预测分析：未来学家的公式

客户世界|Kelly Liyakasa|2013-08-06

预测分析：未来学家的公式

——解锁增加销售的客户洞察

谁是理想的客户？他会花多少钱？如何把他从冷淡的线索转变成火热的线索？如何让他成为回头客？对于想要确定上述问题的公司来说，这听上去需要大量的公式以及在办公室加班到深夜。幸运的是，多亏预测分析，只有前者是真的。更妙的是你无需变成数学神童才能做出这些决定，因为越来越多的可用的解决方案将会替你捣鼓这些数字。

预测分析利用可适应于大量数据的算法，以提取模式并且预测未来的结果，这对于不堪承受大量增长的非结构化数据的公司来说特别具有吸引力，这类数据也被称为大数据。

社交网络的创建导致了新一波非结构化数据的浪潮，随即带来如雨后春笋般涌现的破译它的技术。根据Gartner公司的研究，分析系统正在扩大其重点，除了捕获和关联结构化数据，非结构化数据也纳入其中。此外，尽管机器学习并不是新玩艺，Gartner将正在发展的趋势称作“人机伙伴关系”，它通过分析来“学习并传递规范化的建议”，使得员工工作更有效率。

虽然公司多年来已经在工具上投资来帮助自己发掘宝贵的商业洞察，但是预测分析并不是昔日简单的商业智能工具。“在预测分析中，你不知道什么数据是要紧的。”Forrester研究公司的首席分析师迈克•瓜尔蒂耶（Mike Gualtieri，Forrester浪潮：大数据预测分析的解决方案》一书的作者）表示说， “在商业智能中，你在会议中坐下，试图决定‘我们想在仪表板上看到什么？’，‘哪些是KPI？’，‘我们需要什么报表？’。这些问题都很重要。但是在预测分析中你会说‘给我你所有的全部数据，预测算法会找出哪些是相关的。’”

预测分析可以从不同角度帮助公司，例如电子商务公司需要洞察客户的网络行为，要比简单地衡量标准的跳出率（bounce rate）和点击率更深入，因此诸如去年秋天被Actuate收购的Quiterian这类的公司通过识别交叉销售机会和客户未来购买的可能性，从而帮助电子商务网站更好地理解转化率。

任何一家销售订阅、保单和合约的企业都知道运营一家植根于经常性收入的公司不是件容易的任务，根据Gartner的统计，估计每年少赚了300亿美元，这是因为大部分销售模型是围绕着吸收新客户而订制的。例如ServiceSource这样的云解决方案通过自己的按需更新（Renew OnDemand）分析，追踪为续约特别订制的关键绩效驱动。ServiceSource检查经常性业务数据流，确定客户多久使用一项服务并且使用到什么程度，随后建立模型识别客户流失倾向。

不管环境如何，瓜尔蒂耶断言，为了使预测分析最有效地工作，需要来自多个来源的不同类型的数据。显然有一些其它的市场指标，如竞争对手推出新的产品可能会在一个季度内对销售有影响。结合历史数据和等外部来源的信息如信用评级或互联网数据，公司成功的机会更大。

增强CRM

凯创系统（Enterasys Networks）是一家提供计算机网络和无线基础设施及服务的西门子企业通信公司，该公司的首席客户官及营销官瓦拉•阿夫沙（Vala Afshar）称对预测分析的应用给销售周期管理带来了“变革性的效果”。

凯创采用了Salesforce.com的大量产品如Service，Sales Cloud和企业协同工具Chatter，希望能找到一种方法根据多项指标来计算赢得一笔交易的可能性。由于Salesforce.com的开放式API，凯创能够在公司内部通过修改和增强自身的CRM系统来开发预测模型。

在凯创的销售列表上的第一项是交易规模，结合交易数据的历史性分析与阿夫沙所说的“交易规模最佳点急速分析”，公司能够给不同的交易规模分配权重。交易的市场也是一个因素。凯创发现如果一个销售机会已经超过120天的时间，该交易只有不到3%的可能关闭，这帮助凯创为跟进哪些交易排出优先级。随后，凯创合并那些一贯表现良好的垂直行业来关闭这个循环。因此当凯创公司的销售经理与销售代表交谈的时候，单单的交易规模不再是主要因素。阿夫沙说道：“既然我们可以剖析这些不同的记号，我们和现场销售的对话可以更加智能。比方说‘为什么你对这笔交易的成功那么有信心？事实上从历史数据来看，这种时长的交易成功关闭的可能性非常小。’”

减少客户流失

Trident Marketing公司是美国第二大的DIRECTV的经销商。它的任务是改善客户流失率以及向卫星电视供应商提供更优化的客户。尽管Trident的流失率在5%到6%之间，DIRECTV希望它能降到3%以下，否则经销商可能会面临失去DIRECTV销售许可的风险。

Trident Marketing向分析合作伙伴Fuzzy Logix寻求帮助，基于自己的电话、CRM和订单系统中近2TB的数据以及来自征信机构和必应及谷歌的点击流数据等外部数据识别出三十个客户变量。Trident Marketing通过IBM的PureData System for Analytics平台发现了大量的客户数据。

