销售商之间实力对比不均衡的情况,他们的书品延迟发货,在线新书推介严重减少,并且印刷版次持续萎缩。这种市场格局影响力的变化不仅仅发生在出版行业。稍微大型一些的贸易商知道,用自有品牌商品与名牌产品竞争是很艰难的,并且需要投入很高的营销预算,因此他们会采取将一部分自有品牌产品与其他生产商的名牌商品联合销售的方式。当然,他们早就知道,这样做会让消费者反应敏感,比如,当我们将一个产品礼包中的一样联合利华的商品换成拜尔斯道夫品牌的同质产品,或者反过来做品牌替换时,消费者都会敏锐地发现。

最终是生产商钳制它的贸易伙伴,还是反过来,贸易商牵制生产商,这取决于谁在数据的支撑下能够更好地了解客户,谁能够基于数字化及多渠道生态环境建设,与客户联系得更紧密。

数字化的多渠道贸易商和纯在线贸易商会挤压数字化竞争能力较弱的贸易商的生存空间。与此同时,在线贸易量的占比会继续增加。最终是生产商钳制它的贸易伙伴,还是反过来,贸易商牵制生产商,这取决于谁在数据的支撑下能够更好地了解客户,谁能够基于数字化及多渠道生态环境建设,与客户联系得更紧密。

如同前文已经说过的那样,我们都不喜欢感受到未来受到威胁。但是这种说法本身就是很矛盾的。一方面,这已经不是即将受到威胁的问题,因为我们所描述的情况正在一步步地演化为经济现实,且不仅仅局限于数字化产品领域。另一方面,在激烈竞争的局面下,同时还存在一种经过市场检验的、影响巨大的共赢情况,即:

与你的竞争对手分享数据,就是在实现利益共赢。

协同型客户关系管理

早在大约10年前,哈佛大学经济学家亚历山大·克拉克劳尔(Alexander Kracklauer)、奎因·米尔斯(Quinn Mills)和迪尔克·塞弗特(Dirk Seifert)就共同提出了协同型客户关系管理概念(Collaborative Customer Relationship Management,他们还同步出版了同名著作)。从某种程度上看,这个概念具有先知特质,因为它当时就预言了在受数据影响越来越深的经济环境中,会出现与以往不同的竞争局面。我们觉得,协同型客户关系管理概念在现今也可以寻找到广泛的现实基础。

基于上述概念,我们可以总结出三类企业,它们懂得如何智能地利用数据信息。

☆第一类:包括谷歌、亚马逊、亿贝、贝宝和VISA(维萨)在内的数据巨头企业。它们凭借自身固有的经营模式,就可以直接掌握到庞大的数据量,他们可以直接将这些数据信息投入到下一步的经营中去。

☆第二类:我们称第二类企业为“独奏者”或者“数据专家”。它们都是某一行业或者某一产品门类的领军企业,客户影响力较大,数据现状非常好。既有的市场格局为这些企业提供了良好的数据基础,并且单一客户的利润贡献度都很高,因此它们有能力实现客户忠诚度管理,并借此完成市场定位及资金筹措。这一类型的企业包括大型零售商(沃尔玛、宜家)、连锁酒店(喜达屋、希尔顿)和汽车租赁企业(赫兹、安飞士)等。这些企业大多数都是从数年前或者数十年前起,就开始凭借成功的客户忠诚度管理措施,系统性地收集客户数据信息。通过这种方式,它们对行业内市场上的客户有了深入的了解。但是,它们对跨行业的认知掌握较少。从消费者的角度看,第二类企业中的任何(单独)一家,大多都不具备必要的规模与吸引力,在激烈的市场利益争夺中存活下来,在面对数字化竞争时,大部分也不具备成为行业内一家独大企业的内部实力。因此,第二类企业中,对客户忠诚度管理较好的那部分企业,例如航空公司(美国航空、汉莎航空、英国航空),都选择与第三类企业合作的经营策略。

