数据可谓是当下热的行业话题之一，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。
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。根据客户的消费数据进行分析、制定营销策略与内容、管理会员积分与等级、刺激用户复购，这些都是传统CRM的基础功能。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，更多考虑功能是否满足需求而轻视数据流转流的设计，因此会出现大量信息孤岛，无奈只能通过更多的数据接口进行系统对接和数据交互。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，并通过消费产生积分、积分提升会员等级、会员等级关联更多会员权益的逻辑刺激和维系一定的消费关系与消费频次。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;;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，体验的核心是指每个人对相同事物感受是不同的;佳体验则是针对不同个体极具个性的体验。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。其实我们还要记录与分析用户参与的渠道和时间，未来将有更多的用户愿意为更具个性或有趣的体验单。不是所有用户都喜欢互动，也不是所有人会在接到活动信息后时间就参与。根据掌握的用户数据，形成更的用户认知后，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。宗旨就是让用户获得佳体验，在这之后消费则是水到渠成的事情，当然也需要配合用户消费能力和心理的变化。
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。
另一方面，UDES和传统业务系统大的不同还包括使用者的角色。过去的ERP或CRM都是各部门独立使用，数据的交互也建立在部分业务流程方面。但基于大数据结构的UDES，将实现一套完整的系统架构，其满足销售;营销;CRM;IT;决策层共五个业务部门的用户管理需求，这也是未来基于数据建立系统架构的特点。
下面，我简单介绍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。因此未来的POS将逐渐转化为类似Counter Portal的产品，不仅具备基础的结算功能，也具备更强大的用户数据收集与管理功能;在部分联营业态中，Counter Portal已经成为品牌进行前端用户服务的重要产品。不要小看数据获取，因为数据分析及价值挖掘的要素就是数据质量。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。
当然，对于其他online数据，系统也需要具备很强的获取能力，同时在类似社交媒体渠道，我建议系统对数据还要具备一定的处理分析能力，因为每个渠道都有各自特性，对于类似这样的交互数据，我们可以利用触点标签的形式来处理用户的不同类型的交互结果，从而达到数据结构化的目标。
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。如果说用户画像是很多品牌对用户认知的最终交付物，那么CSV就是形成这个交付物的重要环节。
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，因此需要创建一种识别用户身份的体系和规则进行的账号关系匹配与管理。目前手机号;;或第三方账号都是比较有效的账号关系匹配条件，但也不能简单的用手机号整合全部渠道的数据。
3. 数据分析
很多朋友都比较关心算法模型，坦诚地说，目前的大数据模型还处在发展的初级阶段，并且多数建立在数学模型基础上，这与实际经营的关注点有一定差距;如果品牌希望直接从这类模型中找到新的商业机会，还需要些耐心。
目前，有商业价值的是分析模型，基于品牌从业者多年的业务知识积累;只不过在过去数据渠道相对闭塞的时代，品牌习惯对单类型数据进行深度分析，挖掘更多用户价值或看到新业务机会的结果往往差强人意。究其原因，我不认为是分析模型或分析能力的问题，而是技术支持与数据类型的局限。
从品牌角度考虑，DT时代的数据分析还是要回到商业本身，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，从多维视角分析数据。
例如，传统CRM擅长分析用户消费行为，以此预测或干预下一次消费，这类分析主要集中在消费的维度展开。延展消费动作则需要消费入口及消费刺激两个条件。用户关注二维码，完成用户注册，参与活动，获得一张优惠券，客户在附近门店使用--这个过程就涉及到用户与的交互历史分析，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。将多个渠道数据进行关联分析的基础就是之前提到的CSV的建立，否则一切都是无法完成的。
也许有些朋友觉得这是BI可以做的事情，理论上讲是相似的。但BI大部分由IT团队管理，在很多公司也算是一种IT资产，离实际业务有些距离，同时BI的使用成本较高，业务相应速度无法满足当下变化的市场，而这里讲的数据分析交付物应包括：动态数据仪表盘(实时业务数据显示);数据报表(数据分析与挖掘);业务建议(业务部门可以直接使用各类策略)。
4. 数据应用
这是品牌直接使用的功能，无论是营销;销售;用户管理;数据管理还是业务决策。但与传统CRM相比又会有很多不同。还用零售门店的用户管理举例，在UDES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，它也是一个大数据结果呈现的介质。零售人员可以在查看用户历史数据的同时看到关于这个客户的业务，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。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。同样，在营销方面，假设我们要对一个地区的女性用户做一个创意活动，那么如何认知这些用户的特征呢?数据应用可以实现选择一个用户群体，同时将这个群体的标签进行合并计算，列出至少TOP10，让创意人员更了解客群的相对共享特征，辅助创意。
营销自动化流程推送信息后，UDES也将自动回收用户的反馈，这些动作就是一个新的数据循环开始了。
未来已经到来，未来的商业应用将将具备三个重要特点：智能化(Intelligence);易用(Usability);(Efficiency)。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，实现大工作效率。
有些客户也问过我，用户数据管理能不能帮我提升销量。这是个非常现实的问题，我的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。
请联系网站，了解详细的优惠课程信息~
优质、、便捷、省心