Trident公司的首席信息官布兰登•布朗（Brandon Brown）表示公司还确定了哪些变量建立起一个好的客户，比方说为了获得全美橄榄球联赛周日套票而在营销活动期间签约DIRECTV，并且在赛季结束时取消合约的客户可能产生负面的客户变量。

“我们实时应用（预测模型的）分析部分，现在我可以把它注入到销售过程中去。”布朗表示，因此Trident的销售团队可以围绕更多的变量来订制消息。假设电子销售代表可能看了一位客户的帐号，然后说“你有六个接收器，因为你的房子特别大。现在我可以向你推销一项附加服务——比如说为你的电子设备进行内部维护的合同。”

在Fuzzy Logix在Trident的数据仓库上运行预测分析的六十天内Trident注意到销售增加了10%，而且能减少30％的付费搜索营销成本。由于此方法对特定客户可能会购买什么产品有更多的洞察，公司达到了终极目标——将流失率减少50%，并且达到DIRECTV设定的保住许可的流失率目标。

揭示看不见的信息

预测分析也可以用来决定特定客户群的定价阈值，影响销售团队交叉销售和向上销售的能力。Gartner公司的研究总监加雷思•赫歇尔（Gareth Herschel）表示，虽然还没有一个完美的支持预测分析的商业环境，一些引人注目的部署来自拥有广泛的产品范围的公司。

Zilliant公司的产品管理副总裁皮特•艾培尔（Pete Eppele）认同这个说法。Zilliant是一家提供价格优化和销售效率解决方案的科技公司。在一个大批量销售的环境中，类型广泛的产品、为数众多的销售代表以及客户需求的变化都为公司增添了压力。艾培尔说：“有那么多的决定要做，对于任何给定的产品还有大量的销售情况，这是需要科学起到很大作用的地方，以免人们在复杂性中迷失。”

举例来说，一家主流的制造商寻求Zilliant的帮助，期望增加销售量并向现有客户群出售更多的产品类别以提高客户保持率。SalesMax是一个专利性的能够在CRM或销售自动化系统中识别、量化并且为线索排优先级的购买模式分析解决方案。应用SalesMax，公司可以分析12个月以来的客户购买数据，并且在出现帐户特有的机会的时候收到报警。

在九十天内，SalesMax挖掘出价值五千五百万美元的客户机会，之后公司从这些未开发的营收机会中收获了超过六百万美元。

与之类似的，一家项目管理软件公司VersionOne开始采用Birst分析工具来增强自己的CRM系统。按照VersionOne公司的销售副总裁理查德•富勒（Richard Fuller）的说法，通过在Salesforce.com之上运行Birst所收集到的数据，该公司的销售团队能更好地理解哪些交易正在销售管道中移动，哪些交易标记为“成功关闭”或“失败关闭”，以及哪些交易需要调整。

没有完美的模型

Genpact Limited公司的分析与研究副总裁Pankaj Kulshreshtha观察到尽管运行预测模型来改进商业流程有显见的好处，许多公司仍然手动地处理数据。Genpact Limited是一家商业流程和技术管理服务公司。

对于尚未部署预测分析软件的公司来说，重要的是要记得预测是建立在概率之上的。Kulshreshtha解释说：“几乎所有的模型都有误差幅度，但是就算模型只有80%至90%的准确度，也能带来显著的影响。”他表示，关键是建立一个测试和学习的环境，持续地衡量模型的影响，随后引入变化来改进模型，直至达到非常低的误差幅度。

Forrester公司的瓜尔蒂耶认同这个观点。由于预测模型的目的是确定一项结果的可能性，要由公司自己决定投资哪些可能性，比如是以某种方式改变客户消息还是调整销售模型，因为模型很大程度上依赖历史数据，公司必须“不断地完善和重新运行”测试模型来说明如经济、市场和竞争动作等外部力量。瓜尔蒂耶指出：“（预测）软件工具的好处是它能告诉你模型有多好——在某个时间的快照中。”

专家们提出在运行预测模型之前的一句话警告——Trident Marketing的布朗表示在试图自动化之前要了解自己的业务；赫歇尔说另一个重要的因素是良好的老式的直觉。

他表示如果公司对于自己是否正在按照正确的指标来行事犹豫不决，那最好用分析模型来双重检查公司的直觉。如果两者一致，“继续前进可能是安全的。”

由于预测分析的成功取决于其整合入公司系统的程度以及数据的丰富度，“一些领先的CRM公司将开始增加捕获的客户信息数量并且嵌入预测分析和描述分析以发现那些不明显的信息。” 瓜尔蒂耶表示，公司想要涉足“关于一个人的愿望和情绪的各种各样的情境”。

本文刊载于《客户世界》2013年7月刊；作者为销售和企业战略领域专家，CRM资深撰稿人；译者王超为CC-CMM国际标准组织资深顾问。

转载请注明来源：预测分析：未来学家的公式

本文链接地址：https://www.ccmw.net/article/88008.html