目录
1 2 3 4 ▪ ▪ 5
什么是数据库营销
数据库营销直接营销的一种形式使用客户或潜在客户的数据库来生成个性化通信,以促进产品或服务的销售。 通信方法可以是任何可寻址的媒体,例如直接营销。
直接营销和数据库营销之间的区别主要源于对数据分析的关注。 数据库营销强调使用统计技术来开发客户行为模型,然后使用这些模型来选择要与之沟通的客户。 因此,数据库营销人员也往往是数据仓库的重度用户,因为拥有大量有关客户的数据会增加构建更准确模型的可能性。
营销数据库主要有两种类型:
1)消费者数据库和
2) 商业数据库。 消费者数据库主要用于向消费者销售产品的公司,通常简称为 BtoC。 商业营销数据库通常在它们提供的信息方面要先进得多。 这主要是因为商业数据库不受与消费者数据库相同的隐私法的约束。
“数据库”通常是内部销售或交付系统的名称、地址和交易历史的详细信息,或者是已从其客户那里获取此信息的另一组织的采购“清单”。 编制列表的典型来源是慈善捐赠表格、任何免费产品或竞赛的申请表格、产品保修卡、订单表格和信贷申请表格。
如果收件人不希望 Database Marketing 生成的通信被描述为垃圾邮件或垃圾邮件。 另一方面,直接营销和数据库营销组织认为,有针对性地向客户(希望联系客户讨论他们可能感兴趣的产品)的信件或电子邮件对客户和营销人员都有好处。
一些国家和组织坚持认为,个人可以阻止访问或从其数据库的营销列表中删除姓名和地址详细信息。
营销背景
数据库营销是 20 世纪 80 年代出现的一种新的改进的直接营销形式。 在此期间,传统的“列表经纪人”面临着现代化的压力,因为它是离线的和基于磁带的购物商城数据库设计,而且列表往往包含有限的数据。 与此同时,直接反应营销正在兴起,新技术能够记录客户的反应,目的是与客户进行双向沟通或对话。
Robert D. “Bob” 和 Kate Kestnbaum 开发了新的直接营销指标,例如客户生命周期价值,并将财务模型和计量经济学应用于营销策略。 1967 年,他们成立了咨询公司 Kestnbaum & Co,该公司聘请了一些知名的数据库营销人员,如 Robert Blattberg、Rick Courteaux 和 Robert Shaw。 Bob Kestnbaum 于 2002 年 10 月入选 DMA 名人堂。
Kestnbaum 在 1980 年代与 Shaw 合作,为 BT(2000 万客户)、BA(1000 万)和 Barclays(1300 万)开发了多个在线营销数据库。 Shaw 将新功能融入到 Kestnbaum 方法中,包括电话和现场销售漏斗自动化、联系策略优化、活动管理和协调、营销资源管理、营销责任和营销分析。 这些系统的设计随后在 1990 年代及以后被广泛复制并整合到 CRM 和 MRM 软件包中。
最早记录的数据库营销定义出现在 1988 年的同名书中(Shaw and Stone 1988 Database Marketing):
“数据库营销是一种交互式营销方法,它使用可单独寻址的营销媒体和渠道(例如电子邮件、电话和销售人员)来:向公司的目标受众提供帮助;激发他们的需求;并保持紧密联系通过记录和帮助他们维护客户、潜在客户和所有业务联系人的电子数据库,以帮助改进所有未来的联系人并确保所有营销活动更加切合实际。”
成长与进化
数据库营销的增长是由许多环境问题驱动的。 Fletcher、Wheeler 和 Wright (1991) 将这些问题分为四大类:
直销角色的转变 成本结构的转变 技术的转变 市场条件的转变
Shaw 和 Stone (1988) 指出,公司在开发数据库营销系统时会经历几个发展阶段。 他们将数据库开发分为四个阶段:
神秘名单; 买家数据库; 协调客户沟通; 整合营销。
数据源
尽管任何规模的组织都可以采用数据库营销,但它特别适合拥有大量客户的公司。 这是因为人口众多提供了更大的机会来寻找可以以定制方式进行沟通的客户或潜在客户。 在较小(和更同质)的数据库中,很难从经济上证明区分消息所需的投资是合理的。 因此,数据库营销在金融服务、电信和零售等领域蓬勃发展,所有这些领域都有能力为数百万客户生成海量交易数据。
数据库营销应用程序在逻辑上可以分为影响现有客户的应用程序和针对潜在客户的应用程序。
消费者数据
对于现有客户,更老练的营销人员通常会建立广泛的客户信息数据库。 这些可能包括各种数据,包括姓名和地址、购物和购买历史、人口统计数据以及过去与客户的沟通。 对于拥有数百万客户的大公司来说,此类数据仓库的规模往往可以达到数 TB。
在针对潜在客户的一般营销中,数据库营销人员寻求获得尽可能多的有关客户和潜在客户的数据。 对于营销,严重依赖第三方数据源。 在大多数发达国家,有许多此类数据的提供者。 此类数据通常仅限于姓名、地址和电话以及人口统计信息,其中一些由消费者提供,另一些则由数据编制者推断。 公司还可以通过抽奖、竞赛、在线注册和其他潜在客户生成活动直接获取潜在客户数据。
业务数据
对于企业对企业 (B2B) 公司的许多营销人员而言购物商城数据库设计,客户和潜在客户的数量将少于同类企业对消费者 (B2C) 公司的数量。 此外,他们与客户的关系往往依赖中介,例如销售人员、代理商和经销商,每个客户的交易数量可能很低。 因此,企业对企业的营销人员可能没有企业对消费者的营销人员拥有那么多的数据。
另一个复杂的因素是 B2B 营销人员的目标是团队或“帐户”而不是个人,这可能会从组织获得许多联系人。 确定通过直接营销达到的联系人可能很困难。 另一方面,它是企业对企业营销人员的数据库,通常包含有关个人客户的企业活动的数据。
此数据对于细分市场或识别目标受众至关重要,例如,电信公司购买的软件许可证续订可以帮助确定哪个技术人员负责软件安装与软件购买等。企业对企业环境中的客户通常倾向于保持忠诚度是因为他们需要产品的售后服务,并且喜欢有关产品升级和服务产品的信息。 数据库可以跟踪这种忠诚度。
客户数据的来源通常来自公司雇用的销售人员和服务工程师。 与客户的在线互动越来越多地为 B2B 营销人员提供成本更低的客户信息来源。
对于潜在客户数据,企业可以从商业数据编译器处购买数据,也可以从直销活动、在线网站和专业出版物中收集信息。
分析和建模
拥有大型客户信息数据库的公司可能面临“数据丰富但信息匮乏”的风险。 因此,相当多的注意力都集中在数据分析上。 例如,公司通常根据对客户行为、需求或态度差异的分析来对客户进行细分。 一种常见的行为细分方法是 RFM(客户价值),其中根据新近度、频率和过去购买的货币价值将客户划分为子部分。 Van den Poel (2003) 概述了数据库营销建模中常用的一大类变量的预测性能。
他们还可以开发预测模型来预测客户以特定方式行事的倾向。 例如,营销人员可以构建一个模型,根据客户响应促销的可能性对客户进行排名。 此类模型的常用统计技术包括逻辑回归和神经网络。