独家

从银行到电信巨头,大数据意味着大生意

大数据有它的早期采用者和通常的嫌疑人:银行、零售连锁店和电信。但现在它的吸引力正在扩展到几个类别和企业。

和其他行业一样,大数据也有自己的早期采用者和通常的嫌疑人:银行、零售连锁店和电信。但现在,它的吸引力正在扩展到多个类别和企业。

IBM Commerce India/SA业务主管尼桑特•卡拉(Nishant Kalra)表示:“消费品牌81%的首席营销官认为他们对客户有全面的了解,但只有22%的客户认为一般零售商了解他们。”第一个挑战是:将客户作为个体来捕捉,不仅关注交易数据,还关注他们的兴趣、偏好和互动。第二个挑战:消费者旅程的变化,50%到80%的购买过程发生在品牌有机会说话之前。Kalra困惑地说道:“我们如何才能跨渠道无缝地提供整合体验?

营销分析公司笛卡尔咨询公司的创始人兼总经理桑迪普•米塔尔说:“这是一种技巧,但要在更好的信息和可预测性下做出决定。”

答案似乎就在数字中,并知道如何利用它们。

大数据是线上和线下公司试图解决个性化挑战的方式。这是一个美丽的新世界,它需要大量的左脑运算能力,同时也需要传统的右脑创造力。

这样做的目的是:让消费者感觉不那么像一个只剩下一点点隐私的测试对象,而更像一个成功抢到最好产品的品牌特别有价值的赞助人。以下是四家公司的做法。

右脑、左脑:大数据是线上和线下公司试图解决个性化挑战的方式……这需要左脑大量的数字运算能力,同时也需要右脑的创造力。

从银行到电信巨头,大数据意味着大生意
IBM / Matrimony.com 现在的婚姻是由数据决定的

IBM表示,Matrimony.com确定细分市场、定制营销活动和发布广告的时间缩短了90%。

任何印度人都会告诉你,结婚是一件严肃的事情。对一个以撮合他人结婚为业的网站来说更是如此:Matrimony。com。150个定制网站、呼叫中心甚至实体网点,在任何给定时间都有大约300万用户,传递相关信息的任务变得异常复杂。更不用说给用户无缝体验,而不管使用哪个接触点。

IBM商务印度业务负责人尼桑特·卡拉说:“对一家银行来说,频繁更换员工是件坏事。对于Matrimony.com来说,这很好。任务:如何跨多个通道传递一致的消息?如何让用户选择付费服务?”

这家网络公司面临的最大挑战是,它的数据是基于开源标准的。IBM应用其预测工具来分割数据,分配权重,并围绕这些构建活动。例如,它帮助该网站开展了一项活动,鼓励用户更新个人资料,提供更多信息,这大大提高了他们找到匹配对象的机会。Kalra说:“我们从预测分析和营销活动解决方案开始,这些解决方案在多个渠道(包括实体店)实时推出。”

一旦用户开始用数据丰富自己的资料,Matrimony.com就能向他们发送潜在灵魂伴侣的资料,并为其付费服务提供服务。数据帮助实现的第三个目标是,在潜在联盟失败的情况下,提供下一个最佳选择。

Askme(和AskmeBazaar) - 她想要的一切

Askme每月超过7000万次搜索产生70亿个数据点……再加上特价商品和分类广告,这个数字将是原来的10到20倍。

令人毛骨悚然,她觉得。网上怎么知道她需要一个杜帕塔来搭配她刚买的库塔?然后它会建议搭配配饰。“这是什么魔法?”她喊道。然而,不需要霍格沃茨学位,只需在一英寸的理智范围内跟踪个人。我们的数字足迹所揭示的只是冰山一角。

想想在本地搜索和分类门户网站Askme及其在线市场AskmeBazaar上发生了什么。该公司在其网站上捕捉消费者旅程中的每一个接触点,然后改进算法,以大量提供量身定制的体验。目标:创造意外的时刻。Askme集团首席营销官Manav Sethi表示:“未来将属于那些创造个性化体验的人,这些体验将建立用户粘性和粘性。”让我们面对现实吧,四大或五大电子商务公司吵着要你刷手机,它们之间并没有什么区别。

期待同样的折扣和200万sku。价值主张是什么?”塞西问道。这一价值主张被淹没在有关消费触发因素和消费者历史的海量数据之下。

但如果营销人员不能利用数十亿数据点来创造个性化体验,那么整个工作都是毫无意义的。

例如,杂货店的未来在于根据Lalitaji的消费历史预测她接下来需要什么。而且不止于此。通过映射消费者身份和购买模式,Askme可以帮助宝洁的客户转变为联合利华的忠实用户,反之亦然。

