详细阐述:由点及面的CRM认知

未来商业都是要围绕着人展开的,广义的讲所有业务的产品都可以纳入CRM,CRM将是各大平台或商家适应未来商业环境的基础标配。那么我们该怎样完整认知CRM呢?

随着国内互联网的发展,中产阶级崛起和消费升级,未来的服务是贴近生活,贴近人的,未来的商业是需要基于人更加精细化区隔耕作的。

如何区分和发掘不同用户身上的价值?如何维系稳定且活跃的用户关系?如何在竞争中稳定发展并持续提升品牌壁垒……这些问题需要有足够支撑业务需要的CRM来解决。

未来商业都是要围绕着人展开的,广义的讲所有业务的产品都可以纳入CRM,CRM将是各大平台或商家适应未来商业环境的基础标配。

那么我们该怎样完整认知CRM呢?

大家对知识的认知通常是由点到面逐步展开的,我个人认知CRM的过程也是如此的。接下来从我自己接触、认知CRM的经历跟大家做个分享。

早期的CRM:记录线索及沟通信息

最早接触CRM是在做咨询的时候,就是使用CRM来管理客户。当时的用CRM主要是记录线索,记录客户沟通合作信息。

通常是通过购买行业黄页,参加行业会议获得行业会刊,甚至是扫楼陌生拜访获得初步的客户线索,然后手工录入到CRM中(To B的服务,通常同一家客户可以录入多个联系人信息)。

接着就是对线索客户进行疯狂电话推介我们的服务,绝大多数是听不了几句无果的,会继续留在CRM线索库中,留给新人练手;有意向的就会分拣出来归属到自己的名下,这样别人就无法看到这个客户,并做详细的沟通记录,作为后续跟进的依据,就是我们所谓的潜在客户。

将潜在客户转化为客户的过程通常需要很多轮很久的沟通才能实现,一旦客户方表达合作意向,接下来需要的是要进行登门拜访。详细了解客户的需求后,结合公司的资源,给客户制定解决问题的方案,客户认可方案,签约即成为客户。在这过程中的每次电话沟通、面谈报告、以及合同及金额和付款方式都会在CRM中详细记录。

接下来是服务客户的过程中,服务客户的完整记录。合作项目的关键人,合作周期内的报告,阶段付款,甚至是和客服方Keyman的公关记录。项目结束后,有的客户的合作到此结束,有的还会有后续合作,处理明确表达不再后续合作的,一般的还会留在客户名单中,会定期进行回访维护。

作为咨询公司,给客户解决问题的机构组织,理论上是没有完全流失的客户,除非客户公司倒闭不存在了。

这些就是我对CRM的初步了解和认识,完全是对客户信息的分类管理,对客户档案的完整记录,有对客户生命周期和转化路径的基本认知。

从会员营销开始,加深对CRM的认知

后来做基于用户信息的会员营销,没有C客户的概念。有的是海量的用户数据,几百个字段的用户描述信息。根据客户的品牌/产品的定位,将用户从人口属性、行为数据、统计特征标签的维度进行画像描述,进行区隔,会涉及到多种数据分析方法,多种数据挖掘预测。

在这个阶段,对基于用户的业务分析及其商业应用有了比较系统的认识,特别是形成了对精准营销的系统认知(任何一个营销策略需要包括对象、内容、时机、渠道)。

微博营销时代过后就是微信营销,随着各大社交平台的涌现,SocialCRM概念出现,用户的数据来源越来越丰富。

应公司服务客户的业务需要,特别是大型汽车集团,涉及多个品牌在多个社交平台上的官方账号,要对这些账号以及围绕这些账号的用户(粉丝)进行统一管理,就需要有个一站式对多渠道的用户(粉丝)进行统一管理。

初次设计这样的系统,前期的准备工作做的比较充足,查阅参考了这块国外做的比较好的Marketo、Eloqua、Vtiger等,并且对这些产品来来回回进行反复的拆解剖析。当时也咨询了当时微博上的CRM大牛@叶开@鲁百年博士,仔细读了一系列研究CRM的论文和书籍……

在这个阶段中,对CRM有了较深刻的理解,了解到了自动化营销,事件触发器的自动营销。SocialCRM的用户关系的无线扩展关联,特别是微信开放平台的推出,其Union ID用户体系,对多渠道多形态用户端用户的统一管理,这对个人后面的产品思想影响深远

