使用大数据和 Hadoop 重新定义忠诚度计划

忠诚度计划不应与积分、奖励或地位有关。虽然这些福利可能会吸引消费者，但它们不会培养忠诚度。这些计划的重点应该是收集有用的数据，这些数据可用于建立对消费者和品牌都有利的关系。 从基于奖励的交易中建立真正的客户关系 忠诚度计划不应与积分、奖励或地位有关。虽然这些福利可能会吸引消费者，但它们不会培养忠诚度。这些计划的重点应该是收集有用的数据，这些数据可用于建立对消费者和品牌都有利的关系。 更多阅读 云端GPS挖掘 基于云的 GPS 跟踪彻底改变了挖掘项目 CASB 帮助基于云的企业避免数据泄露 数据货币化正在改变信息技术就业市场的 7 种方式 人工智能正在永远改变汽车行业 中小企业使用人工智能驱动的财务软件来提高效率 “有用”是这里的关键——因为消费者并不真正关心保持企业数据的清洁和相关性。众所周知，每个人都曾或多或少地在忠诚度注册表单上谎报过自己的年龄。

或者选择不回答调查问题

故意或错误地提供不正确的数据，或者提供他们从未检查过的垃圾邮件转储电子邮件地址作为联系信息。任何隐含地信任消费者提供的数据的企业都是根据本质上随机的信息做出决策的企业。 考虑一下：根据 2014 年邦德品牌忠诚度报告，美国消费者 平均参加10.9 个忠诚度计划，但尼尔森最近的一项 最新邮件数据库 调 查发现， 78%的消费者表示他们不忠于某个特定品牌。 客户可能是忠诚度计划的成员，但他们显然不参与品牌。他们享受忠诚度计划的交易优势——但如果另一个品牌为他们提供更好的交易，那么，不要指望“忠诚度”成为他们做出购买决定的一个因素。为什么会这样？如果一个品牌只是在价格上竞争，那么它所谓的与消费者的关系就只是昙花一现。 大数据提供差异化 营销人员一致认为，针对性强的活动最有可能带来转化、保留或其他预期结果。要做到这一点，您显然需要拥有允许您细分客户群的数据，提供相关的行动号召和/或奖励，并提供品牌客户认为重要的服务和产品。

但这又把我们带回了一个

始终存在的问题：如果我们不能指望消费者提供可靠的数据，那么可信的数据从何而来？答案是：结合外部数据源观察客户活动和偏好。然后，高级分析可以拼凑出非常准确的客户档案，从而实现更精确的细分。 当涉及到这种分析工作时，没有太多的数据。每个业务分析师和数据科学家都同意，扩展任何 BLB目录 给定模型的数据通常会显着改进分析。显然，这些数据将以多种格式出现——结构化、半结构化和非结构化，大的和小的，近实时的和实时的，以及历史的。 尝试将其全部存储在传统数据仓库中，您可能会抹去从细分中获得的所有利润。您几乎肯定会遇到可用性问题，并且您将花费大量时间等待 IT 将数据整理成可以分析的形式。这就是为什么许多组织转向Apache Hadoop来支持大数据解决方案的原因。 Hadoop 是一个可大规模扩展的分布式存储和处理平台，支持用于操作和分析的大数据应用程序。它是下一代数据架构的关键组件，使组织能够以每 TB 成本降低 1/10 到 1/50 的成本构建敏捷的新数据驱动应用程序和存储数据。