Analýza zákazníků - Customer analytics - Wikipedia

Analýza zákazníků je proces, kterým se data z chování zákazníka se používá na klíčové podnikání rozhodnutí přes segmentace trhu a prediktivní analytika. Tyto informace používají podniky pro přímý marketing, výběr stránek, a Management vztahu se zákazníky. Marketing poskytuje služby za účelem uspokojení zákazníků. S ohledem na to je produktivní systém zvažován od jeho začátku na produkční úrovni až do konce cyklu u spotřebitele. Analýza zákazníků hraje důležitou roli v predikci chování zákazníků.^[1]

Použití

Maloobchodní

Ačkoli donedávna mělo více než 90% maloobchodníků omezený přehled o svých zákaznících,^[2] s rostoucími investicemi do věrnostních programů, řešení pro sledování zákazníků a průzkumu trhu začalo toto odvětví využívat analytiku zákazníků při rozhodování od správy produktů, propagace, ceny a distribuce.^{[Citace je zapotřebí ]} Nejviditelnějším využitím analytiky zákazníků v maloobchodu je dnes rozvoj personalizované komunikace a nabídek nebo různých marketingových programů podle segmentů.^{[Citace je zapotřebí ]} Mezi další důvody uvedené společností Bain & Co. patří: stanovení priorit při vývoji produktů, návrh distribučních strategií a stanovení cen produktů.^[3] Demografické údaje, životní styl, preference, věrnostní údaje, chování, hodnota pro nakupující a prediktivní chování jsou klíčové pro úspěch analytiky zákazníků.^{[Citace je zapotřebí ]}

Správa maloobchodu

Společnosti mohou použít údaje o zákaznících k restrukturalizaci správy maloobchodu. K této restrukturalizaci využívající data často dochází při dynamickém plánování a hodnocení pracovníků. Prostřednictvím dynamického plánování společnosti optimalizují počet zaměstnanců pomocí softwaru pro prediktivní plánování založeného na prediktivním provozu zákazníků. Pracovní plány lze v krátké době upravit v reakci na aktualizované předpovědi. Analýza zákazníků umožňuje maloobchodním společnostem hodnotit pracovníky porovnáním denního prodeje s denním provozem v obchodě. Využití analytických dat zákazníků ovlivňujících správu pracovníků maloobchodu v jevu známém jako refrakční dohled. Model refrakčního dozoru popisuje, jak může sběr informací o jedné skupině ovlivnit a umožnit kontrolu nad zcela jinou skupinou.

Kritika použití

Vzhledem k tomu, že se maloobchodní technologie stávají více založeny na datech, vyvolalo použití analytiky zákazníků kritiku konkrétně v tom, jak ovlivňují pracovníka maloobchodu. Algoritmy personálního zabezpečení založené na datech mohou vést k nepravidelným pracovním plánům, protože se mohou v krátké době změnit, aby se přizpůsobily předpokládanému provozu. Posouzení prodeje založené na datech může být také zavádějící, protože denní počitadla provozu přesně nerozlišují mezi zákazníky a zaměstnanci a nemohou přesně odpovídat na přestávky pracovníků.^[4]

Finance

Banky, pojišťovny a penzijní fondy využívají analytiku zákazníků k pochopení celoživotní hodnoty zákazníka, identifikaci zákazníků s nulovou hodnotou, která se odhaduje na přibližně 30% zákaznické základny, zvýšení křížového prodeje, správu opotřebení zákazníků stejně jako cílenou migraci zákazníků na levnější kanály.

Společenství

Obce využívají analýzu zákazníků ve snaze přilákat maloobchodníky do jejich měst. Použitím psychografické proměnné, komunity lze rozdělit na základě atributů, jako je osobnost, hodnoty, zájmy a životní styl. Pomocí těchto informací mohou komunity oslovit maloobchodníky, kteří odpovídají profilu jejich komunity.

Management vztahu se zákazníky

Analytické Management vztahu se zákazníky, běžně zkráceně CRM, umožňuje měření a predikci z údajů o zákaznících a poskytuje 360 ​​° pohled na klienta.

Předvídání chování zákazníků

Prognózy nákupní návyky a životní styl preference je proces dolování a analýzy dat. Tato informace se skládá z mnoha aspektů, jako je kreditní karta nákupy, předplatné časopisů, Věrnostní karta členství, průzkumy, a registrace voličů. Pomocí těchto kategorií spotřebitelské profily lze vytvořit pro nejziskovější zákazníky jakékoli organizace. Když je mnoho z těchto potenciálních zákazníků agregováno do jedné oblasti, znamená to úrodné umístění pro podnikání. Pomocí analýzy doby jízdy je také možné předpovědět, jak daleko bude daný zákazník řídit do konkrétního místa^{[Citace je zapotřebí ]}. Kombinací těchto zdrojů informací lze na každou domácnost v rámci obchodní oblasti uvést hodnotu dolaru, která podrobně stanoví pravděpodobnost, že domácnost bude mít pro společnost hodnotu. Prostřednictvím analytiky zákazníků mohou společnosti rozhodovat na základě faktů a objektivních údajů.^{[Citace je zapotřebí ]}

Dolování dat

Existují dva typy kategorií dolování dat. Prediktivní modely používat předchozí interakce se zákazníky k předpovědi budoucích událostí segmentační techniky slouží k umístění zákazníků s podobným chováním a atributy do odlišných skupin. Toto seskupení může obchodníkům pomoci optimalizovat jejich správu kampaní a procesy cílení.^{[Citace je zapotřebí ]}

Maloobchodní použití

V maloobchodě mohou společnosti vést podrobné záznamy o každé provedené transakci, což jim umožní lépe porozumět chování zákazníků v obchodě. Dolování dat lze prakticky aplikovat pomocí provádění analýzy košů, předpovědi prodeje, databázového marketingu a plánování a přidělování zboží. Analýza košíku může ukázat, jaké položky se běžně kupují společně. Prognózy prodeje ukazují časové vzorce, které dokážou předpovědět, kdy si zákazník s největší pravděpodobností koupí konkrétní druh zboží. Databázový marketing využívá pro efektivní propagaci profil zákazníka. Plánování a alokace zboží používá data, která maloobchodníkům umožňují zkoumat vzory obchodů v lokalitách, které jsou demograficky podobné, aby zlepšily plánování a alokaci a vytvořily rozvržení obchodů. ^[5]

Viz také

Reference

Další čtení

• Kioumarsi, H., Khorshidi, K.J., Yahaya, Z.S., Van Cutsem, I., Zarafat, M., Rahman, W.A. (2009). Spokojenost zákazníků: Případ preferencí kvality stravování čerstvého masa a standard výnosu podle USDA. Konference Int'l Journal of Arts & Sciences (IJAS).

externí odkazy

• Iniciativa Wharton Customer Analytics