客户体验式营销如何收到成效

客户体验时代已经来临

有调查数据表明,86%的客户会愿意为得到更好的客户体验支付更多的费用,而89%的客户会因为一次糟糕的客户体验转而购买竞争对手的产品。

客户已经改变了。一方面是80后/90后/Y一代已成为消费的主力军,另一方面是中国已经进入老龄化社会;一边是网络超人和移动科技狂热者,另一边是技术盲人,但他们都强调客户体验,也就是更看重感性消费。

商业环境已经改变了。虽然很多企业都在标榜“以客户为中心”,但真实情况是,由于信息的不对等效应,企业和营销媒体一直处在强势地位,“以客户为中心”往往沦为一句空话。随着移动互联网的成熟,尤其是社交媒体的强大作用,客户与企业在商业博弈中的地位悄然发生了改变。“客户是上帝”,企业不光嘴里说,还要落实到行动上。

技术,尤其是IT的地位已经改变了。IT不再只是工具,而是企业发展和创新的主要生产力,技术的普及和应用常态化为企业做好客户体验提供了先决条件。

无论从哪个方面来看,“客户体验”都应该成为企业制定营销和销售战略的主要指导方向,也是推动现代企业变革的主要驱动力之一。

构建现代营销体系的“五大利器”

客户洞察:客户是谁?营销对象是谁?他们有什么关键需求?能否满足?客户洞察是企业运营的基础,是营销的出发点也是终点。企业或品牌协同各种资源(内容、渠道、关系)等进行的市场活动就是为了使得客户的品牌体验之旅变得畅通,从而改善客户与品牌之间的联系。

当下时代的好处是,二维码、社交媒体、大数据等技术的应用让我们不仅仅可以收集客户的基本特征和交易数据,也可以收集大量的数字化的客户操作和行为数据;困难在于这些数据来源与各个方面,有内部的CRM、网站、物流、财务、门店监控等,有外部的搜索站点、垂直网站、社交媒体等,数据大部分是碎片式,非结构化,不一致的。有调查表明,80%的企业客户数据分散在各个独立的系统中,无法统一管理,给数据挖据和大数据分析带来极大的不利,更谈不上运用Personas进行个性化定位。

客户洞察是一个持续改进的过程,通过内部或外部统一的数据管理平台(DMP)来收集、分析、归类、个性化目标客户(也包括潜在客户),从而为营销策略和活动的制定和设计提供精确定位;同时客户洞察在营销的各个接触点收集观察客户的反应,实时反映到营销闭环中。

个性化内容:内容的创建不再只是企业营销部门或是代理的专职,企业员工、代言人、客户、粉丝等都会贡献碎片化内容。从前,很多“营销大师”所谓的“营销创意”主要集中在内容的立意和创新上,而在客户体验时代,“营销创意大师”或许将风光不再,因为大部分的营销是小众个性化甚至是一对一的,内容设计也应该是根据客户洞察实现的个性化,更强调内容的参与感、多样性和趣味化。

从内容的创建角度看,培养内部员工内容设计和代言人的工作十分重要,因为内容需要时刻刷新。现在很多公司都设计了社交媒体坐席,或是在公司内部培养员工社交自媒体发言人,在外部构建粉丝社区,加强交流。

从管理角度看,内容不再只是集中在企业营销部门内部,而是一种分布式的架构,拥有多个创作者和修改者,按照安全权限分割成各种碎片集合,满足快速分享和传播,形态也是多样化的。

全渠道互动:企业通过各种渠道与目标受众进行个性化内容的传播与互动(Cross channel engagement)。全渠道互动首先要强调的是渠道的个性化和多样化,不同的受众喜好不同的渠道,不同的内容适合的渠道也不一样,在客户体验旅程的不同阶段上渠道发挥的作用也各不相同,甚至不同的时间段渠道的生理周期也不一样。有了多渠道,更要保证营销内容和过程的一致性,客户通过各个渠道得到的企业品牌信息应该有统一的视图。

对企业而言,需要观察培育“品牌数字化生态环境”,尤其是在社交媒体上,舆情监控和危机事件处理都属于此范畴。

营销漏斗:要让客户在与品牌的各种互动中,始终自然、顺畅、愉悦地渡过其体验之旅的各个阶段,在一个流畅的通道中(Fluidity Funnel)不知不觉地与企业建立联系。企业营销部门也通过此管道与销售等部门协同工作,从而得到一个可预测的营销结果。如图可以看到营销漏斗与客户体验旅程是密切关联的,同时营销与销售之间的连接也应该是无缝的。

在“营销漏斗”中,最关键的概念是“合格线索Qualified leads”,最主要的工具是“线索评分”工具,每个企业都会建立起一套个性化的评分标准,应用到“营销漏斗”中。

实时绩效:对在营销过程中收集到的客户行为和反馈数据及营销结果等进行即时分析。一方面用以预测结果,评价营销的产出;另一方面是根据分析即时调整营销策略和执行,从而获得更有效的客户体验。

分析的内容是可以多样化的,如分析最佳目标对象、将跨渠道互动与实际收入相关联、评估营销活动ROI、全面洞察客户对产品及服务的情绪、评估内容的成功度、评价企业的“营销生态环境”等等。

那么如何把收集到的数据与营销活动关联起来?如何为即时决策(Real Time Decision)提供强有力的分析学习模型?如何把预测结果与执行有机结合起来?这就需要用到很多现代的分析工具,例如RTD实时决策引擎。