☆第三类:与数据巨头企业开展合作的一类企业,已经打造完成了数据合作同盟。它们的智能数据合作伙伴会系统性地与它们分享跨行业的、来自不同价值创造层面的数据信息。这样做不仅仅可以帮助他们压缩投资规模,节约运营成本,还为它们提供了一个在宏观与微观层面全面观察消费者采购与消费行为的机会。有一些数据合作伙伴最终可能会参与到它们的行业中来,或者是着手开始了解它们的行业情况(尤其是星空联盟和寰宇一家项下的航空公司)。还有一些数据合作伙伴,它们通过与专业化的数据服务商(邓韩贝或Emnos)合作,或者通过建立其他的数据合作伙伴关系,开发出了一些跨行业的多伙伴联合模式(例如英国Nectar积分联盟、德国Payback返利计划)。

相互分享数据的价值创造能力早已不是新概念。在贸易领域,早在20世纪90年代,一些加入ECR倡议的欧洲工业和贸易企业就已经开始系统性地践行这一理念。缩略语ECR代表Efficient Consumer Response,即有效客户反应。在市场饱和状态的促进下,ECR成员企业实现了传统的、跨企业的管理流程优化,例如完成了货板、产品编码和物品编号的标准化工作。同时,在多边数据交换的作用下,成员企业获得了对选址、产品或品类研发、价格形成和市场营销手段等更深入的认识。我们可以这样说,十几年过去了,基于数据的标准化管理流程运行一直十分良好,但是ECR在激励客户和提升客户忠诚度方面的表现确实欠佳,很多成员企业对此都是很失望的。

ECR和许多其他的企业间信息交互模式都曾经并且仍然在面临5个最大的障碍:

☆在谁应该承担共同投资的哪一部分方面,无法形成一致意见

☆在整合不同的客户关系管理系统方面需要投入大量成本(况且这些系统还经常不好用)

☆数据保护方面的顾虑

☆IT系统安全性问题

☆双方不信任,认为信息合作伙伴存在未按照约定用途使用数据的可能性,甚至可能将这些数据用于伤害伙伴的利益

任何一个非数据巨头的企业,在实际审视自身的实力后,若发现自己确实无法成为行业中一家独大的企业,那么此时,它就必须寻求与数据巨头企业联盟合作。

这些障碍由来已久。在利益面前难以达成一致和相互间的不信任是人性使然。客户关系管理系统数据库技术的进步和云技术的应用,使这些障碍中的一部分有所弱化。但是现在我们需要更加关注IT系统安全性带来的风险。相比15年前,有一点的确发生了本质性的改变,那就是共享数据的必要性。在ECR的起步阶段,没有什么数据巨头企业,那些所谓的“独奏者”企业也刚刚开始进行信息积累。而今的情况是,任何一个非数据巨头的企业,在实际审视自身的实力后,若发现自己确实无法成为行业中一家独大的企业,那么此时,它就必须寻求与数据巨头企业联盟合作。换句话说就是,它必须马上成为团队合作型企业。在整个市场中,第一类和第二类企业最终都会发展成为第三类企业。

在寻找潜在数据合作伙伴的过程中,以下建议可能会有帮助:

☆分析自身企业的价值链。在已经与其他企业开展直接或者间接合作的企业中,哪些掌握了对自身企业业务有价值的信息?这种方法尤其适合高价值或者高利润商品的多级贸易,因为价值链中的所有参与者在面对产品销售时,所追求的利益都是一致的。

☆关注一些行业,这个行业中的企业,与自身企业有着共同的目标客户群体,但是两个企业又不发生直接的竞争。比如航空公司之间的信息伙伴关系,租车公司与连锁酒店间的信息伙伴关系等。或者,往小了说,一定区域内的化妆品沙龙与康体中心之间也可以建立这种信息伙伴关系。

☆分析重要的信息是在哪里产生的,在哪里存储的。消费者在哪些企业那里遗留下了信息,而这些企业恰巧又能为自身企业提供技术和数据?这些数据提供企业掌握的信息能否有效地补充自身企业的数据库,并辅助自身企业进行数据分析,这些企业是否会对新的商业模式感兴趣?大型电信企业或者支付结算企业(VISA或贝宝)都有可能是信息提供企业。