在To B的给餐饮商家提供完整的系统服务解决方案的过程中,要把握的要点是给商家提能增效降成本,不能给门店人员操作增加麻烦,我们通常需要提供全业务流程的完整服务方案。因此,我们选了基于微信开放平台的Union ID机制作为我们的用户管理体系,由我们提供的APP、H5页面 、公众账号自定义菜单服务…..用户触达页面都能进行统一识别表示。

我们提供给商家的服务是比较完整的,因此在会员管理这块,我们提供了基础的多层级从属关系客户管理、客户分级分组(会员权益、积分、等级 ……)、客户标签(基于多场景的触发应用)、会员卡(电子卡&实体卡互通)、商品价格和会员权益的关联、精准营销(基于客户画像的精准描述)、过滤器和触发器的设计等。

在这个阶段,除了对CRM有了较全面的认知,还在实战中将原有的想法和思路得以完整的实现,特别是在实际产品设计过程中,对客户管理对象的定义和功能设计要考虑到各业务对象的千丝万缕的关联。

在万达网科,我们事业部服务的对象是连锁品牌客户,连锁品牌客户的门店有在我们合作的商业广场中的,也有街边店的。品牌对其客户的管理需要有来自于线下门店,线上飞凡(万达网科的用户App)体系终端和品牌自己的用户终端,要求线上线下数据的高端融合,客户要满足多层级多从属关系的归属主体。

其实这就是后面被人提及的OMO模式的集中呈现,OMO业态是当前个人认知中对CRM应用最完整的业态。

如图示:

  • 客户数据通过线上线下渠道进入CRM数据中心,线上渠道包括社交网络、电商平台、APP移动门户;线下渠道主要涉及POS销售终端、门店服务终端、数字化互动设备等IOT。
  • 数据集成到数据中心后,以CRM的数据描述分析为基础,我们根据业务需要封装相应的产品功能,用来对会员数据进行业务管理,对会员进行细分洞察描述,进行生命周期管理,进行忠诚度管理等,用来更好的服务于经营过程中的营销、销售和客服业务。
  • 在线上线下的营销、销售和客服电话业务中产生的数据又通过用户触点进入数据中心,形成一个大的业务闭环。

在这一阶段,我对零售生态有了较全面的认识,对CRM的商业应用有了更准确的总结概括。CRM围绕人展开为商家赋能,而商家围绕着客户的经营业务概括起来不外乎销售、营销、服务。

客户通过各业务触点(线上线下)留存信息到数据中心,CRM对会员数据进行多维度的分析描述,根据业务需要进行多种分类分组方法细分区隔成不同特征属性的聚类分组。对分组的特征客户进行有针对性的差别销售、营销、服务。在近期与各服务商的服务对接过程中,又深化了超级会员、私域流量、全渠道CRM等层出不穷的新概念。

很庆幸,自己在过往的过程中在CRM认知上是一脉相承下来的。每个阶段接触的业务需求有差异,每个阶段对CRM有着不同的认知,随着对CRM产品设计的深入,未来对CRM应该还会有更加深入更加广泛的认知。

