客戶數(shù)據(jù)分析:知道的太多也不是好事

數(shù)據(jù)被稱為21世紀(jì)的石油，其中客戶數(shù)據(jù)又是數(shù)據(jù)中最為重要的。大數(shù)據(jù)中與客戶數(shù)據(jù)有關(guān)的，包括社交媒體數(shù)據(jù)、電子郵件、調(diào)查、客戶服務(wù)數(shù)據(jù)等，很多組織都擁有很多數(shù)據(jù)。但是，很多數(shù)據(jù)還處在原油階段，沒(méi)能得到處理、提取、和加工，客戶數(shù)據(jù)還不能產(chǎn)生業(yè)務(wù)價(jià)值。只有組織采取行動(dòng)，深挖數(shù)據(jù)，客戶數(shù)據(jù)才能有所貢獻(xiàn)，而不止是一堆0、1和文本。

因此，產(chǎn)生了客戶數(shù)據(jù)分析。不斷地，組織投資在數(shù)據(jù)分析領(lǐng)域，希望能夠從數(shù)據(jù)中挖掘價(jià)值，從而更好地開拓客戶、維護(hù)客戶。

例如，網(wǎng)購(gòu)網(wǎng)站eBay就分析來(lái)自客戶數(shù)據(jù)庫(kù)和網(wǎng)站活動(dòng)數(shù)據(jù)的銷售記錄，以此支持市場(chǎng)戰(zhàn)略，將主頁(yè)進(jìn)行個(gè)性化調(diào)整，讓不同的用戶瀏覽到不同的內(nèi)容。在2014大數(shù)據(jù)創(chuàng)新大會(huì)上，eBay前總裁Vadim Kutsyy表示，分析項(xiàng)目能夠幫助網(wǎng)站提高業(yè)務(wù)水平。

另外，eBay通過(guò)數(shù)據(jù)分析，盡量避免給客戶顯示過(guò)多廣告和客戶不感興趣的產(chǎn)品。eBay盡量為用戶提供積極的網(wǎng)站體驗(yàn)，這也是Kutsyy的首要分析任務(wù)。他表示：“我總在問(wèn)自己，我們的客戶是否從我們收集的數(shù)據(jù)中獲得了價(jià)值？”

Kutsyy介紹了一系列eBay正在使用的數(shù)據(jù)管理平臺(tái)和項(xiàng)目語(yǔ)言，比如Hadoop、Teradata數(shù)據(jù)倉(cāng)庫(kù)和MySQL、Cassandra數(shù)據(jù)庫(kù)。但是他認(rèn)為，要獲得正確的客戶分析，就不能依賴技術(shù)。組織采用的任何工具都是為客戶服務(wù)的。客戶關(guān)心的不是你用了Hadoop還是Teradata，或者你用的Java語(yǔ)言還是Python語(yǔ)言，客戶關(guān)心的是自己的體驗(yàn)。

客戶分析

Netflix也采用了客戶數(shù)據(jù)分析，用來(lái)個(gè)性化在線流媒體服務(wù)，保證客戶能夠滿足于服務(wù)，按月支付月費(fèi)。Netflix負(fù)責(zé)流科學(xué)算法的總監(jiān)Nirmal Govind表示，收集和分析用戶行為數(shù)據(jù)包括他們看的電影、觀看時(shí)間、和持有的互聯(lián)網(wǎng)賬號(hào)。他說(shuō)：“我們有很多數(shù)據(jù)，顯示客戶的消費(fèi)內(nèi)容，他們喜歡什么。所有這些數(shù)據(jù)都可以用于優(yōu)化客戶體驗(yàn)?！焙蚭Bay一樣，Netflix使用了很多技術(shù)來(lái)支撐數(shù)據(jù)分析項(xiàng)目，其中包括Teradata、Cassandra和開源Apache Hive數(shù)據(jù)倉(cāng)庫(kù)軟件、Tableau的數(shù)據(jù)可視化工具。收集和準(zhǔn)備數(shù)據(jù)之后，Govind的團(tuán)隊(duì)采用了一系列的算法，比如根據(jù)用戶看什么樣的電影推薦什么樣的內(nèi)容。2011年，Netflix開始開發(fā)它的原生內(nèi)容。Los Gatos公司也挖掘客戶喜歡和不喜歡的數(shù)據(jù)，支撐內(nèi)容推薦。