☆有哪些既存的系统或者服务可以直接利用?除了大型的数据服务商,如邓韩贝、飞常里程汇或者Payback外,还有一些小型的专业化服务商,它们能够收集和分析推广促销措施的有关数据。

瑞士法典

除了多伙伴联合模式之外,我们还可以从很多年前某大型IT供应商的一个有关打印机墨盒的项目中总结出一些经验,并应用于实际工作。我们先简要回顾一下这个项目的情况:

事情需要追溯到大约10年前。在经历了一段长时间、持续的高利润增长之后,打印机墨盒生产企业遭遇了市场饱和及客户对价格越发敏感等情况。那时(可能现在也是),打印机墨盒产品需要经过多层级分销商实现销售,因此生产商根本无法掌握终端客户的情况,例如谁在购买、买了哪种型号、购买频率是什么、促进购买的因素是什么、通过哪些渠道购买等情况。生产商通过客户份额占比分析也不太可能识别出哪些是可能流失掉的客户群体。生产商的产品宣传往往缺乏针对性和精准性。在这种情形下,生产商选择了向贸易商支付广告信息费的方式,用于购买贸易经销商掌握的市场数据信息。生产商这样做,需要支出的广告信息费规模往往高达成百上千万,但是它们却并不能有效评价这种行为的效果。生产商购买这些信息的目的,是为了能够提出全方位适应市场需要的营销措施,这可以算是ECR协议的一种反向应用。这种做法对贸易经销商来说,好处是显而易见的,它们可以在其销售渠道范围内免费享受这些广告宣传带来的销售量的增加。但是,这种做法对贸易经销商来说,也存在一种潜在的风险隐患。生产商有可能会利用这些购得的客户信息,绕过贸易经销商,直接对客户进行销售;也可能通过不给经销商提供某些特定商品,从而逐步建立这些特定商品的直营业务。目前这种直营业务规模尚小,但增长率却很高。为了解决生产商与贸易商在交换信息过程中相互不信任的困局,项目参与者提出了一个名为“Code Switzerland”(瑞士法典)的解决方案,即在信息交互机制中,引入一个中立的中间商。

首先,将贸易经销商提供的客户信息进行假名化处理,然后将这些假名客户信息传至独立的分析中心进行汇总。这个独立的第三方按照智能数据流程步骤将所有可得的数据进行聚类分析。根据聚类分析结果,生产商就可以针对每个聚类或每个客户群组开展相应的宣传营销措施,目的是提升客户份额占比或防止存量客户流失。生产商可以编写一个营销手册,这个营销手册是一份跨行业、普遍性的市场营销材料,里面收录了生产商全部的营销计划和方案。

在这个过程中,生产商需要保持透明化作业,要与经销商共同商定市场营销的措施和实施范围。第三方数据分析公司本身也有系统化的市场营销策略制定工具,它们也会相应地提出战略性的营销和销售方案,这些方案会对生产商提出的营销计划提供辅助和调整。这样一来,生产商滥用数据的情况就被有效规避了。

生产商与贸易商之间的互信是随着“瑞士法典”获得成功逐步建立起来的。大约在2005年前后,几个贸易经销商首先试水“瑞士法典”模式。一年之后,就有大约12家贸易企业加入了这个模式。5年之后,规模发展至几百家,涵盖了欧洲、地中海东部沿岸地区、非洲、亚洲和美洲的全部大型贸易商,累计贸易额高达数十亿美元。

在“瑞士法典”实施过程中,我们会通过控制组实验不断调整方案,并且为方案加入一些与时俱进的元素。这种模式为生产商和贸易商双方带来了上亿美元的业务增长,对于生产商而言,这种模式下的市场营销措施为其带来了前所未有的、高达15%~20%左右的客户激活率,营销投资回报率约为700%。通过采用这种模式,我们实现了对存量客户群体的首次全面“扫描”,并可基于扫描结果,量化评价市场营销措施的有效性和影响程度,而不再是仅仅停留在感性评价或者粗略估计营销效果的层面。最终,生产商和贸易经销商之间共享的就不仅仅是数据了,它们会一同惊喜地发现,通过值得信赖的效果评价和随之而来的营销费用智能管理,竟然产生了这样大的改变。

