۱۰ مزیت داده‌کاوی در رقابت(قسمت اول)

IT
رویکردIT در مقابل محصول
۲۸ فروردین ۱۳۹۵
data-mining
۱۰ مزیت داده‌کاوی در رقابت(قسمت دوم)
۲۴ مهر ۱۳۹۵

بسیاری از شرکت‌هایی که به آن‌ها مشاوره می‌دهم از داده‌های سودمند مشتریان بهره نمی‌برند. به‌راستی که متحیر کننده است، چرا که این نوع از داده‌ها دیدگاه‌هایی را فراهم می‌آورد که می‌توان از طریق آن منفعت‌های بسیاری بدست آورد.

دیدگاه‌هایی که می‌تواند:

  • وفاداری مشتریان را افزایش دهد.
  • سودهای پنهان را آشکار سازد.
  • ترک‌کردن مشتریان و رفتن به سمت رقیبانتان را کاهش دهد.

آیا در حال ذخیره اطلاعاتی هستید که از آن‌ها استفاده نمی‌کنید؟ آیا تمایل دارید که بدانید چگونه می توان از آن‌ها استفاده کرد؟ در اینجا ۱۰ روش معمول و مهم به همراه تعدادی از مشاوره‌های کاربردی در رابطه با نحوه استفاده آن‌ها وجود دارد.

۱٫ آنالیز شناسایی محصولاتی که در کنار یکدیگر قرار می‌گیرند. (Basket Analysis)

گاهی اوقات به آن  Affinity Analysis  نیز گفته می‌شود، این نوع آنالیز به اجناس خریداری شده توسط مشتریان نگاه می‌کند. که می‌تواند به مغازه‌هایی که به صورت حضوری با مشتریان خود برخورد می‌کنند در بهبود طرح‌بندی و ترتیب وسایل مغازشان کمک کند. و یا به شرکت‌های آنلاین مانند آمازون در پیشنهاد دادن محصولات مرتبط کمک می‌کند. کلمه  “Basket” به چیزهایی اشاره دارد که مشتریان در هنگام خرید از آن‌ها استفاده می‌کنند.

این بر مبنای فرضیه‌ای است که شما می‌توانید رفتار آینده‌ی مشتریان را بر اساس عملکرد گذشته آن‌ها پیش‌بینی کنید، که می‌تواند شامل خریدها و اولویت‌های مشتریان باشد. که این تنها در مورد مغازه‌های خواروبارفروشی صدق نمی‌کند که می‌توانند از این اطلاعات استفاده کنند. در اینجا تعدادی روش وجود دارد که این آنالیز می‌تواند توسط صنایع مختلف به کار گرفته شود:

ارزیابی کارت‌های اعتباری مورد استفاده- (علی الخصوص برای تجارت‌های آنلاین). به طور نمونه، استخراج‌کردن حرفه‌ای داده‌های کارت‌های اعتباری برای پیدا کردن الگوهای کلاهبرداری‌های صورت گرفته می‌تواند به کار گرفته شود. اما این اطلاعات هم‌چنین برای سازماندهی کارت‌ها در بین بسیاری از محدودیت‌های اعتباری، شرایط سپرده‌ها ‌، نرخ های سود و… و حتی وصول کردن بدهی و طلب‌ها مورد استفاده قرار می‌گیرد.

ارزیابی الگوهای موجود در تلفن‌های مورد استفاده- برای مثال شما می‌توانید مشتریانی که تمامی خدمات و خصوصیات اخیری که تلفن شرکت شما پیشنهاد داده است و از آن‌ها استفاده کردند را کشف کنید. پیشنهادهای صورت گرفته نیازمند چیزهای جدیدی خواهد بود تا مشتریان را در شرکت حفظ کند و سپس پیشنهاداتی به مشتریان داده شود تا تشویق شوند که یک سال دیگر در شرکت بمانند.

تشخیص کلاهبرداری‌های موجود در ادعای اخذ بیمه-  از طریق استخراج اطلاعات گذشته، شرکت های بیمه می‌توانند ادعاهای موجود را به همراه درصد بالایی از پوشش پول‌های گم شده از طریق کلا‌هبرداری کشف کرده و قوانین موجود برای کمک به مقابله با  ادعاهای کلاهبرداری که در آینده رخ می‌دهد را بهبود دهند.

نیازی نیست که تمامی محصولات به یکباره خریداری شوند، بسیاری از ابزارهای آنالیز مشتریان می‌توانند خریدها را بارها مشاهده کنند. بنابراین به شما در کشف فرصت‌ها و یا گرایش‌هایی که در بررسی تبلیغات‌ آینده وجود دارد کمک می‌کنند.

