Sådan bruger du Big Data Analytics til at øge kundeloyalitet - dummier

Når du har samlet dine store data, hvad er dit næste skridt? I dag er kundeloyalitet afgørende, fordi kunden er i førersædet, når det drejer sig om at vælge hvordan man interagerer med en tjenesteudbyder. Dette gælder i mange brancher. Køberen har mange flere kanalindstillinger og undersøger i stigende grad købsbeslutninger og træffer købsbeslutninger fra en mobil enhed.

Du skal håndtere dine kundeinteraktioner bevæbnet med dybtgående og tilpasset viden om hver enkelt kunde til at konkurrere på et hurtigt, mobildrevet marked. Hvad tager det for at give det rigtige tilbud til en køber, mens han træffer en købsbeslutning? Hvordan sikrer du, at dine kundeservicerepræsentanter er bevæbnet med tilpasset viden om din kundes værdi for virksomheden og hendes særlige krav?

Hvordan kan du integrere og analysere flere kilder til struktureret og ustruktureret information, så du kan tilbyde kunder den mest hensigtsmæssige handling på tidspunktet for engagement? Hvordan vurderer du hurtigt en kundes værdi og bestemmer hvilken slags tilbud, kunden har brug for, så du kan holde kunden tilfreds og lave et salg?

Virksomhedsledere ser i stigende grad stor dataanalyse som det hemmelige våben, de har brug for til at tage den næstbedste handling i stærkt konkurrencedygtige miljøer.

Virksomheder udvider deres brug af sociale medier og mobile computermiljøer og ønsker at nå deres kunder til det rigtige tidspunkt. For at levere succesfulde kunderesultater i en mobil verden skal tilbud være så målrettede og personlige som muligt. Virksomheder bruger deres analytikplatform kombineret med stor data analyse med hurtig behandling af realtidsdata for at opnå en konkurrencemæssig fordel. Nogle vigtige mål, de ønsker at opnå, er

• Forøg deres forståelse for hver kundes unikke behov. Giv disse dybdegående kundeindsigt til det rigtige tidspunkt for at gøre dem i stand til at handle.

• Forbedre kundens følsomhed på samspillet.

• Integrér købsdata i realtid med store mængder af historiske købsdata og andre datakilder for at gøre en målrettet anbefaling på salgsstedet.

• Giv kundeservicerepræsentanterne viden om at anbefale den næstbedste handling for kunden.

• Forbedre kundetilfredshed og kundeopbevaring.

• Lever det rigtige tilbud, så det sandsynligvis accepteres af kunden.

Hvad ser en næste bedste handling løsning ud?Virksomheder integrerer og analyserer store mængder ustrukturerede og streaming data fra e-mails, sms-beskeder, call center noter, online undersøgelser, stemmeoptagelser, GPS-enheder og sociale medier.

Virksomheder kan i nogle situationer finde nye anvendelser til data, der var for store, for hurtige eller af den forkerte struktur til at blive integreret i analyser og prædiktive modeller før. De modeller, som virksomhederne kan opbygge, er mere avancerede og kan inkorporere realtidsdata fra en række forskellige kilder.

Virksomhedsanalytikere søger mønstre i de data, der giver yderligere indsigt i kundeudtalelser og adfærd. Hastighed er en topprioritet. Din model skal forudsige den næste bedste handling meget hurtigt, hvis du vil lykkes i denne hurtige mobile verden.

Avanceret teknologi hjælper virksomheder med at generere brugbare oplysninger i minutter i stedet for dage eller uger. Forudsigelse af den næste bedste handling kræver ofte brug af sofistikerede maskinlæringsalgoritmer fra et kognitivt computermiljø.

Vi ser på eksempler på virksomheder i den finansielle servicesektor, der investerer stærkt i nye måder at forstå og reagere på.

En global bank er bekymret over den tid, det tager at få adgang til kundeoplysninger. Det ønsker at give repræsentanter for call center med mere information om kunder og at få en bedre forståelse af netværket af kundeforhold.

Banken implementerede en stor dataanalyseløsning, som forbedrer den måde, hvorpå repræsentanterne støtter kunderne, ved at give dem en tidlig indikation af hver kundes behov, før de kommer i telefon. Platformen bruger sociale medier til at forstå forhold og kan bestemme, hvem kunden har forbindelse til.

Løsningen kombinerer flere kilder til data, både internt og eksternt. Nogle indikationer kan forekomme af store livshændelser, der finder sted for denne kunde. Som følge heraf kan agenter tage den næste bedste handling. For eksempel kan en kunde have et barn klar til at gå fra gymnasiet, og det kan være en god tid at diskutere et college lån.