大营销体系下的数据挖掘.docxVIP

PAGE 1 PAGE 1 大营销体系下的数据挖掘  数据挖掘的进入对于汽车行业来说无疑是一个特别好的机会。然而，中国的汽车企业要真正解决数据挖掘的问题，或许还需要三到五年的时间。从汽车行业来看，变革的第一步由组织架构切入。目前的汽车企业尚且没有一个单独的部门或相关的组织架构来负责数据方面的事务，无法从客户的角度收集、整理、组织数据；整个行业还是以职能制为中心，是一个市场、销售、网络、售后，各自为战的职能网络，缺乏一个链条来打通客户数据的整合。因此，组织架构需要变革，需要有一个部门负责将各个业务流程打通，疏通数据的流淌和整合。接下来的第二步就是打通系统，整个企业使用统一的系统和统一的数据编码、数据架构方式。完成了组织架构的变革和数据整合，之后的数据挖掘就是顺理成章、水到渠成的事了，完成的速度将会特别快。这几年对于数据挖掘来说还是一个蓄势待发的时期，它需要踏踏实实做好前期的铺垫。  汽车行业是数据挖掘大显身手的舞台  数据挖掘的进入对于汽车行业来说无疑是一个特别好的机会。  在过去几年的高速发展中，汽车行业主要追求销量，跟销售要利润。随着汽车市场竞争日趋激烈，以及一系列限制性政策的出台，销量增长日趋缓慢，而围绕从汽车售出到报废的整个过程产生的一系列服务和交易的汽车后市场则蓬勃发展起来，必将成为汽车行业最主要的利润来源，这是一个行业性的规律，全世界汽车市场发达的国家大抵如此。某上市的大型汽车经销商年报显示，其汽车销售和售后的营业额比例也许是10:1，而这两部分的利润率恰好相反，是1:10，因此最终两者所贡献的利润是相当的，比例将近1:1。这种态势在不断发展和深化，今后几年售后服务对经销商利润的贡献率将逐年上升并大于销售业务。  汽车行业不同于快消行业，汽车属于大宗购买商品，购买周期长、消费频次低、客单价高，即使没有限购令，销售量也必有限高。因此售后如何做、如何从中获取利润是厂商和经销商今后需要重点考虑的问题。  汽车售后的利润其实高得迷人。一辆好一点的车一年仅修理保养就需要三、四万块钱，再换个零件、做做其他的保养和服务，又得好几万。假设一辆车平均能用十年，只要保证这十年客户在你的售后服务体系内不流失，十年下来经销商能够收获的利润相当可观。  汽车厂商近年来已经越来越多地留意到了这一点，开始做客户杂志、组织自驾游、开办车主俱乐部等，并且开始考核售后的绩效。售后绩效的考核不同于销售数据的一目了然，许多指标不能直接衡量，比如售后营销的效果，而数据挖掘则可以在其中大显身手。  汽车行业数据挖掘的现存桎梏  以往汽车行业之所以没有大规模地开展数据挖掘工作，最为重要的原因在于整个行业的信息化水平比较低。  银行业和电信业属于信息化水平比较高的行业，其用户消费的本身就是无形的产品和服务，他们的日常行为都通过数据表现，同时这些数据大都是可以直接用于分析的结构化数据。汽车行业相比之下只能望其项背。  首先，从行业结构来说，汽车行业的主机厂商和消费者之间还有一个层级是经销商，它在其中形成了一个天然的数据壁垒。主机厂商（或销售公司）拿不到潜在客户的数据。潜在客户的任何行为，包括到店、试乘试驾，以及其他一些涉及营销的行为，这些行为产生的数据经销商是不会主动供应主机厂商的。只有订单产生以后，客户付钱了，厂商才能拿到这个客户的数据。之前大量的信息，尤其是最重要的潜在客户的信息都把握在经销商手里。厂商给经销商特许经营权大部分是1~2年重新签署一次，历时很短，因此它们之间大都还存在一定的猜忌。  即便数据获取的问题能够得到解决，我们能获取有效的数据并建立模型，经销商与厂商之间的这一层隔膜也极大影响着数据挖掘结果的执行效果，并进一步影响厂商下一步确定是否连续进行数据挖掘的选择。  不同的经销商执行力千差万别。比如，越是豪华的品牌，经销商对厂商的话语权越强，厂商越弱势，数据挖掘结果的执行力就会特殊弱。也有的厂商很强势，“全国一盘棋”式的掌控，经销商的执行力就会比较强，能够根据数据挖掘结果进行执行和改进。有时候执行力也和经销商把握的数据有关。比如厂商要把一个模型推广到经销商方面使用，但是经销商可能会发觉模型里需要的许多数据是厂商方面才有的衍生数据，经销商无法直接使用，这也会使数据挖掘结果的执行力变差，这个壁垒的影响是双方面的。  其次，从数据质量来说，即便是厂商拿到了客户数据，也存在大量的经销商造假的状况。假如是银行业或是电信业，用于考核业绩的数据清楚明白，客户存了多少钱就是多少钱，花了多少话费就是多少话费，这些统统都是系统记录在案的。而在汽车行业，厂商主要通过销量、飞行检查、神奇客、审计等方式考核经销商，这其中存在很大的造假余地。比如车主购车