理论教育 客户关系管理中的重要阶段:生命周期管理

客户关系管理中的重要阶段:生命周期管理

时间:2023-06-09 理论教育 版权反馈
【摘要】:此阶段客户保持的策略重点是恢复客户关系和建立长效预警机制。典型的倒U形客户生命曲线是一个理性的模式,它完整地包含了生命周期的四个阶段。但在现实的客户关系发展中,社会环境的影响、企业管理的因素、产品服务的不同都会使客户生命曲线有不同的走向。

客户关系管理中的重要阶段:生命周期管理

1.客户生命周期的概念

客户生命周期是指从一个客户开始对企业进行了解或企业欲对客户进行开发开始,直至客户与企业业务关系完全终止且与之相关的事宜完全处理完毕的这段时间。客户关系的发展划分为四个阶段:考察期、形成期、稳定期和退化期。

(1)考察期

考察期是客户关系的试探和探索阶段,其特点有以下四点。

①双方考察和测试目标的相容性、对方的诚意、对方的绩效。

②考虑如果建立长期关系双方潜在的职责、权利和义务。

③双方相互了解不足、不确定性是考察期的基本特征。

④评估对方的潜在价值和降低不确定性是这一阶段的中心目标。

在这个阶段企业客户保持策略重点是获取客户信任,企业可以对客户进行适当的投资,如商品试用、免费为客户培训等。同时要保持积极、有效的沟通,让客户相信选择我们是有价值的。最后,公司要有良好的信誉和快速提供服务的能力。

(2)形成期

形成期是客户关系的快速发展阶段,其特点有以下三点。

①双方从关系中获得的回报日趋增多,相互依赖的范围和深度也日益增加。

②逐渐认识到对方有能力提供令自己满意的价值和履行其在关系中担负的职责,因此愿意承诺一种长期关系。

③双方相互了解和信任的不断加深、关系日趋成熟,双方承受意愿增加,双方交易不断增加。

在这个阶段企业的客户保持策略重点是让客户满意。企业可以通过了解和满足客户的个性化需求,保持竞争的优势,同时加强与客户的有效沟通,让客户坚信我们能够比竞争对手提供更好的产品和服务。

(3)稳定期

稳定期是客户关系发展的最高阶段,其特点有以下四点。

①双方或含蓄或明确地对持续长期关系做了保证。

②双方对对方提供的价值高度满意。

③为能长期维持稳定的关系,双方都做了大量的有形和无形投入。

④大量交易。

在这个阶段的客户保持策略重点在于设置客户退出壁垒和降低交易成本。客户退出壁垒可以从经济、技术专利和契约三方面设置:可以使结束客户关系会给客户带来经济上的损失;或是运用专利、技术等让客户对产品或服务产生一定的依赖性;再者可以通过与客户签订合同,用法律效应造成客户的退出壁垒。降低交易成本可以从提高企业内部信息化作业水平,优化企业产品或服务的配送和服务体系,开发信息化交流渠道等,来提高运作效率,降低成本。

(4)退化期

退化期是客户关系发展过程中关系水平逆转的阶段,其特点有以下三点。

①交易量下降。

②一方或双方正在考虑结束关系甚至物色候选关系伙伴。

③开始交流结束关系的意图。

此阶段客户保持的策略重点是恢复客户关系和建立长效预警机制。在危机中分析客户流失的原因,提出预防现有客户流失的措施,建立一个预防客户流失的长效机制。对于危机中的客户关系,企业必须做到纠正失误和提供补偿。

2.客户生命曲线

典型的客户生命曲线呈倒U形,如图4-20所示。曲线I和II分别描述交易额TV(t)和利润P(t)随时间T的变化趋势。

TV(t)交易额:客户关系水平越高,交易额越大;形成期后期接近最大值,稳定期上升十分缓慢。

图4-20 客户生命曲线

P(t)利润:客户关系水平越高,交易额越大;形成期迅速发展,稳定期发展比形成期慢,稳定期达到最大值。

典型的倒U形客户生命曲线是一个理性的模式,它完整地包含了生命周期的四个阶段。但在现实的客户关系发展中,社会环境的影响、企业管理的因素、产品服务的不同都会使客户生命曲线有不同的走向。根据客户退出的时间不同,客户生命曲线又可以分为以下四种类型:早期流产型、中途夭折型、提前退出型、长久保持型,如图4-21所示。

