【业务模块】企业客户管理数据分析解决方案

楼主
我是社区第85573位番薯,欢迎点我头像关注我哦~
一、方案背景
      客户至上,我们都希望服务好我们的客户群,同时能够最大程度地发挥客户价值,最好能够将客户价值直接变成商业利润。
      所以当你上线了新的产品,当你希望二次推广,当你准备结合政策或热点做营销驱动业务增长,你都希望能让你的客户能够进行消费。
      所以你准备了完美的产品或营销发布计划,内容、设计、主题、号召性用语、各方面渠道运营都很完美,消息覆盖面多达3W个客户。你美滋滋地期待能够有”10%“的转化,一天内至少3000个客户产生感兴趣或者直接购买的行为。
      一小时、两小时、一天、两天、三天过去了,只有300多个客户好像感兴趣来联系了公司。
      非常让人失望,不是吗?更何况我们不管是电商、零售、直销或B2B,我们不是都有专门的营销团队去做市场营销,去设计专业的文案。
      为什么?因为不同的客户对消息会有不同的反应,有些客户对价格敏感,有些客户对新品感到兴奋,有些客户只有基本需求。
      我们不需要向所有客户群体进行邀请,只需要对其中可能不到20%的目标优质客户下手就能事半功倍。
      很明显,这就是我们要进行客户管理数据分析的原因,我们希望了解我们的客户,以便我们投放的资源是合理的。

      因此我们提供了一个客户管理数据分析的解决方案便于参考,让您通过鼠标点击和拖拽就能够轻松地掌握客户管理的基础数据信息,同时识别最佳客户,学习客户管理里最通用的RFM客户价值管理模型,掌握客户流失、客户行为分析等综合分析,进一步体会到客户管理数据分析的妙用。你也可以再利用我们提供的数据自己再尝试性做一些客户管理数据分析的模板。

二、方案内容
        本方案将给大家着重分享以下企业客户管理数据分析方面的内容干货:
        1.如何快速搭建客户管理数据分析平台?
        2.如何让业务部门人员直接基于客户数据快速完成客户基础数据分析?
        3.如何让业务部门人员直接基于客户数据快速完成识别最佳客户?
        4.如何让业务领导直接基于客户数据快速完成即席数据分析?
        5.如何让企业客户管理数据分析成果实现团队协作共享?

三、方案效果及实现说明
1.如何快速搭建客户管理数据分析平台?
       这部分工作属于企业IT部门的前期数据准备工作,需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接,保证数据连接测试成功。然后添加客户管理业务包,将相关数据表加入并且建好立表间关联关系即可(如果是FineIndex类型的业务包需要更新好FineIndex数据)。分配好对应数据权限之后,用户即可直接在浏览器前端来对这些客户管理数据进行即席的多维探索分析。
       以本方案为例,如上图所示,我们在客户管理业务包中添加好客户基础信息表、消费记录表、消费产品信息表、客户等级表(会员等级),以及进步处理得到的交易RFM交易明细表,并且建立好维度表和事实表之间的数据关联关系。
        最后在数据配置-权限配置管理界面中将建立好的客户管理业务包的权限分配给业务部门相关人员,并且在管理系统-用户管理中将对应授权人员加入到BI编辑用户的已授权列表中。


2.如何让业务部门人员直接基于客户数据快速完成客户基础数据分析?
数据底层搭建完,就可以使用分配好数据权限的账号登录平台,快速新建仪表板做基础数据分析了。
        以客户基础信息为例,这里的客户是to C的零售客户信息,其它行业的客户基础数据信息同理。右下角的明细表是我们通常在做基础信息分析时最传统和熟悉的报表展现,可以通过一张明细表先把客户的基础属性拖拉出来,然后再针对其中的年龄、性别、职业、籍贯等我们更关心的一些客户具体属性做进一步分布、组成和对比分析,可以得到客户群体的基础属性全貌。
        我们还希望研究当前我们客户当前的客户关系,如重要/不重要客户的分布及组成占比。一般重要/不重要的客户定义可以通过我们对客户打标签,比如对于金融机构而言,认为贡献金额大于1000万的为重要客户,我们更为关心。

3.如何让业务部门人员直接基于客户数据快速完成识别最佳客户?
a.客户行为分析
        我们从客户日常的购物行为数据中,可以去对客户偏好的店面风格、偏好时间、偏好品类、偏好品牌、偏好地点去做进一步探究,以便于我们在采购或者营销时可以采取最佳的资源配置。其它企业同理,对于频繁发生商务行为的顾客,可以对该顾客的偏好进行分析,以对该类顾客针对性采取营销或者运营措施。
b.客户价值分析(RFM客户价值模型)
       FineBI支持接洽各种的业务分析模型。这里是客户管理中最经典的RFM客户价值模型,是客户留存分析、客户流失分析、重点价值分析、客户行为分析的综合应用。利用RFM模型对客户进行细分的结果,可以开发出许多可视化数据分析模板,来通过一张相当经典的DashBoard来简要分析下RFM模型的具体应用。