مثال: به داده‌های خرید خود با توجه به الگوها نگاهی بیاندازید. آیا افرادی را مشاهده می‌کنید که با خرید کالای X کالایY را نیز خریداری کنند؟ چه کالایی را زودتر خریداری کرده‌اند؟ می‌توانید افراد را برای خرید X، Y و Z ترغیب کرده و فروش فروشگاه خود را افزایش دهید؟

۲٫ پیش‌بینی فروش

این نوع پیش‌بینی به زمانی که مشتریان خرید می‌کنند توجه دارد و تلاش می‌کند تا پیش بینی کند چه زمانی مشتریان خرید خواهند کرد. شما می‌توانید از این نوع آنالیزها استفاده کنید تا استراتژی را برای برنامه‌ریزی کالاهای منسوخ تشخیص داده و یا روشی را پیدا کنید تا کالاهای رایگان را به فروش برسانید.

این پیش‌بینی هم‌چنین به تعداد مشتریانی که در بازار شما وجود دارد نگاه می‌کند و پیش‌بینی می‌کند که این مشتریان در حقیقت چه میزان خرید خواهند کرد. برای مثال فرض کنید که یک کافی‌شاپ در Seatle  داشتید. در اینجا سوالاتی وجود دارد که ممکن است بپرسید:

چه تعداد افراد، خانوار و کسب و کار در یک مایلی مغازه شما وجود دارد که قهوه شما را خریداری خواهند کرد؟

در این مسافت چه تعداد رقیب وجود دارد؟

چه تعداد از افراد، خانوار و کسب و کار در پنج مایلی شما وجود دارد؟

چه تعداد از رقیبانتان در این پنج مایل قرار دارند؟

مثال: زمانی که پیش‌بینی فروش مطرح می‌شود، ۳ پیش بینی جریان نقدی ایجاد می‌شود: واقع بینی، خوش‌بینی و بدبینی. از این طریق شما می‌توانید برنامه‌ریزی کنید تا مقدار درستی از سرمایه را در دست داشته باشید تا در مقابل بدترین شرایط ممکن در صورتی که فروش طبق برنامه پیش نرفت بتوانید مقاومت کنید.

۳٫ پایگاه داده بازاریابی

با ارزیابی الگوهای خرید مشتریان و با نگاه به جامعه‌شناسی و جمعیت‌شناسی گروه‌ها و مسائل روان‌شناختی مشتریان برای ایجاد صفحه‌های شخصی، شما می‌توانید محصولاتی را ایجاد کنید که خودشان به فروش خواهند رفت.

البته برای بازاریابان به دست آوردن هر ارزشی از طریق پایگاه‌های داده نیازمند رشد و توسعه مداوم می‌باشد. شما داده‌های پایگاه را از طریق فروش، نمونه گیری، پذیره نویسی و پرسشنامه به دست می‌آورید. و سپس مشتریان را بر مبنای این دانش هدف‌گذاری می‌کنید.

مثال: پایگاه داده بازاریابی با جمع‌آوری اطلاعات شروع می‌شود. برای مثال اگر شما صاحب یک کافی‌شاپ هستید پایگاه‌داده شما ممکن است بر روی موارد زیر تاکید داشته باشد.

از طریق داده های ذخیره شده در کارت‌های باشگاه مشوق‌هایی مانند پنج درصد تخفیف در خرید یا در نقاط تجمعی خرید پیشنهاد ‌کنید.

رقابت‌هایی را انجام ‌دهید تا در مورد مکان زندگی افراد اطلاعات بیشتری را به دست آورید.

خبرنامه‌هایی را به طور هفتگی ایمیل کنید تا مشتریان خود را به روز نگه دارید و همچنین پرسشنامه‌هایی که اطلاعات اضافی را در مورد تبلیغات و کالاهای جدید و با اهمیت جمع‌آوری می‌کند را ارسال کنید.

از حساب توئیتر به عنوان یک ابزار تبلیغاتی سریع و مرکز خدمات‌دهی به مشتریان استفاده کنید، در آن جا به گفته‌های خوب و بد دنبال‌کننده های خود گوش می‌دهید و سپس به آن‌ها پاسخ می‌دهید.

همانطور که این اطلاعات را جمع‌آوری می‌کنید، شروع به جست و جو فرصت‌هایی مانند بهترین روز برای اجرای تخفیفات کنید. از خودتان بپرسید: مشتریان محلی شما چه کسانی هستند و چطور می توانید این مشتریان را به طرفداران فروشگاه خود تبدیل کنید.

ادامه دارد…

لینک مقاله اصلی

 

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *