"Научный аспект №2-2019" - Гуманитарные науки
Горская Анна Алексеевна – студент магистратуры Российского государственного гуманитарного университета.
Аннотация: Данная работа раскрывает концепции новой системы поддержки CRM в режиме реального времени с использованием методов интеллектуального анализа данных. Современные компании для того, чтобы сохранять лидерство в своих сферах деятельности, должны непрерывно производить мониторинг своих потребителей, чем занимаются аналитические группы. Тем не менее, люди не способны вручную обрабатывать огромные объемы данных, с которыми ежедневно приходится сталкиваться крупным организациям, как например, банкам, мобильным операторам и др. Справляться с подобными задачами призваны информационные системы. Отдел разработки программного обеспечения Высшая школа экономики в сотрудничестве с компанией IBM проводит исследования в этой области, промежуточные результаты были рассмотрены в этой работе.
Ключевые понятия: CRM, ROI, Сценарий работы с клиентом.
Потребители, в силу множества причин, предпочитают совершенно разные товары и услуги. Все они, однако, являются частью клиентской базы компании и требуют тот продукт, который будет наилучшим образом удовлетворять их запросы. В настоящее время компании склонны строить долгосрочные отношения с клиентами, и чтобы, поддерживать такие отношения, им необходимо глубоко понимать нужды потребителей. Однако, клиентские базы компаний на сегодняшний день настолько огромны, что корпорациям невыгодно дифференцировать группы покупателей. Другая проблема заключается в том, что, если компания ставит перед собой задачу продвижения конкретного товара среди своих клиентов, включив в целевую аудиторию всех потребителей, такая стратегия будет либо слишком дорога в реализации, либо будет ограничивать компанию, что может оттолкнуть клиентов, заставить их обратиться к конкурентам.
В такой ситуации помогает сбор данных. С помощью данных прошедших периодов компания может идентифицировать те особые предпочтения и черты клиентов, которые приводят к принятию ими решения о покупке, согласию на коммерческое предложение. Таким образом, становится возможно сузить целевую аудиторию. Также может быть полезно определить группы клиентов, которые имеют особые предпочтения, соответствие которым обеспечивает их лояльность.
В настоящее время маркетинг автоматизирован в основном с использованием CRM-систем. Существует несколько типов CRM, но нас интересуют аналитические системы.
Они обеспечивают следующие возможности:
Однако традиционные системы не могут применять методы интеллектуального анализа данных, чтобы спрогнозировать поведение потребителей и посодействовать, таким образом, компании в принятии маркетинговых решений. Более того, они не способны обрабатывать в реальном времени те массивы данных, с которыми приходится иметь дело. Предлагаемое решение направлено на решение этих проблем.
Предлагаемый метод подразумевает использование нескольких типов моделей для сбора и анализа информации о клиентах:
При условии, что модели интеллектуального анализа данных правильно составлены, они могут выявлять группы с четкими профилями и характеристиками и помочь компании выстроить эффективную модель сегментирования, имеющую значительную ценность и значение для бизнеса.
Давайте рассмотрим клиента, который хочет предложить рекламу потребителю, который посещает CNN.com.
В нашем распоряжении несколько рекламных объявлений, которые мы можем предложить. Наши максимальные возможности:
Второй вариант доступен, если у нас получилось составить «анонимный профиль» потребителя на основе:
Все эти данные позволяют идентифицировать потребителя, а также предсказать его реакцию на то или иное рекламное предложение. Данные будут обрабатываться в реальном времени и решение будет принято после того, как потребитель войдет сайт. Все решения рассматриваются и используются для последующей оценки.
Список литературы