图4-21 客户生命曲线类型

(a)早期流产型;(b)中途夭折型;(c)提前退出型;(d)长久保持型

3.客户生命周期阶段划分与特点

客户生命周期阶段划分可以直观地展示客户关系水平是随着时间的变化从一种状态向另一种状态运动的阶段性特征。该周期将客户依次划分为潜在客户、新客户、老客户、新业务的新客户,如图4-22所示。

图4-22 客户生命周期阶段

(1)潜在客户阶段的特点

最初,当一个客户在询问企业的业务时,他表现出对该业务的兴趣,他就成了该企业业务的潜在客户。

下列三种因素会对客户进入下一阶段有影响。

①外界评价。

②客户的层次。

③客户的所属行业。

(2)新客户阶段的特点

当客户经过需求意识阶段、信息收集阶段、评估选择阶段后,对企业业务有所了解,或者在别人的推荐和介绍之下会将某种产品和服务的期望同属于自己的价值观念密切联系在一起,客户决定使用或者购买某一企业的某个产品或是服务时,他就由潜在客户上升为了新客户。

以下五种因素影响客户进入下一阶段。

①客户对产品质量的感知。

②客户对产品服务质量的感知。

③客户对价值的感知。

④企业竞争者的资费信息。

⑤客户需求的情况。

(3)老客户阶段的特点

在这个阶段,用户培养起了对企业的基本信任感,使用该企业的业务也持续了一段时间,从而成为该企业的老客户。

以下三种因素影响客户进入下一阶段。

①企业的服务情况。

②客户新的业务需求。(www.daowen.com)

③企业竞争者的信息。

(4)新业务的新客户

即原有的老客户由于建立起对该企业业务的信任感,进而使用了该企业的新业务,这时的使用是建立在一种相互信任的基础上,不同于一个纯粹新客户对新业务的接受。

以下四种因素影响客户进入下一阶段。

①老业务的运行情况。

②新业务的发展情况。

③客户的满意程度。

④企业的发展状况。

【同步阅读】

还在使用过时的传统细分方法?来看看新时代的营销分析。

随着营销分析在市场营销活动中的作用愈发重要,越来越多人开始注重营销分析。一方面,传统营销细分的有效性受到传统方法的限制。另一方面,转向基于模型细分的营销团队可以基于大体量的多样性数据点的交互来动态创建客户细分。

那么,从传统方法转换到基于模型的客户细分有哪些优势?让我们从头说起。

通过传统细分方法,客户知识数据往往是僵化且过时的,所以使用这种方法将广告活动优化到特定目标群体时经常导致营销人员错误的分析结果。一些主要的限制包括以下四点。

①缺乏行为数据。传统营销细分通常依赖于消费者自己填写的数据信息,这种数据往往是有限的。而且这种方法使其难以在更深层次上了解用户和分组用户,并且不可能随着时间的推移了解用户的更多信息。

②样本太小。用于传统营销细分方法的数据通常涉及调查数据和销售数据。这种方法的问题是数据量的大小——较小的样本数据发现不了趋势。而使用大数据,并不是割裂地跟踪分析每一个有价值用户的数据,而是通过分析群体数据来发现趋势,以勾画出一个完整的蓝图。

③单一数据源。传统的客户细分缺乏从多个来源(如公司机构的CRM、电子邮件和社交媒体数据)收集和评估数据的灵活性。

④数据使用寿命及其限制。传统细分依赖于固定数据,这些数据往往一年只更新一次,当你尝试了解客户群体的复杂性时,这些数据太过局限。客户可能会在2015年1月份购买一件蓝色的T恤,但在2015年6月开始购买粉红色的T恤。如果你的细分是根据旧数据(即2015年1月买的蓝色T恤)完成的,那么你会继续推动蓝色T恤的营销推广,因此错过销售粉红色T恤或相关产品。

1.2017年的营销细分

我们现在处于一个新的数据时代,客户数据的数量和质量在类型、复杂性、多样性、速度和相互依赖性方面都在极速增加。这些高度特定信息的新数据源为智能和动态地细分客户数据库提供了更加详尽和不断发展的机会。但是如何做呢?

