Kelly Liyakasa

誰是理想的客戶？他會花多少錢？如何把他從冷淡的線索轉變成火熱的線索？如何讓他成為回頭客？對于想要確定上述問題的公司來說，這聽上去需要大量的公式以及在辦公室加班到深夜。幸運的是，多虧預測分析，只有前者是真的。更妙的是你無需變成數學神童才能做出這些決定，因為越來越多的可用的解決方案將會替你搗鼓這些數字。

預測分析利用可適應于大量數據的算法以提取模式并且預測未來的結果，這對于不堪承受大量增長的非結構化數據的公司來說特別具有吸引力，這類數據也被稱為大數據。

社交網絡的創(chuàng)建導致了新一波非結構化數據的浪潮，隨即帶來如雨后春筍般涌現的破譯它的技術。根據Gartner公司的研究，分析系統(tǒng)正在擴大其重點，除了捕獲和關聯(lián)結構化數據，非結構化數據也納入其中。此外，盡管機器學習并不是新玩藝，Gartner將正在發(fā)展的趨勢稱作“人機伙伴關系”，它通過分析來“學習并傳遞規(guī)范化的建議”，使得員工工作更有效率。

雖然公司多年來已經在工具上投資來幫助自己發(fā)掘寶貴的商業(yè)洞察，但是預測分析并不是昔日簡單的商業(yè)智能工具?！霸陬A測分析中，你不知道什么數據是要緊的。”Forrester研究公司的首席分析師邁克·瓜爾蒂耶（Mike Gualtieri，Forrester《浪潮：大數據預測分析的解決方案》一書的作者）表示說，“在商業(yè)智能中，你在會議中坐下，試圖決定‘我們想在儀表板上看到什么？，‘哪些是KPI？，‘我們需要什么報表？。這些問題都很重要。但是在預測分析中你會說‘給我你所有的全部數據，預測算法會找出哪些是相關的。”

預測分析可以從不同角度幫助公司，例如電子商務公司需要洞察客戶的網絡行為，要比簡單地衡量標準的跳出率（bounce rate）和點擊率更深入，因此諸如去年秋天被Actuate收購的Quiterian這類公司通過識別交叉銷售機會和客戶未來購買的可能性，從而幫助電子商務網站更好地理解轉化率。

任何一家銷售訂閱、保單和合約的企業(yè)都知道運營一家植根于經常性收入的公司不是件容易的任務，根據Gartner的統(tǒng)計，估計每年少賺了300億美元，這是因為大部分銷售模型是圍繞著吸收新客戶而訂制的。例如Service Source這樣的云解決方案通過自己的按需更新（Renew OnDemand）分析，追蹤為續(xù)約特別訂制的關鍵績效驅動。Service Source檢查經常性業(yè)務數據流，確定客戶多久使用一項服務并且使用到什么程度，隨后建立模型識別客戶流失傾向。

不管環(huán)境如何，瓜爾蒂耶斷言，為了使預測分析最有效地工作，需要來自多個來源的不同類型的數據。顯然有一些其它的市場指標，如競爭對手推出新的產品可能會在一個季度內對銷售有影響。結合歷史數據和外部來源的信息如信用評級或互聯(lián)網數據，公司成功的機會更大。

增強CRM

凱創(chuàng)系統(tǒng)（Enterasys Networks）是一家提供計算機網絡和無線基礎設施及服務的西門子企業(yè)通信公司，該公司的首席客戶官及營銷官瓦拉·阿夫沙（Vala Afshar）稱對預測分析的應用給銷售周期管理帶來了“變革性的效果”。

凱創(chuàng)采用了Salesforce.com的大量產品如Service，Sales Cloud和企業(yè)協(xié)同工具Chatter，希望能找到一種方法根據多項指標來計算贏得一筆交易的可能性。由于Salesforce.com的開放式API，凱創(chuàng)能夠在公司內部通過修改和增強自身的CRM系統(tǒng)來開發(fā)預測模型。

在凱創(chuàng)的銷售列表上的第一項是交易規(guī)模，結合交易數據的歷史性分析與阿夫沙所說的“交易規(guī)模最佳點急速分析”，公司能夠給不同的交易規(guī)模分配權重。交易的市場也是一個因素。凱創(chuàng)發(fā)現如果一個銷售機會已經超過120天的時間，該交易只有不到3%的可能關閉，這幫助凱創(chuàng)為跟進哪些交易排出優(yōu)先級。隨后，凱創(chuàng)合并那些一貫表現良好的垂直行業(yè)來關閉這個循環(huán)，因此當凱創(chuàng)公司的銷售經理與銷售代表交談的時候，單單的交易規(guī)模不再是主要因素。阿夫沙說道：“既然我們可以剖析這些不同的記號，我們和現場銷售的對話可以更加智能。比方說‘為什么你對這筆交易的成功那么有信心？事實上從歷史數據來看，這種時長的交易成功關閉的可能性非常小?！?/p>

減少客戶流失

TridentMarketing公司是美國第二大的DIRECTV的經銷商，它的任務是改善客戶流失率以及向衛(wèi)星電視供應商提供更優(yōu)化的客戶。盡管Trident的流失率在