假名的力量

在沿价值创造链条分享数据的过程中,以下因素是成功要素:

☆作为方案的发起者(一般是生产商),如果想促进方案的实施,就要首先着手建立互信的基础。通常情况下,先期的费用需要生产商支付。

☆致力于分析这些假名数据的中间服务商需要协助企业建立这种互信。此外,在方案实施过程中,还需要解决一系列数据保护方面的问题。(在下一个案例中,我们再详细介绍这一点。)

☆数据分享方案需要有明确的目标和清晰的原则支撑:要提前规定清楚,谁可以利用哪些数据并做什么。所有的参与企业都需要明白一点,那就是任何联盟在开始阶段都是十分脆弱的。经验告诉我们,如果联盟中有一个人不守规矩,那么整个联盟就有可能解体,若是此时还想设法拯救联盟不致解体,那么就需要付出极高的代价。

☆企业的股东们总是要求完美和严谨的项目管理。但是他们却总是忽略一点,那就是好的项目管理需要相应的资源来支撑。

☆高度的透明化才能促进和保证大家对整个项目的充分信任,要定期召开项目进度沟通会,不要使会议流于形式。

形成企业间的数据分享伙伴关系的价值是显而易见的。很多线上贸易企业甚至对此给予高度评价,认为这种做法已经突破了企业间的界限。例如,Rocket Internet公司为其所有的在线商户建立了一个共同的客户数据库,使所有的在线商店都形成了数据分享伙伴关系,并将这项服务作为公司与其在线商户客户商务合同的一部分。通过这种方式,公司所有的在线商店都共享同样的数据,并且可以获得来自兄弟企业的客户信息。今后,这种有组织的数据合作形式肯定还会延伸到其他行业中的企业。这种推广的前提是,从一个企业中获得的客户数据分析结果对另一个企业来说也同样具有很高的利用价值。线上贸易商间的数据分享就能够实现这样的效果,未来也会有越来越多的行业是这样。

然而目前,我们在许多行业内发现了相反的情况。一个由一名股东控制的企业集团,它旗下所有不同的子公司都在为同一群客户服务,但是却没有一家子公司能搞清楚,到底哪些客户是在哪家子公司购买的商品。相应地,也没有任何一家公司去尝试,与其他子公司一起去提高客户价值。之前,每一次打算要在这个方向上有所建树的想法都因怕遭遇IT问题或者是对数据保护方面的担忧而被扼杀在摇篮中。针对这种现象,与上述案例中描述的打印机墨盒生产商和销售商类似的企业需要认识到:

法律上独立的数据分析服务供应商应该且能够受托对假名客户数据进行处理,进而形成普遍性的客户聚类分析结果,随后将这些重要的市场认知信息反馈给委托企业。在企业集团内部,我们应该允许相对便利地使用这些所谓的检索信息,比如名字,还包括头衔、地址、行业、工作关系和生日。我们在使用这些信息时,应该时刻意识到这些信息的附加意义,它们很可能就是聚类信息分类标签!

我们可以从一个大型金融服务企业集团的一份可行性研究中,了解到这种形式的数据共享带来的增值究竟有多巨大。为了规避这个过程中可能存在的法律风险,这家金融服务集团首先委托一家结算所将这些来自金融同业的客户信息进行了假名化处理,这些数据包括了来自私人银行、多家保险公司、建房互助储金信贷社和投资集团的客户信息。之后,这家结算所将经假名处理过的客户信息反馈给了这家金融服务集团。随后,这家金融服务集团将这些带有客户ID的假名客户信息转交给了所谓的数据分析中心,由分析中心基于全部数据进行客户聚类分析。随后便产生了约300个小的客户聚类,这些聚类在客户具体和长期需求方面有很强的指导性,并且聚类之间存在渠道相似性。分析中心将每一个客户都归入一个聚类中,后将聚类分析结果反馈给参与项目的金融同业。正如前文描述的一样,这个项目的高潮即将到来:如果反馈的信息中仅包含单一客户的一些检索信息,那么这时,收到信息的金融同业首先要对自己的客户进行“去假名”处理。此外,分析中心还能够对纯匿名信息进行多样化的分析。

