数据可谓是当下最热的行业话题之一，从政府引导到行业自我发展，大数据都是一个充满光和机遇的领域。从各方面的信息来看，我们的确进入了IT向DT时代转型的一个重要时期。
作为传统行业，零售行业自然也将面临这一次挑战，而作为支撑大数据与零售重要特性的CRM系统也迎来了一个关键转型。传统CRM在中国的发展已超过15年，很多品牌觉得CRM耗费巨大的成本，却几乎没有取得预期收益。的确，CRM是一个长期投入的项目，短时间无法产生巨大的显性效果，也无法与绚丽的创意与营销相媲美。
可事实证明如今，越来越多的传统零售企业在尝试传统CRM与大数据的有机整合，将客户数据转化为重要的数据资产，从而实现转型与突破。
传统CRM转型的动力与契机
任何事物的变化都会有动因这个重要内容，那么传统CRM转变的动因是什么?
1. 用户及市场的快速变化
拥有客户则拥有天下，这句话在零售行业更是一句永恒的真理。随着技术发展与市场环境改变，消费者变化更快了，交互方式和信息也更多了。企业需要学习和了解更复杂的用户特征，掌握更多用户渠道、更丰富的营销模式和更海量的用户数据，而这都将是传统CRM面临的挑战。
2. 企业技术应用环境的大升级
DT时代已经到来，传统IT结构将发生重要变化。在过去，业务部门从各自需求出发，委托IT团队采购或开发产品。这种模式的弊端包括业务功能开发成本高，开发周期漫长，甚至出现多家供应商沟通不畅导致部分业务功能无法实现等。
总结来说，移动互联网时代，用户变成市场主导者，他们有了更多选择权，有了更强的话语权。企业关注的不应该只是用户的钱包，而更要重视用户特质及用户对品牌的态度。因此用户管理模式也将从业务功能的探讨转为商业模式、发展战略、品牌资产衡量等维度的研究。
CRM转变的趋势
CRM转变进程中必不可少的内容包括：大数据;云计算;移动互联网;社交媒体;digital marketing等当下最前沿的技术应用。从CRM核心机制转变趋势上来看，将分为两个阶段：
1. 第一阶段：CRM向CIM的转变，从关系维系到用户认知(Insight)的转变
在传统CRM体系中，品牌往往利用积分或会员等级等业务手段吸引消费者注册成为品牌会员。在这个阶段，企业掌握有限的客户数据并分析消费数据，例如：姓名;电话;消费记录;积分历史等，最后利用传统的RFM等分析模型预测消费、增加复购。
环境的变化导致客户的行为多样化，客户身份变得复杂，交互渠道和内容日益丰富;而技术的发展则带来更复杂和海量的信息量，包括更多的渠道账号、渠道数据和用户设备等。因此第一阶段的转变就是将从重视客户与品牌的关系转为重视更多用户信息的获取与洞察，这也是目前部分品牌开始推动的过程。
2. 第二阶段：从CIM到CEM，从用户认知到交互体验(Experience)的转变
随着品牌对用户数据的积累与分析，对用户的认知也不断加深，品牌将开始用户体验的管理。过去这种服务只可能存在于高端产品领域，但如今在广阔的大众消费领域同样可以实现。
例如：大部分品牌会记录一个营销活动有多少人参与，有些品牌甚至记录哪些用户喜欢哪类活动等。根据掌握的用户数据，形成更全面的用户认知后，品牌便可以根据更细颗粒维度对用户进行不同的交互场景设计，不仅在创意、形式，更包括不同的渠道或推广时间和周期。
CRM下一代的技术形态
在理论探讨层面，CRM的核心机制将从消费关系的维系向用户深度洞察及体验提升转变，未来CRM的技术形态是融合用户交互与大数据的技术体系。在实践中，CRM在实用体系需要技术的落地实现，数据体系管理将取代传统CRM中的业务功能管理成为重要核心;同时CRM系统也不再是一个独立的功能产品，我们可以称之为UDES(User Data Eco-System)用户数据生态系统。
在新一代的UDES中，用户数据是所有功能的核心。整体的工作流程包括数据获取;数据整合;数据分析;数据应用四个部分。
下面，简单介绍下数据流程的四个环节
1. 数据获取
顾名思义就是将与用户有关的数据进行更完整的获取，但这个看似很容易理解的部分同样在零售行业有着非常困难的实现。例如：零售门店的消费数据采集，很多传统零售企业的POS系统支持订单式结算，而无法将会员信息与POS进行同步，这就造成企业无法知道某一会员的具体消费数据；另一种场景是百货联营式业态，结算系统被统一管理，当消费者进行结账时，品牌依旧无法获得准确的客户消费数据，这一现象在化妆品及快消品行业尤其突出。不要小看数据获取，因为数据分析及价值挖掘的第一要素就是数据质量。线下销售的数据收集只是一个小小缩影，每个渠道的获取都会有各自的挑战与解决方案。
2. 数据整合
整合的本质是建立CSV(Customer Single View)的过程。CSV，中文称作客户独立视图，大家更加熟悉的是客户360度视图，用户画像等词汇。CSV的价值非常重要且很好理解，就是将一个用户在多个渠道的身份信息进行关联并且通过纳入统一用户ID来进行识别管理。
虽然简单，实现起来还是比较复杂。由于前端是多渠道的数据入口，标准、类型和更新周期都不同，而业务团队对用户身份匹配的需求是实时的，因此需要创建一种快速识别用户身份的体系和规则进行快速的账号关系匹配与管理。
3. 数据分析
从品牌角度考虑，DT时代的数据分析是要回到商业本身的，通过多年的行业知识积累结合新技术应用整合多渠道数据，从多维视角来分析数据。
例如，用户关注店铺微信二维码，完成用户注册，参与某个活动，获得一张优惠券，然后客户在门店使用——这个过程就涉及到用户与微信的交互历史分析，用户对活动类型的响应分析，促销刺激后形成的消费分析这至少三个维度数据的关联与交叉，它会更加清晰地展现一个用户收到不同类型信息时的反应，基于此做出更准确的用户描绘。
4. 数据应用
这是品牌直接使用的功能，但与传统CRM相比又会有很多不同。还是用零售门店的用户管理举例，在大数据体系中，门店管理系统不仅是一个会员查询或数据录入的前端，还是一个大数据结果呈现的介质。例如客户是不是更在意积分;客户对什么产品更感兴趣;客户本次可能形成哪类消费等等。而这些信息将直接帮助零售人员提升业绩，帮助企业实现销售增长。
我们大胆设想，未来的用户数据生态不仅可以帮助企业更好的管理用户数据，实现各种业务的自动化和智能化，还可以基于数据流程让企业的多个部门联动起来，实现最大工作效率。
那用户数据管理能不能帮我快速提升销量？这是个非常现实的问题。大咖们的答案是销售额提升的关键是销售策略，系统提升的是业务效率，而效率将决定你的利润率。