公司与集团关系.ppt

* * * * 服務是取得口碑最有效的方式，另一銷售機會的來源 提昇服務品質，客戶服務滿意度 例如;業務或技術、服務部門對系統更新版本的說辭 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 市場滲透率-新顧客數目的增加 顧客忠誠度-若A級顧客增多或逐年維持一固定比例 新舊顧客消長 貢獻度分析-每一顧客落在等級分佈區間的變化 調整服務資源-提供服務報表清單給顧客讓顧客了解所提供的服務 還記得20/80, 百分之20的顧客貢獻了百分之80的營收 20/120 百分之20的顧客貢獻了百分之120的營收,一個企業體的營收不過百分之百,剩下百分之20的顧客到那兒去了?百分之80的顧客又到那兒去了? 答案是百分之80的顧客吃掉了百分之40的營收 * * * * * * * * * * * * * * * * * 傳統行銷 增加市場的佔有率 以「交易」為主 大量的行銷（TV、報紙） 缺點 成本過大 結果無法預期　–　亂槍打鳥 無法瞭解顧客 * 顧客佔有率的重要性 20/80 法則 （顧客生而不平等） 留住舊顧客比開發新顧客重要 （1 : 5） 顧客流失率減少 5%，利潤將會有 100% 的成長 重複購買法則 資料庫行銷 * 對現有顧客 滿意度 忠誠度 保留率 購買率 對潛在顧客 增加新客戶 新銷售 * 找到正確的顧客 得到最大的利潤 根據靜態的資料 年收入大於 50 萬、住台北、女性等 根據動態的資料 RFM(最近購買日期、購買頻率、消費金額） 根據所有資料 資料採礦 (Data Mining) 中央大學。范錚強 * 採購行為：日期、金額、產品、回應等等。 人口統計資料：年齡、收入、家庭人口數等等。 區域：城市，郵遞區號、商區、到商品代理人 的距離等等。 意見：訪查結果、抱怨、查詢等等。 生活型態：運動、餐廳、雜誌、旅遊等等。 * 最近購買的顧客傾向再度購買 RECENCY 較常購買的顧客可能會較易回應 FREQUENCY 消費金額較多的顧客未來可能更會消費 MONETARY * 利用RFM 分析方法來預測顧客行為 已被採用超過50 年 低成本、最有效益的方法之一 兩階段 區塊測試、分析 行銷活動執行 * RFM資料 行為 促銷活動 我有產品要做促銷 需要針對既有的顧客來進行 顧客資料太多，需要找到「對」的人 成本太高 挑選部分顧客來進行 * 選擇分區的變項，加以排序、分區 購買頻率/金額 最近一月、一季、一年等？ 購買金額 萬元、十萬元、五十萬元等 最近購買日期 區間的考慮 將名單等分切割？不等分？ 常見為五等分 (1-5） 分割越少 每個區塊的人數過多 ?行銷成本大 分割越細 區塊數過多 ? 測試的成本大 * 假設顧客有 800,000 人 需透過測試來找出最佳的區塊 利用二十人選一人的方式來篩選測試 1, 21, 41,… 選出 40,000 人來測試 * * 計算損益平衡回應率 成本/每個回應率的淨效益 例子 每件郵件成本 $0.62 每個回應的收益 $35 損益平衡回應率=$0.62 / $35 = 1.77% 選取回應率大於 1.77% 的區塊 * * 不是評分機制 重複對相同顧客行銷 區塊重於個人 無法預測個人未來的行為 * 從巨量的資料庫中，發掘出未知的資訊與知識出來，作為決策支援之用，必能產生企業的競爭優勢。 發掘新的關聯、模式、趨勢 預測 v.s. 舊知 在正確時間，經由正確的管道，對正確的顧客做適當的服務或行銷 * 諮詢紀錄： 服務表單沒有系統化處理，無法提供顧客諮詢的彙整紀錄，服務品質無法有效控管。 服務差異化： 服務資源分派不均，主管無法及時作適當調整；同時，重要顧客和一般顧客一樣在排隊等候服務。 稽催與提示 逾時的服務，主管無法在第一時間得知。 經驗傳承： 服務經驗無法有效分享，整體素質難以提升。 * 提高最終顧客價值 聆聽顧客意見的機會 許多企業派遣新進人員擔任服務人員 幫企業得罪顧客！！ * 資料拿來做什麼用？ 還是其他人有，我也有？ 通路之間的交互支援 你是甲分行的顧客，不是我的顧客！ 可是，乙分行也是你們銀行呀？！ * 服務流程 服務警訊 主動式服務 自助式服務 常用問題集 * * 受理人接受顧客諮詢或抱怨 ? ? : 問題描述 挑選處理人 畫面顯示可被分配問題的處理人/部門 第一線人員 回應顧客現況 後送第二線處理 第一線處理人解決問題 通知顧客 提出其他需求 顧客接受 部門主管 服務數量彙報 服務人員的工作量 每單一服務的時間和資源 服務分佈 警訊提醒 (Alarm Trigger)