跟大家分享这些,主要是想让大家了解,认知一个事物或者一个体系的知识,由点及面,循序渐进是正常的,我也是这么走过来的,更深更广的认知,需要经历的沉淀。

在我过往的经历里,我也特别庆幸自己能在各阶段就与一些CRM领域的大牛有过交流,让我很早就对CRM有了更深的理解。

为了帮助更多的互联网人加速认知CRM的过程,本人目前正在与起点学院联合发起15日学习计划《CRM会员系统设计》,欢迎各位看官围观。

#专栏作家#

Reuter,知乎专栏:电商CRM规划,人人都是产品经理专栏作家,自诩数据分析思维做产品的PM。善以数据分析思维做解析产品业务需求,完成产品实现。

内容概要:本文档是关于基于Tecnomatix的废旧智能手机拆解产线建模与虚拟调试的毕业设计任务书。研究内容主要包括:分析废旧智能手机拆解工艺流程;学习并使用Tecnomatix软件搭建拆解产线的三维模型,包括设备、输送装置等;进行虚拟调试以模拟各种故障情况,并对结果进行分析提出优化建议。研究周期为16周,涵盖了文献调研、拆解实验、软件学习、建模、调试和论文撰写等阶段。文中还提供了Python代码来模拟部分关键流程,如拆解顺序分析、产线布局设计、虚拟调试过程、故障模拟与分析等,并实现了结果的可视化展示。 适合人群:本任务书适用于机械工程、工业自动化及相关专业的本科毕业生,尤其是那些对智能制造、生产线优化及虚拟调试感兴趣的学生。 使用场景及目标:①帮助学生掌握Tecnomatix软件的应用技能;②通过实际项目锻炼学生的系统建模和虚拟调试能力;③培养学生解决复杂工程问题的能力,提高其对废旧电子产品回收再利用的认识和技术水平;④为后续的研究或工作打下坚实的基础,比如从事智能工厂规划、生产线设计与优化等工作。 其他说明:虽然文中提供了部分Python代码用于模拟关键流程,但完整的产线建模仍需借助Tecnomatix商业软件完成。此外,为了更好地理解和应用这些内容,建议学生具备一定的编程基础(如Python),并熟悉相关领域的基础知识。
内容概要:本文档《Kotlin语言教程&案例之基础入门与核心应用》深入介绍了Kotlin这一现代编程语言的关键概念、核心技巧、应用场景及未来发展趋势。文档首先解析了Kotlin的核心概念,如空安全机制、扩展函数、数据类和协程等,强调了其简洁性、安全性和与Java的无缝交互。其次,通过类型推断和lambda表达式的实战讲解,展示了提升编程效率的方法。文档还列举了Kotlin在Android开发、后端服务、桌应用和跨平台开发中的具体应用实例,特别是通过用户信息管理系统的代码案例,详细分析了数据类定义、扩展函数实现、协程处理异步查询以及密封类与when表达式的使用。最后展望了Kotlin的未来发展,包括多平台开发、与AI工具的集成以及在数据科学领域的潜力。; 适合人群:对编程有一定了解,尤其是对Java有基础,希望转向或深入了解Kotlin的开发者,以及对跨平台开发感兴趣的程序员。; 使用场景及目标:①学习Kotlin的核心概念,如空安全、扩展函数、数据类和协程等;②掌握提高编程效率的技巧,如类型推断和lambda表达式的使用;③理解Kotlin在不同应用场景下的实战案例,如Android开发、后端服务等;④探索Kotlin的未来发展方向,如多平台开发和与AI工具的集成。; 阅读建议:此资源不仅涵盖了Kotlin的基础理论,还包括大量实战案例,因此在学习过程中应结合实际代码进行练习,特别关注代码中的注释和逻辑,以便更好地理解和掌握Kotlin的特性和优势。
内容概要:该论文提出了一种针对超密集无线网络中移动性管理问题的非平稳在线学习方法,旨在解决传统优化方法在时变环境中无法实现长期最优性能的问题。文中主要介绍了MMBD/MMBSW算法,通过学习变化的吞吐量分布来解决频繁切换问题。理论分析和仿真结果显示,这些算法不仅在有限时间范围内能达到次线性遗憾性能,在无限时间范围内也有严格的遗憾界,并且优于3GPP协议,对实际超密集无线网络中常见的系统动态变化具有更强的鲁棒性。此外,文章还提供了详细的Python代码实现,包括算法的核心逻辑、仿真环境设置和主仿真函数,以及针对频繁切换、乒乓效应和切换失败问题的具体解决方案。 适用人群:通信工程领域的研究人员、无线网络优化工程师、机器学习爱好者以及对非平稳在线学习算法感兴趣的学者。 使用场景及目标:①研究和开发适用于超密集无线网络的高效移动性管理算法;②评估不同算法在处理频繁切换、乒乓效应和切换失败问题上的表现;③探索如何将移动性管理建模为在线学习问题,提高网络性能和用户体验。 其他说明:本文不仅提供了详细的算法实现和仿真代码,还深入分析了传统移动性管理协议的局限性以及在线学习方法的优势。对于希望深入了解非平稳在线学习在移动性管理中应用创新的读者,本文提供了丰富的理论依据和技术细节。此外,文章还讨论了实际部署时需要考虑的因素,如计算复杂度、参数配置建议和与现有协议的集成方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值