      1.矩形树图-客户价值分类:是整个RFM模型的核心,直观显示了8个客户群的人数及占比,可以联动到其它组件来查看具体某客户群下的情况。
      2.试管型仪表盘-客户类型人数:显示各客户类型的具体人数
      3.饼图-交易金额组成:由于我们最关心的是各客户群的价值贡献,所以研究不同人群的交易金额占比,可以得到哪个人群的贡献值较大,对于我们的价值更大。
      4.点图-MF-R分布:横坐标为F交易频率,纵坐标为M交易金额,点大小为R上次交易间隔。通过MF分布来直观看到客户的消费能力分布,进而通过R的大小来锁定哪些客户更为忠诚。
      5.点图-RF-M分布:横坐标为F交易频率,纵坐标为R上次交易间隔,点大小为M交易金额。通过RF分布来直观看到客户的消费异动情况,进而通过M的大小来判断哪些客户更有必要挽回。
      6.点图-MR-F分布:横坐标为M交易金额,纵坐标为R上次交易间隔,点大小为F交易频率。通过MR分布来直观看到客户的消费潜能情况,进而通过F的大小来挖掘更有价值的客户。
      7.分组表-交易明细:显示各客户类型下的客户交易明细。

      这个DashBoard可以快速锁定我们关心的客户群体,确定他们的具体特征及名单。最后只要根据这个分析的结果来采取针对性的业务决策。
客户细分

用户行为

典型业务决策

重要深耕客户
金额高、最近有交易,频率相对较低,需要重点识别
交叉销售,提供会员/忠诚计划,推荐其他产品
重要挽留客户
做出最大的购买,但是很久没有回来了,可能流失,需要挽留
重点联系或拜访,提高留存率
重要唤回客户
金额高、次数多、最近无交易,需要把他们带回来
DM营销,提供有用的资源,通过续订或更新的产品赢回他们
重要价值客户
最近买了,经常买,花最多
倾斜更多资源,VIP服务、个性化服务、附加销售
潜力客户
次数多、最近有交易,金额小,需要挖掘
向上销售价值更高的产品,要求评论,吸引他们
流失客户
最后一次购买的时间很长,金额小,订单数量少。冬眠客户
恢复客户兴趣,否则暂时放弃无价值用户
新客户
最近有交易,交易频率不高,金额小,容易丢失,有推广价值
社区活动,提供免费试用,提高客户兴趣,创建品牌知名度
一般维持客户
次数多,金额小,最近无交易,一般维持
积分制,分享宝贵的资源,以折扣推荐热门产品/续订,与他们重新联系
        具体关于RFM模型的详细介绍可以参见我们写的一篇文章  https://zhuanlan.zhihu.com/p/38328269


4.如何让业务领导直接基于客户数据快速完成即席数据分析?
       除了以上给大家介绍的制作一些企业常用的客户管理数据分析之外,FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了,通过轻松的托拖拽拽操作,就能生成丰富多样的数据分析统计结果。
        可以看到轻松拖拽就可以马上完成可视化,实现快速分析。

5.如何让企业客户管理数据分析成果实现团队协作共享?
        企业的各项工作,主要由各部门团队分工协作完成,彼此之间需要很好地进行沟通和配合,那么FineBI是如何帮助企业将客户管理数据分析成果实现团队协作共享的呢?
         以上文所述的RFM模型分析为例,那么通过FineBI可以非常便捷地将它分享给相关部门或者指定人员的。
        例如这边想把它分享给销售的leader,那么可以在FineBI的仪表板中将做好的RFM模型分析模板点击分享给对应销售部的saleLeader,然后点击确定即可。这样一来,对应的Lisa登录之后就完全能够使用该模板。

四、客户管理数据解决方案在线演示DEMO地址
账号:customer
密码:123
FineBI官方网站:http://www.finebi.com/
FineBI在线帮助文档:http://help.finebi.com/
FineBI基础学习视频:http://bbs.fanruan.com/course-20.html  
编辑于 2018-8-3 09:46  
分享扩散:

沙发
发表于 2018-8-3 08:43:45
demo 用户名与密码不匹配
板凳
发表于 2018-8-3 08:44:34
qweasd123 发表于 2018-8-3 08:43
demo 用户名与密码不匹配

找到问题了,Customer 改成 customer 就行了
地板
发表于 2018-10-8 09:52:02
作者大大  怎么联系你呀 我想看看你做的模板。
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表