(1)利用所有数据

广义而言,有三种类型的数据(交易数据、交互数据和外部数据),当通过这三种数据组合分析时,要提供用户数据的整体视图。

(2)交易数据

交易数据是最古老的数据类型之一,反映了各种以客户为中心的数据,如时间、地点、价格、付款方式、折扣价值、购买数量等。所有这些数据可以结合起来,勾画出一个精确的关于客户购物习惯和兴趣的蓝图。

(3)交互数据

数字时代使公司能够跟踪所有渠道的客户和潜在客户,无论是网站互动、社交媒体、电子邮件、电话交谈或短信。你可以创建几乎一对一的关系,并结合其他互动点,得到一个全球客户的视图。

(4)外部数据

外部数据被定义为组织内部系统之外的所有数据。历史上,这种类型的数据受到传统细分方法的阻碍:外部数据是有限的,如果可用,只考虑符合细分规则范围的数据(如平均年龄组、按位置过滤的兴趣等)。总体方法并不广泛,结果有限。

随着分析处理技术的进步,再加上扩展的数据可用性(例如开放数据计划),公司机构现在可以利用各种维度的数据,以便理解客户行为更深层次的意义。例如,地理和社会人口数据集可用于提供深刻的客户洞察:特定区域的交通拥堵将如何影响零售店访问,天气如何影响户外地点的行车路况,等等。

2.利用机器学习

机器学习涉及数学统计学和计算机科学,旨在根据数据中发现的模式进行预测。机器学习可以帮助营销团队预测客户可能做什么。这是可能的,因为细粒度分割方法——使用详细的数据集来确定客户可能具体的行为。

我们不再基于广泛的标准化查询(例如客户收入和年龄)得出结论,我们正在使用机器学习来基于特定的行为分析来获得预测性结论,例如通过用户在手机上参与某个社交媒体,预测用户何时访问商店。

3.不要忽略你的已有能力

当今营销的竞争格局与十年前的环境是非常不同的。在以客户为中心的时代,技术已经发展到可以做到,无论是否要求,针对客户的营销是个性化的、定制化的。传统上,营销决策受到客户反馈的影响。公司祈祷希望客户能够让自己了解他们的经历,得到这种反馈将有助于改善运营。

然而,通过分析大量的可用数据,营销人员不必再等待客户反馈。如果他们想做出明智的决策来优化策略,他们需要收集用户数据的来源(即交易数据、交互数据和外部数据)并利用机器学习的力量。

(资料来源于网络)

【同步实训】

实训1 建立RFM模型

【实训目的】

能够了解客户需求并挖掘客户价值,掌握网店客户关系管理的方法与手段,掌握客户数据搜索、分析以及如何针对不同客户开展客户关系管理。

【实训内容与步骤】

(1)利用调查问卷收集客户信息,完成表4-1。

表4-1 客户关系管理调查问卷

(2)从淘宝网客户关系管理调查问卷中随机抽取10名客户的调查结果,完成表4-2。

表4-2 问卷结果

(3)比较各客户的均值,如果客户的单个指标大于(等于)单个指标平均值,则标记“↑”,否则标记“↓”,(比较结果如:↑↑↓)完成表4-3。

表4-3 客户均值比较

(4)在上一个任务中,我们制作表4-2的过程就是建立客户细分模型即RFM模型的过程。下面我们要对客户交易行为进行深入分析。

根据表4-3中的客户均值比较结果,将客户划分为不同的客户级别,填写在表4-4中。

表4-4 细分客户级别

(2)针对不同的客户类型制定相应的营销策略,以期达到维护客户关系以及提升客户价值的目的,完成表4-5。

表4-5 制定营销策略

【实训提示】

虽然此次实训我们只选择了10个样本进行RFM模型的建立,若是想要模型更真实、更贴近实际,需要企业采集更多的样本。

【思考与练习】

(1)客户关系的发展可以划分为哪几个阶段?各阶段分别具有什么特点?

(2)为什么要对客户进行细分?

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