尽管数据科学在客户体验和客户关系管理生命周期的各个方面发挥着越来越重要的作用，但是，仍然有许多公司尚未在其营销策略中充分利用这项先进技术。其中一个主要原因是，对数据科学协助企业更有效地与客户互动的具体方式缺乏清晰的认识和了解；同时，也无法确定潜在的改进措施。

首先从企业的首要目标 — 获取新客户说起，或许有助于更好地了解数据科学让销售和营销更有效的具体方式。

客户数据如此充足，但时间却相当紧迫

对大多数企业而言，问题不在于数据太少，而是数据太多。企业拥有海量关于销售线索、潜在客户以及现有客户的数据，但却难以妥善整理和充分利用这些数据来规划外展营销活动的优先顺序。重要数据通常分布在多个不同部门，包括营销部门、内部销售以及现场销售团队。这些重要数据从各种外部源和数据库，以及囊括所有接触点和通信渠道的内部系统源源不断地流入。

数据科学算法可协助企业从这些混合复杂的数据中获得洞察。算法不仅可以梳理所有数据源并整合多元数据点所含的信息，以此锁定合适的潜在客户，适时向其发送推荐。而且它还可以提供丰富的关联信息，销售团队运用这些关联信息可显著提高营销效果。关联信息具体包括针对推荐原因的理由分析或解释说明，以及从相关应用程序中提取的关联数据，例如 CRM，它有助于用户以更加智能和更加有效的方式对系统推荐采取合理行动。换句话说，尽管定位更高质量的潜在客户很重要，但是，销售人员需要掌握客户关系、客户过去的购买行为以及其他因素的概况，才能卓有成效地开展相关营销工作，而这些概况信息都可以通过分析数据来获取。

通过分析数据，为客户提供个性化体验，让客户感到某款产品是专门为他设计的，这种差异化体验往往能令企业脱颖而出。正确的选择往往具有事半功倍的效果，比如Infor CloudSuite Retail是专为零售企业设计的可在云端交付的全新现代企业级套件，帮助零售企业在数字时代转变销售商品和服务客户的模式。Infor CloudSuite Retail将在全球范围内支持各种类型的零售方式，包括电商、实体商店、社交、移动、时尚、轻工业品、批发商和杂货店。该套件的架构可以让零售商摒弃原有的换代模式而直接利用下一代产品的性能。

量化数据科学的价值

企业如何评估数据科学技术对营销和销售的影响以及有效性？评估流程应涉及两个方面，一是跟踪算法对相关业务成果的总体影响，二是跟踪最终用户遵循系统推荐的有效性是否提升。要跟踪的一些关键指标包括：

净增新客户的总体增长情况，以及数据科学算法优先推荐且最终用户付诸实际行动的潜在销售线索的转化率。

面向现有客户的下一次购买推荐的有效性，包括对客户在一定天数内进行另一次购买的预测概率的准确性，以及数据科学引擎提供的购买推荐的成功率。

关于客户流失预警的影响，这包括评估确定为存在风险的客户的流失率（与平均流失率相比），以及对标识为早期预警且客户维系团队已采取挽留措施的这类客户，评估其流失率的总体下降情况。

以前的数据环境让企业无法通过系统方法来确定针对某个特定客户的下一步行动计划，相比之下，数据科学引擎的价值和优势显而易见。在以前那种环境下，企业的应对措施不仅多数属于被动反应，而且是由客户事件或者销售和营销人员的个人判断所引起。要想衡量数据科学引擎的真实影响，企业需要对比以前的环境和做法，来跟踪这些相同指标的差异。

要管理好客户的体验，营销人员要客服很大的困难，他们必须为成百上千甚至上万的潜在客户提供高度个性化的相关服务。他们还必须提供高度吸引人的促销活动来刺激客户做出反应，同时依然要确保企业达到利润目标、使用率目标和其他KPI目标。毕竟，高度优惠的促销依然需要保证企业的利润才有意义。

数据科学创造了管理客户体验的诸多可能性。它为销售和营销专业人士提供了一种方法，让他们能够以数据为基础，就如何以最有效的方式部署营销资源以及与潜在客户和现有客户进行互动做出明智的决策，从而减轻他们在做出许多至关重要的决策时对个人判断和直觉等主观因素的依赖。

2019年03月25日 于上海

版权作品 未经许可 请勿转载