大数据时代，零售行业CRM该如何发展？

如今，越来越多的传统零售企业在尝试传统CRM与的有机整合，将客户数据转化为重要的数据资产，从而实现转型与突破。

传统CRM转型的动力与契机

任何事物的变化都会有动因这个重要内容，那么传统CRM转变的动因是什么?

01.用户及市场的快速变化

拥有客户则拥有天下，这句话在零售行业更是一句永恒的真理。根据客户的消费数据进行分析、制定营销策略与内容、管理会员积分与等级、刺激用户复购，这些都是传统CRM的基础功能。随着技术发展与市场环境改变，消费者变化更快了，交互方式和信息也更多了。企业需要学习和了解更复杂的用户特征，掌握更多用户渠道、更丰富的营销模式和更海量的用户数据，而这都将是传统CRM面临的挑战。

02.企业技术应用环境的大升级

总结来说，移动互联网时代，用户变成市场主导者，他们有了更多选择权，有了更强的话语权。企业关注的不应该只是用户的钱包，而更要重视用户特质及用户对品牌的态度。因此用户管理模式也将从业务功能的探讨转为商业模式、发展战略、品牌资产衡量等维度的研究。

CRM转变的趋势

CRM转变进程中必不可少的内容包括：大数据；；移动互联网；社交媒体；digital marketing等当下最前沿的技术应用。从CRM核心机制转变趋势上来看，将分为两个阶段：

第一阶段：CRM向CIM的转变，从关系维系到用户认知（Insight）的转变

环境的变化导致客户的行为多样化，客户身份变得复杂，交互渠道和内容日益丰富；而技术的发展则带来更复杂和海量的信息量，包括更多的渠道账号、渠道数据和用户设备等。因此第一阶段的转变就是将从重视客户与品牌的关系转为重视更多用户信息的获取与洞察，这也是目前部分品牌开始推动的过程。

第二阶段：从CIM到CEM，从用户认知到交互体验（Experience）的转变

例如：大部分品牌会记录一个营销活动有多少人参与，有些品牌甚至记录哪些用户喜欢哪类活动。其实我们还要记录与分析用户参与的渠道和时间，未来将有更多的用户愿意为更具个性或有趣的体验买单。不是所有用户都喜欢微信互动，也不是所有人会在接到活动信息后第一时间就参与。根据掌握的用户数据，形成更全面的用户认知后，品牌便可以根据更细颗粒维度对用户进行不同的交互场景设计，不仅在创意；形式；更包括不同的渠道或推广时间和周期。宗旨就是让用户获得最佳体验，在这之后消费则是水到渠成的事情，当然也需要配合用户消费能力和心理的变化。

CRM下一代的技术形态

在理论探讨层面，CRM的核心机制将从消费关系的维系向用户深度洞察及体验提升转变，未来CRM的技术形态是融合用户交互与大数据的技术体系。在实践中，CRM在实用体系需要技术的落地实现，数据体系管理将取代传统CRM中的业务功能管理成为重要核心；同时CRM系统也不再是一个独立的功能产品，我们可以称之为UDES（User Data Eco-System）用户数据生态系统。

数据流程的四个环节。

数据获取

顾名思义就是将与用户有关的数据进行更完整的获取，但这个看似很容易理解的部分同样在零售行业有着非常困难的实现。

另一种场景是百货联营式业态，结算系统被统一管理，当消费者进行结账时，品牌依旧无法获得准确的客户消费数据，这一现象在化妆品及快消品行业尤其突出。

因此未来的POS将逐渐转化为类似Counter Portal的产品，不仅具备基础的结算功能，也具备更强大的用户数据收集与管理功能；在部分联营业态中，Counter Portal已经成为品牌进行前端用户服务的重要产品。不要小看数据获取，因为数据分析及价值挖掘的第一要素就是数据质量。线下销售的数据收集只是一个小小缩影，每个渠道的获取都会有各自的挑战与解决方案。

当然，对于其他online数据，系统也需要具备很强的获取能力，同时在类似社交媒体渠道，我建议系统对数据还要具备一定的处理分析能力，因为每个渠道都有各自特性，对于类似微信这样的交互数据，我们可以利用触点标签的形式来处理用户的不同类型的交互结果，从而达到数据结构化的目标。

数据整合

整合的本质是建立CSV（CustomerSingle View）的过程。CSV，中文称作客户独立视图，大家更加熟悉的是客户360度视图，用户画像等词汇。如果说用户画像是很多品牌对用户认知的最终交付物，那么CSV就是形成这个交付物的重要环节。CSV的价值非常重要且很好理解，就是将一个用户在多个渠道的身份信息进行关联并且通过纳入统一用户ID来进行识别管理。虽然简单，实现起来还是比较复杂。由于前端是多渠道的数据入口，标准、类型和更新周期都不同，而业务团队对用户身份匹配的需求是实时的，因此需要创建一种快速识别用户身份的体系和规则进行快速的账号关系匹配与管理。目前手机号；邮箱；或第三方账号都是比较有效的账号关系匹配条件，但也不能简单的用手机号整合全部渠道的数据。

数据分析

从品牌角度考虑，DT时代的数据分析还是要回到商业本身，通过多年的行业知识积累结合新技术应用整合多渠道数据，从多维视角分析数据。

将多个渠道数据进行关联分析的基础就是之前提到的CSV的建立，否则一切都是无法完成的。

也许有些朋友觉得这是BI可以做的事情，理论上讲是相似的。但BI大部分由IT团队管理，在很多公司也算是一种IT资产，离实际业务有些距离，同时BI的使用成本较高，业务相应速度无法满足当下快速变化的市场，而这里讲的数据分析交付物应包括：动态数据仪表盘（实时业务数据显示）；数据报表（数据分析与挖掘）；业务建议（业务部门可以直接使用各类策略）。

数据应用

零售人员可以在查看用户历史数据的同时看到关于这个客户的业务推荐，例如客户是不是更在意积分；客户对什么产品更感兴趣；客户本次可能形成哪类消费等。而这些信息将直接帮助零售人员提升业绩，帮助企业实现销售增长。

同样，在营销方面，假设我们要对一个地区的女性用户做一个创意活动，那么如何认知这些用户的特征呢？数据应用可以实现选择一个用户群体，同时将这个群体的标签进行合并计算，列出至少TOP10，让创意人员更了解客群的相对共享特征，辅助创意。

营销自动化流程推送信息后，UDES也将自动回收用户的反馈，这些动作就是一个新的数据循环开始了。

未来已经到来，未来的商业应用将具备三个重要特点：智能化（Intelligence）；易用（Usability）；高效（Efficiency）。我们大胆设想，未来的用户数据生态不仅可以帮助企业更好的管理用户数据，实现各种业务的自动化和智能化，还可以基于数据流程让企业的多个部门联动起来，实现最大工作效率。用户数据管理能不能快速提升销量。这是个非常现实的问题，而答案是销售额提升的关键是销售策略，系统提升的是业务效率，而效率将决定你的利润率。