展会信息港展会大全

如何用大数据构建下一代CRM
来源:互联网   发布日期:2012-11-16 21:42:47   浏览:10256次  

导读:亚马逊(Amazon)会知道你接下来想买什么,网飞(Netflix)能猜出你接下来想看什么,而谷歌(Google)呢,它在你搜索之前就知道你想要搜索什么了。 所有这些公司都使用预测分析法来向你推销点什么无论是亚马逊的产品、网飞的电影,还是谷歌搜索页面右侧的广告。 行...

亚马逊(Amazon)会知道你接下来想买什么,网飞(Netflix)能猜出你接下来想看什么,而谷歌(Google)呢,它在你搜索之前就知道你想要搜索什么了。

所有这些公司都使用预测分析法来向你推销点什么——无论是亚马逊的产品、网飞的电影,还是谷歌搜索页面右侧的广告。

行业分析公司弗雷斯特研究公司(Forrester Research)、营销自动化公司Eloqua前首席营销官布莱恩·卡登(Brian Kardon)认为,这种预测推销的能力也应该为现实生活中的销售人员所拥有。

预测型CRM——构建于大数据之上

这个想法并不是那么不靠谱。

十年前,马克·贝尼奥夫(Marc Benioff)怀揣着将软件移入云端的愿景离开了甲骨文公司(Oracle),成立了Salesforce.com。这家公司以创造出托管CRM(客户关系管理)服务而著称。今天,Salesforce已然是规模高达215亿美元的云服务巨鳄。

现任Lattice公司首席营销官(CMO)和Shashi Upadhyay公司首席执行官(CEO)的卡登认为,传统CRM正在式微。他表示,CRM的设计初衷有悖于我们现在所生活的这个世界。诞生于社交网络时代之前的CRM专注的是你已经拥有的内部数据,而不是销售代表所需要的外部数据。

卡登认为,下一个合乎逻辑的发展步骤是,开发出能够将有关前景和预期的各种类型汇总在一起,并做出最为靠谱的预测的各种系统。这些系统将能使销售人员更富于效率。

这一带有预测性质的方式极有可能出现在新一代的CRM中。

大数据前景

大数据的前景是,你能够捕获、存储和分析更多的数据,并据此获得更深层次的结果。当然,这之中的挑战正在将希望变为可能。

然而,各家公司往往发现,自己非但没能从更多数据中获益,反而被太多数据淹没了——它们不知道该拿这些数据怎么办。

据近期一份有关大数据对销售业绩的研究报告来看,销售人员是最为这些他们不得不处理的大量数据头疼的人。

只有16%的公司为销售制定了大数据战略。而那些知晓大数据的受访者中,约有71%的人认为其将对销售业绩产生较大影响。

数据泛滥

约有八成的CEO、CSO(首席战略官)和其他高管认为,他们所必须处理的数据量以及获取这些数据的难度颇具挑战性。

对销售机构而言,(从因特网、商业网站等等)获取并分析外部信息的能力既是最大的需求,也是最大的挑战。

这些数据的不同来源包括:

互联网业务会员团体

CRM系统

搜索引擎

新闻发布

社交网站

手动搜索及输入

商业信息供应商

财务报表

据上述研究,获取有关目标业务的变化数据是最为迫切的需求,这种数据至为关键,但很难得到。

数据驱动型销售组织的三条最佳实践方式

基于其多年的销售和营销经验,卡登为如何运营数据驱动型销售组织推荐了三条最佳实践方式

1. 在一个地方获取所有可知的数据。

如果销售代表必须要花时间在网上或是各个不同的数据库当中寻找数据,这对他们是一种拖累。要想让销售人员出色完成任务,就要让事情变得简单。

2. 优先最有可能做成的订单。

正如网飞能知道下一步该推荐什么电影,现代化的CRM系统也应该能向销售代表就下一步该做什么做出推荐。当然,销售代表也可以手动进行操作,但是基于大量不同信息源做出的可靠预测最好是通过算法来进行。恰如其分的系统能够分析海量信息,包括目标行业、来源(如网络会议或特定网站)、社交行为、在特定产品页面上停留的时间,以及其他一些信息,以就某项交易该如何达成做出预测。

3. 整合进销售代表的工作流程中。

一些大型科技和零售公司已经为“智能销售”目的构建并运作起了各自的内部工具。他们设计了各种系统来捕获有关前景的不同信息来源,让销售代表能获得这些数据,并基于这些数据来预测交易达成的可能性。然而,如何将这些信息整合在一起只是问题的一部分。问题的另一部分是,如何以一种能够整合进每一名销售代表工作流程中的方式运作这些数据。

如果说有什么东西是销售代表不喜欢的话,那就是把时间花在除销售之外的事情上,卡登如是表示。而预测性CRM可能是一种解决办法。

本文作者大卫·芬雷布(David Feinleib)系《大数据图景》(The Big Data Landscape)一书作者。他为科技买家及供应商提供咨询顾问服务。

赞助本站

人工智能实验室
AiLab云推荐
展开

热门栏目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能实验室 版权所有    关于我们 | 联系我们 | 广告服务 | 公司动态 | 免责声明 | 隐私条款 | 工作机会 | 展会港