本书后续章节,将首先从预测顾客的下次行为开始。这实际有个隐含的前提,即重复性购买行为。可能顾客对某类产品的需求是重复性的(例如买醋),或者虽然要购买的产品不属于重复性消费,但购物行为本身是重复性的(例如去超市或者网上购买)。对于非重复性购买行为,例如游览旅游景点,假设顾客不可能再逛同一个景点,但他可以有美好的记忆,会向他人提及或推荐,或者重复消费此旅游集团的其他景点。这种情况下,CRM的工作重点是通过首次交易和顾客建立连接,通过此连接赢得顾客的其他重复性消费,即便消费的是不同的产品。例如,顾客买了一双鞋,他再买一双同样的鞋的可能性很小,但因为买这双鞋,专卖店或者商场有了顾客的联系方式,就可以把再买同样一双鞋这种完全不可能重复的购买行为,转化为下次再来逛逛的可重复的购买行为。也就是说,非重复性和重复性在不同层面上看是可以转化的。买某双鞋是非重复性行为,但逛店是重复性行为。反之,再去同一景点(类似于逛店)是非重复性的,但通过推送吸引顾客回忆美好的记忆(分享照片),或者由此吸引其他的顾客则是可重复的。
理解CRM适用的业务类型,需要读者对本书的例子有一定的泛化理解能力。不过,本节会多举一些例子,以帮助读者理解CRM的适用性。
按照日常生活中的常见情境,要区分几种情况来分别设计对应的CRM策略。常见情境的对比如表1-3所示:
以表1-3为例,按照顾客购买的产品种数,大致可以分为两种情况:购买单一产品和购买多种产品。
一、顾客最终购买的是单一产品
根据顾客购物之前有无明确的产品指向,这又可以分成两种情况:
1.有明确指向
这种情况下,当顾客出现在购物场所或者在网上开始购物流程时,他最终通常会购买某种产品,例如到加油站加油或者购买航空公司机票。CRM的关键是吸引顾客来到购物场所或者进入购物流程;或者当顾客产生对此类产品的需求时,能够想到这家企业。
2.无明确指向
企业如果只销售单一产品,而顾客又没有明确指向,通常顾客不会主动出现在购物场所或者浏览企业的线上店铺。CRM的核心任务是吸引或者提醒顾客到场,并最终找到满意的产品。吸引顾客来店里逛逛或者线上浏览是关键。
电影院属于混合了上述两种情况的例子,顾客既可能因为想看某部电影(有明确指向)而来,也可以来了之后再选择看哪部电影(无明确指向),但至少有看电影的意向。位于购物中心的电影院,常常是因为顾客闲逛而获得了偶然前来的顾客。电影院和购物中心实际上可以考虑一体化的CRM。
二、顾客最终购买的是多种产品
大多数情况下,顾客的一次购物会涉及多种产品。这也可以划分成两种情况:
1.有明确指向
顾客至少是因为某种产品而来,逛的过程中看到或被推荐其他的产品,导致最后购买了多种产品。
2.无明确指向
顾客可能有潜在的需求,但他来之前并不清楚自己想要什么,需要逛逛或者浏览才能确定自己需要什么。
超市或者综合电商都属于混合上述两种情况的例子,顾客可能因为想买某种产品而来(有明确指向),也可能逛逛或浏览才知道自己需要什么(无明确指向)。
对于顾客没有明确产品指向的情况,CRM的任务是吸引或者提醒顾客来逛。顾客来了以后,企业可以根据顾客的浏览行为和以往的购物历史,测算其偏好,据此推荐最符合其偏好的产品。有的时候,预测顾客偏好并在线推荐产品,也是吸引顾客来逛的重要方式。
三、小结
现实中的行业太多,很难用有限的例子来涵盖所有的行业。本节虽然用了一些更容易泛化的分类方法,也无法考虑到所有的情况。理解本书所说的CRM,还需要读者多想想其他的行业。看的行业多了,能发现的行业和业务的共性就会多,融会贯通不同行业的能力慢慢也就提高了。
本书后续章节所说的各种模型,通常是基于上述不同的情境做出的设定。读者阅读的时候,如果没有例子可供思考,可以考虑这些对应的情境。
下一章将针对重复性行为来讨论相关的预测方法。重复性行为指的是什么,取决于决策问题。“重复性”在不同决策情境下代表的含义不同。如果想预测的是顾客什么时候会再来,则重点是顾客逛店行为的重复性。如果想预测顾客什么时候会再来购买某产品,则重点是顾客购买该产品的重复性。当然,也可以把同样的道理应用到预测观众看演出、患者去医院等重复性行为上。
泛化例子蕴含的道理很重要。大千世界无奇不有,靠例子或者简单的分类方法无法涵盖各个行业的多种情况。本书更多的是用最容易形象化理解的实体店购物行为(例如去超市购物)作为例子,但所体现的道理则并不局限于所举例子及对应的行为(例如逛或买)。当在道理上没有差别时,为了形象化,本书均用线下行为为例来说明。但这些道理在线上情境(例如网站、App、微信公众号和小程序等)中也是一样的。针对实体店的逛店和针对电商不同页面的浏览并没有本质的区别,本书所说的原理、模型和算法都能应用。如果线上行为本身有道理上的差别,本书则会单独用线上的例子来说明。具体到每个例子,读者完全不必那么僵化地认为只适用于那个例子特定的场景。
欢迎诸位企业家朋友随时与朗玛峰团队沟通交流