5～6%之間，DIRECTV希望它能降到3%以下，否則經銷商可能會面臨失去DIRECTV銷售許可的風險。

Trident Marketing向分析合作伙伴Fuzzy Logix尋求幫助，基于自己的電話，CRM和訂單系統(tǒng)中近2TB的數據以及來自征信機構及谷歌的點擊流數據等外部數據識別出三十個客戶變量。Trident Marketing通過IBM的Pure Data System for Analytics平臺發(fā)現了大量的客戶數據。

Trident公司的首席信息官布蘭登·布朗（Brandon Brown）表示公司還確定了哪些變量建立起一個好的客戶，比方說為了獲得全美橄欖球聯(lián)賽周日套票而在營銷活動期間簽約DIRECTV并且在賽季結束時取消合約的客戶可能產生負面的客戶變量。

“我們實時應用（預測模型的）分析部分，現在我可以把它注入到銷售過程中去?！辈祭时硎荆虼薚rident的銷售團隊可以圍繞更多的變量來訂制消息。假設電子銷售代表可能看了一位客戶的帳號，然后說“你有六個接收器，因為你的房子特別大。現在我可以向你推銷一項附加服務——比如說為你的電子設備進行內部維護的合同?！?/p>

在Fuzzy Logix在Trident的數據倉庫上運行預測分析的六十天內Trident注意到銷售增加了10%，而且能減少30%的付費搜索營銷成本。由于此方法對特定客戶可能會購買什么產品有更多的洞察，公司達到了終極目標——將流失率減少50%，并且達到DIRECTV設定的保住許可的流失率目標。

揭示看不見的信息

預測分析也可以用來決定特定客戶群的定價閾值，影響銷售團隊交叉銷售和向上銷售的能力。Gartner公司的研究總監(jiān)加雷思·赫歇爾（Gareth Herschel）表示，雖然還沒有一個完美的支持預測分析的商業(yè)環(huán)境，一些引人注目的部署來自擁有廣泛的產品范圍的公司。

Zilliant公司的產品管理副總裁皮特·艾培爾（Pete Eppele）認同這個說法。Zilliant是一家提供價格優(yōu)化和銷售效率解決方案的科技公司。在一個大批量銷售的環(huán)境中，類型廣泛的產品、為數眾多的銷售代表以及客戶需求的變化都為公司增添了壓力。艾培爾說：“有那么多的決定要做，對于任何給定的產品還有大量的銷售情況，這是需要科學起到很大作用的地方，以免人們在復雜性中迷失?！?/p>

舉例來說，一家主流的制造商尋求Zilliant的幫助，期望增加銷售量并向現有客戶群出售更多的產品類別以提高客戶保持率。SalesMax是一個專利性的能夠在CRM或銷售自動化系統(tǒng)中識別、量化并且為線索排優(yōu)先級的購買模式分析解決方案。應用SalesMax，公司可以分析12個月以來的客戶購買數據，并且在出現帳戶特有的機會的時候收到報警。

在九十天內，SalesMax挖掘出價值五千五百萬美元的客戶機會，之后公司從這些未開發(fā)的營收機會中收獲了超過六百萬美元。

與之類似的，一家項目管理軟件公司VersionOne開始采用Birst分析工具來增強自己的CRM系統(tǒng)。按照VersionOne公司的銷售副總裁理查德·富勒（Richard Fuller）的說法，通過在Salesforce.com之上運行Birst所收集到的數據，該公司的銷售團隊能更好地理解哪些交易正在銷售管道中移動，哪些交易標記為“成功關閉”或“失敗關閉”，以及哪些交易需要調整。

Genpact Limited公司的分析與研究副總裁Pankaj Kulshreshtha觀察到盡管運行預測模型來改進商業(yè)流程有顯見的好處，許多公司仍然手動地處理數據。Genpact Limited是一家商業(yè)流程和技術管理服務公司。

對于尚未部署預測分析軟件的公司來說，重要的是要記得預測是建立在概率之上的。Kulshreshtha解釋說：“幾乎所有的模型都有誤差幅度，但是就算模型只有80～90%的準確度，也能帶來顯著的影響?！彼硎?，關鍵是建立一個測試和學習的環(huán)境，持續(xù)地衡量模型的影響，隨后引入變化來改進模型，直至達到非常低的誤差幅度。

Forrester公司的瓜爾蒂耶認同這個觀點。由于預測模型的目的是確定一項結果的可能性，要由公司自己決定投資哪些可能性，比如是以某種方式改變客戶消息還是調整銷售模型，因為模型很大程度上依賴歷史數據，公司必須“不斷地完善和重新運行”測試模型來說明如經濟、市場和競爭動作等外部力量。瓜爾蒂耶指出：“（預測）軟件工具的好處是它能告訴你模型有多好——在某個時間段中?！?/p>

專家們提出在運行預測模型之前的一句話警告——Trident Marketing的布朗表示在試圖自動化之前要了解自己的業(yè)務；赫歇爾說另一個重要的因素是良好的老式的直覺。

他表示如果公司對于自己是否正在按照正確的指標來行事猶豫不決，那最好用分析模型來雙重檢查公司的直覺。如果兩者一致，“繼續(xù)前進可能是安全的?！?/p>

由于預測分析的成功取決于其整合入公司系統(tǒng)的程度以及數據的豐富度，“一些領先的CRM公司將開始增加捕獲的客戶信息數量并且嵌入預測分析和描述分析以發(fā)現那些不明顯的信息?！惫蠣柕僖硎荆鞠胍孀恪瓣P于一個人的愿望和情緒的各種各樣的情境”。