SCRM中的客戶分級(jí)管理支持
面對(duì)日新月異的新媒體，許多企業(yè)想通過(guò)對(duì)粉絲的公開內(nèi)容和互動(dòng)記錄分析，將粉絲轉(zhuǎn)化為潛在用戶，激活社會(huì)化資產(chǎn)價(jià)值，并對(duì)潛在用戶進(jìn)行多個(gè)維度的畫像。大數(shù)據(jù)應(yīng)用可以分析活躍粉絲的互動(dòng)內(nèi)容，設(shè)定消費(fèi)者畫像各種規(guī)則，關(guān)聯(lián)潛在用戶與會(huì)員數(shù)據(jù)，關(guān)聯(lián)潛在用戶與客服數(shù)據(jù)，篩選目標(biāo)群體做精準(zhǔn)營(yíng)銷，進(jìn)而可以使傳統(tǒng)客戶關(guān)系管理結(jié)合社會(huì)化數(shù)據(jù)，豐富用戶不同維度的標(biāo)簽，并可動(dòng)態(tài)更新消費(fèi)者生命周期數(shù)據(jù)，保持信息新鮮有效。
發(fā)現(xiàn)新市場(chǎng)與新趨勢(shì)
基于大數(shù)據(jù)的分析與預(yù)測(cè)，對(duì)于企業(yè)家提供洞察新市場(chǎng)與把握經(jīng)濟(jì)走向都是極大的支持。例如，阿里巴巴從大量交易數(shù)據(jù)中更早地發(fā)現(xiàn)了國(guó)際金融危機(jī)的到來(lái)。又如，在2012年美國(guó)總統(tǒng)選舉中，微軟研究院的David Rothschild就曾使用大數(shù)據(jù)模型，準(zhǔn)確預(yù)測(cè)了美國(guó)50個(gè)州和哥倫比亞特區(qū)共計(jì)51個(gè)選區(qū)中50個(gè)地區(qū)的選舉結(jié)果，準(zhǔn)確性高于98%。之后，他又通過(guò)大數(shù)據(jù)分析，對(duì)第85屆屆奧斯卡各獎(jiǎng)項(xiàng)的歸屬進(jìn)行了預(yù)測(cè)，除最佳導(dǎo)演外，其它各項(xiàng)獎(jiǎng)?lì)A(yù)測(cè)全部命中。
市場(chǎng)預(yù)測(cè)與決策分析支持
對(duì)于數(shù)據(jù)對(duì)市場(chǎng)預(yù)測(cè)及決策分析的支持，過(guò)去早就在數(shù)據(jù)分析與數(shù)據(jù)挖掘盛行的年代被提出過(guò)。沃爾瑪著名的“啤酒與尿布”案例即是那時(shí)的杰作。只是由于大數(shù)據(jù)時(shí)代上述Volume(規(guī)模大)及Variety(類型多)對(duì)數(shù)據(jù)分析與數(shù)據(jù)挖掘提出了新要求。更全面、速度更及時(shí)的大數(shù)據(jù)，必然對(duì)市場(chǎng)預(yù)測(cè)及決策分析進(jìn)一步上臺(tái)階提供更好的支撐。要知道，似是而非或錯(cuò)誤的、過(guò)時(shí)的數(shù)據(jù)對(duì)決策者而言簡(jiǎn)直就是災(zāi)難。
那些尋找大數(shù)據(jù)營(yíng)銷切入點(diǎn)的企業(yè)不妨看看上述應(yīng)用，或許能有所啟發(fā)。