數(shù)據(jù)分析之路也有挑戰(zhàn)。Govind表示找到正確的推薦引擎是很困難的。推薦是基于基本參數(shù)進(jìn)行的，很難準(zhǔn)確地判斷出一個(gè)人想要看什么內(nèi)容。為了調(diào)試好引擎，他的團(tuán)隊(duì)做了很多A/B測(cè)試，基于不同的預(yù)測(cè)模型給不同的用戶進(jìn)行推薦，然后追蹤每組用戶花在推薦內(nèi)容上的時(shí)間。

工資和人力資源服務(wù)數(shù)據(jù)分析公司Paychex關(guān)注了其他方面的數(shù)據(jù)分析：使用攪動(dòng)模型識(shí)別可能會(huì)采用他們服務(wù)的客戶。在去年的預(yù)測(cè)分析大會(huì)上，Paychex風(fēng)險(xiǎn)分析經(jīng)理Philip O’Brien表示，他和他的團(tuán)隊(duì)利用公司規(guī)模數(shù)據(jù)、交易歷史、客戶服務(wù)交互等數(shù)據(jù)構(gòu)建模型，找到可能會(huì)購(gòu)買公司產(chǎn)品的客戶。分析團(tuán)隊(duì)發(fā)現(xiàn)，公司21%的客戶服務(wù)費(fèi)用都花費(fèi)在無(wú)論如何都是使用Paychex產(chǎn)品的客戶上了。O’Brien表示，公司根據(jù)攪動(dòng)模型部署了之前描述的處理客戶數(shù)據(jù)的方法。但說(shuō)服業(yè)務(wù)經(jīng)理使用分析結(jié)果又成了一大挑戰(zhàn)。

在過(guò)去，公司有很多“屁股決定腳”的決策方式，他表示：“如果人們習(xí)慣了靠直覺(jué)辦事，你一定要向他們展示分析工具具體能帶來(lái)什么價(jià)值?！?/span>

客戶數(shù)據(jù)陷阱：知道的太多

這里有一個(gè)潛在的危機(jī)，即知道的太多。知道什么時(shí)候停止是分析客戶數(shù)據(jù)的重要一步。公司可能掌握了很多數(shù)據(jù)，但不正確地使用數(shù)據(jù)很可能會(huì)給客戶帶來(lái)不適，最終致使他們離開。

SearsHoldings公司的大數(shù)據(jù)高級(jí)經(jīng)理、企業(yè)數(shù)據(jù)倉(cāng)庫(kù)管理員、負(fù)責(zé)運(yùn)營(yíng)和部署的Andy McNalis表示，零售商分析客戶瀏覽歷史、購(gòu)買記錄和地理位置數(shù)據(jù)來(lái)幫助自己設(shè)定和修改產(chǎn)品價(jià)格。但也有一些數(shù)據(jù)動(dòng)不得。比如Sears的門店都有Wi Fi覆蓋，它可以看到客戶在使用Wi Fi查看競(jìng)爭(zhēng)對(duì)手網(wǎng)站的價(jià)格。這時(shí)，公司可以給客戶推送優(yōu)惠券，但這樣做會(huì)讓客戶覺(jué)得Sears在監(jiān)視他，反而適得其反。

客戶數(shù)據(jù)分析還包括其他方面，不只是部署系統(tǒng)和捕捉數(shù)據(jù)那么簡(jiǎn)單。Sears使用Hadoop集群和Teradata數(shù)據(jù)倉(cāng)庫(kù)支持客戶分析項(xiàng)目，分析團(tuán)隊(duì)用開源R語(yǔ)言等編程語(yǔ)言寫計(jì)算方法，再將其運(yùn)行到基于Hadoop的數(shù)據(jù)分析和虛擬化工具上。

這時(shí)就需要技術(shù)熟練的人應(yīng)用算法生成有用的信息，訪問(wèn)和分析發(fā)現(xiàn)的內(nèi)容。McNalis表示：“人們認(rèn)為你在這邊把數(shù)據(jù)填進(jìn)去，那邊就會(huì)出來(lái)一枚硬幣，但其實(shí)不是這樣的?！?/span>