译文｜用大数据重新定义客户忠诚度系统!

从以奖励为基础的尝试中建立真实的客户关系

一个忠诚度系统不应当是关于积分、奖励或地位的。虽然这些福利可以吸引消费者，但它们不能培养起忠诚度。这些系统的重点应当是，收集大量数据以便用于构建既有利于消费者又有利于品牌的关系。

在这里“有用”非常关键——因为消费者其实并不真正在乎企业是否保持数据简洁并且具有相关性。每个人在这一点或者其他某一点上可能在一项关于忠诚度的注册表上对他们的年龄撒谎，这已经不是什么秘密了。或选择不回答调查问题，故意或者无意地提供了不正确的数据，或以他们永不检查的、垃圾邮件地址作为联系方式。每一个无条件地相信消费者提供的数据的公司都是一个以本质上随机的信息进行决策的公司。

想想这一点：根据2014年债券品牌忠诚度报告，美国消费者被归入平均为10.9的忠诚度系统，但最近尼尔森的调查发现，78％的消费者说他们并不忠于某一特定品牌。

客户可能是忠诚度系统的成员，但他们显然不会忠于这些品牌。他们享受忠诚度系统的交易福利——但如果另一个品牌为他们提供了更优惠的条件，好了，别指望“忠诚”会成为他们的购买决策中的一个考虑因素。而且为什么要保持忠诚呢？如果一个品牌只在价格因素上竞争，那么他与消费者所谓的关系其实并不比一次简单的尝试更多。

大数据提供了差别

营销人员一致认为，具有高度针对性的广告活动是最有可能导致转换、保留或其他所需结果的。要做到这一点，你显然需要有数据来使你能够细分客户群体，提供相关的行动需求或奖励，并且提供该品牌的客户认为重要的产品和服务。

但是这又把我们带回到已经存在的问题：如果我们不能指望消费者来提供的话，那些值得信赖的数据又从何而来呢？答案是：观察客户的行为和偏好并串联起外部数据源。并且先进的数据分析可以在接下来拼凑出客户的一副非常准确的轮廓——这个轮廓使更加精确地细分客户成为可能。

再没有比涉及到这样的数据分析工作需要更多数据的事情了。每一个业务分析师和数据科学家都同意：对任何给定的模型来说， 扩大数据往往会在分析中产生显著的进展。而且数据将显然会以各种各样的格式涌入——结构化、半结构化和非结构化、大和小，近期的、实时的或者历史的。

如果试图把它全部存储在传统的数据仓库，那么你可能会消灭从细分中获得的所有利润。你将几乎肯定会有可用性方面的问题，并且你将会花多时间等待IT部门把数据转化成可以进行分析的格式。这就是为什么许多企业纷纷转向Apache Hadoop来提供一个大数据解决方案。

Hadoop是一个可大规模扩展的分布式存储和处理平台，并且能使大数据应用于操作和分析。它是下一代数据结构的一个关键组成部分，使公司能够构建敏捷的新的数据驱动应用程序，并且以1/10至1/50每个基础字节的成本来存储数据。

Hadoop使企业能够从每个接触点中捕获和存储数据，而无需单独的筒仓改造、清理、分析和记录数据。

应用Hadoop，企业可以把结构化、非结构化和半结构化数据源集中在一个平台上进行更深入和更丰富的分析，并可以在交易和互动上提供真正的360度全景。Hadoop也支持了一些最好的一流数据分析工具，使自助服务数据能被发现，提供有可操作性的观点和及时的商业情报。

定义和奖励真正的忠诚客户

根据“忠诚度效应”：仅仅多与5%的客户建立忠诚度关系就能导致每个客户平均增加至少25%的利润。一项BIA/凯尔研究表明，一个回头客会比一个新客户多花67％。但是忠诚度系统不仅仅是驱动重复的业务；它们也可以揭示企业想要培养哪种类型的忠诚度。基于价格点重复业务的可能是也可能不是根据品牌的定位才成为该品牌的理想客户。一些品牌可能会选择有影响力的奖励，而另一些注重业务或消费的回报。一旦一个品牌进行了细分，它就能识别他希望迎合的那些客户，并且基于大数据揭示的他们的喜好和轮廓来发展有效的策略以及差异化的体验。

使用这种方式，企业可以有信心地前进并建立一个客户忠诚系统，以此造福企业及其最有价值的客户。大数据和Hadoop的确是一个在忠诚度空间中的游戏规则改变者，并且能建立全民参与和双赢的解决方案。

原文作者：Dave Mendle，本文由CDA数据分析研究院Cecilia翻译，更多内容敬请关注