客户信息共享可以帮助我们实现:

☆与每一家子公司单独掌握数据相比,客户信息共享可以让我们获得更准确的聚类分析结果,更好地了解客户需求。

☆每一家子公司都可以利用聚类分析结果满足自己客户的需求。

☆分析中心输出的普适性认知结论首先应该被用于细化自身的客户聚类分析结果,或者优化产品组合。不要把这些信息直接用于单一客户层面。市场营销人员面对这种一般性分析结论时是大有可为的,很可能在某个客户聚类中就有广泛的按揭贷款需求。

清算所流程

☆清算所获得了带有假名标记或客户编码的检索信息,并且将这些信息与存量客户进行反复比对。随后,为每个客户指派一个ID,除此之外不进行任何操作。清算所将这些处理过的检索信息反馈给企业集团。

☆企业集团将这些重要的假名化信息转交给独立的数据分析中心。

☆数据分析中心从清算所获得数据密钥(ID=假名标记),这是进行存量客户分析的基础。企业集团只需要知道这些客户是企业集团的,但不需要知道这些客户具体来自哪个子公司。

☆分析中心基于全部数据进行聚类分析,并向企业集团反馈每个假名标记的聚类特征。

对于智能数据冠军企业来说,持续性地与他人共享数据信息只是实现自身数字化转型的重要的第一步。下一步,这些企业需要考虑,是否应该为了寻求以客户为中心的、基于数据的商业模式,而去扩大既存商业模式的边界?我们要不要考虑建立一个娱乐社区,而不仅仅是售卖娱乐电器?我们是不是考虑研发一下便利店的售货系统,而不仅仅是停留在为便利店供货?在为饭店供应食材的同时,还可以考虑运营一个餐厅订位平台。以这种方式去拓展商业模式会获得较好的协同效应,对相关市场情况有一定掌握,有助于直接开辟新的销售市场,伴随着销售额的增长,企业价值不断提升,可以更好地获得资本市场的认可。

双重选择性加入?是的!

此时,提出一个具有约束性的提示是很有必要的,即获得客户明确的允许,这是与其他公司频繁交互客户信息的根本性前提。数据保护者对此的要求还要更高,他们认为,在与其他公司共享客户信息之前,必须获得客户有意识的认可,并且使用客户信息的公司必须与其他公司建立明确的数据合作关系,不能够容忍与本不想开展合作的公司共享客户数据,或者与根本不知名的公司共享客户数据信息的情况出现。我们认为这种约束是合理并且正确的。

客户数据信息的所有权在客户。只有在客户允许的情况下,公司才能够使用。

客户数据信息的所有权在客户。只有在客户允许的情况下,公司才能够使用。

企业需要努力获得使用客户数据信息的权利。也可以这样表述,企业需要通过自身的努力,例如增加信息使用活动的透明度、为包括客户在内的参与者创造更大增值等,去赢得客户的认可,进而允许其使用自身的数据信息。我们称这一行为为“赢得数据”(Earned Data),这跟目前在市场上获得了广泛关注的“赢得媒体”有些相似。我们会在本书的最后一章再详细地介绍这一概念和理念,此处对数据分享的原则就先介绍这么多。

智能数据冠军企业对数据合作伙伴这一概念的理解,不仅仅停留在企业与客户之间的一纸协议层面。公司需要为客户带来更好的服务体验、更专业的咨询服务和更优质的产品。

如果企业真正能够做到这样,那么会有越来越多的客户乐于与企业建立数据合作伙伴关系。到那时,客户这样做,就不再是因为接收到了要求同意共享客户数据的操作指南而不过脑地点了几下确认键了。

这种规避数据假名化处理的行为是合法的。只要企业能够做到始终维护客户利益,并且致力于维护长期客户关系,那么即便是极其复杂的德国数据保护法律也许可这种行为。只要企业能够坚持这样做,而不仅仅是口头上说说,那么客户就不会要求对信息进行假名化处理,同意在使用信息时不隐去真名,这样可以让企业更好地了解客户的需求。此时客户会乐于并有意识地点击“选择性加入”按钮,共享自身信息。