“大数据可以给公司带来优势,成为战略业务杠杆。这就是长尾理论发挥作用的地方,”塞西说。

铃木马鲁蒂- 从kitna deti海到kitna data海

Maruti Suzuki早在2006年就意识到,他们的经销商坐拥大量需要汇总、组织、清理和分析的数据。

当客户关系管理人员开始谈论大数据时,大多数营销人员更喜欢躲在石头下面。Maruti Suzuki副总裁兼营销主管Sanjeev Handa却不是其中之一。大数据引起了他的兴趣。“如今,它是来自你的手机、信用卡、电视观众测量仪表甚至飞机的数据库流。过去两年收集的数据总量超过了整个人类文明收集的数据总量,而且是以zettabyte (1 zettabyte = 1,000,000,000 Terabytes)为单位的。”

不过,对大数据的认识并没有让他陷入炒作周期。

“我们使用过去30年积累的1500万客户的相关数据。我们不想知道每一个细节,只想知道他们的简介、好恶、保险状况等。”

马鲁蒂铃木早在2006年就意识到,他们的经销商坐拥大量需要清理和分析的数据。

“去年,纯粹因为数据挖掘,我们多卖出了5万辆汽车,”他说。这相当于该年度销售额的4.5%。他们计划到2020年通过客户关系管理计划销售200万辆汽车。内部目标是通过数据库管理获得10%的销售额。

他说,数据库管理并不昂贵,尤其是“我们在广告上花了几亿美元”。这只是一种精确的努力——例如,跟踪拥有同一款汽车五年的客户,帮助他们通知经销商向他们追加销售。高端经销商网络Maruti Nexa也是数据挖掘的副产品。心理测量显示,更多的人选择乘坐商务舱,保留客户关系经理,从马鲁蒂(Maruti)转向福特(Ford)。这就是诱因。”

马欣德拉俱乐部- 计算你的假期

通过数据挖掘会员过去的度假行为,定制和个性化的邮件被发送出去,通常带有优惠。

阻碍品牌深入研究数据和分析的主要挑战之一是一个显而易见的问题——缺乏丰富的数据。就马欣德拉俱乐部而言,缺乏数据并不是挑战。成立近20年,帮助该品牌建立了关于其18万会员基础的惊人广度和深度的数据。Mahindra Holidays首席营销官迪帕利·奈尔(Deepali Naair)表示:“例如,拥有18万会员的数据库,而不是180万会员的数据库,可能是一种优势,因为它使数据更易于管理。”

度假,尤其是在印度,既取决于气候,也取决于度假时间,这对于马欣德拉俱乐部所处的行业来说,造成了入住率不稳定的挑战。通过“重塑需求”项目寻求数据以解决这一问题。这个想法很简单:通过接触会员,鼓励他们全年计划度假,解决季节性导致的入住率低的挑战。也许让人们在雨季去果阿,在炎热的夏天去斋沙默尔。Naair表示,在对会员过去假期行为的数据挖掘和其他分析的支持下,他们发出了定制和个性化的邮件,通常还会分层提供优惠。“重塑需求”的会员夜率超过15%。营销分析公司笛卡尔咨询(Cartesian Consulting)的创始人兼董事总经理桑迪普•米塔尔(Sandeep Mittal)指出,大数据正在改变企业的生活,因为它能够非常快速地构建假设或发布业务挑战,并通过多个数据源的相关性实际得到结果。

关注并与我们联系脸谱网LinkedinYoutube
Big data, like every other industry, has its early adopters and usual suspects: banks, retail chains and telecom. But now its appeal is extending to several categories and businesses.

According to Nishant Kalra , business leader, IBM Commerce India\/SA, \"81 per cent of the CMOs in consumer brands believe they have a holistic view of customers, but only 22 per cent of customers believe the average retailer understands them.\" The first challenge: to capture customers as individuals, focusing not merely on transaction data but their interests, preferences and interactions. The second challenge: changes in the customer journey with 50 per cent to 80 per cent of the buying process taking place before the brand gets a chance to speak. \"How do we seamlessly give an integrated experience across channels?\" puzzles Kalra.

Says Sandeep Mittal, founder & MD of marketing analytics firm Cartesian Consulting, \"The trick but take the decisions with better information and predictability.\"