营销应用IT化的十大趋势

来源：市场调查协会作者：新华信汽车营销解决方案-商业决策解决方案总监李维晗

2010/6/23 14:50:56

企业营销管理者可以把数据挖掘和建模作为商业智能的高阶应用，把项目制的预测性分析变成平台制的预测性分析。

营销科学与营销艺术的劣势平衡将被打破

回顾百年营销史，我们不难发现营销科学和营销艺术始终都是市场营销理念和应用的双螺旋DNA，围绕二者孰轻孰重的话题也从来就没有间断过。营销科学为营销艺术提供更多的数字基石，而营销艺术也为营销科学创造更曼妙的畅想空间。从国内主流行业的市场营销应用来看，营销艺术较营销科学还有一定的比较优势；但从中国经济社会高速发展并不断逼近世界先进水平的态势来看，营销科学超越营销艺术而居于市场营销应用的主导地位将很快得以实现。我们尚不能预测二者之间的调和比例，但是6：4-7：3这个区段将是一个比较合理的范围。

营销闭环管理将进入大规模实践阶段

闭环营销管理的理念并不复杂，但在旧的组织架构、流程制度、系统保障下，这样的管理模式难以进入规模实践阶段。从商业目标、营销资源、数据整合，到策略和分析、资源配置、营销规划、营销执行和绩效反馈/改善，再到下一个营销循环，类似的全方位营销闭环管理实践，对企业管理的精准性、有效性和实时性提出了较高的要求，只有借助于IT技术，才能整合企业内部营销链条上的各个环节，令营销闭环管理进入大规模实践阶段。目前国内主流行业中和营销相关的IT应用已经进入成熟阶段（如ERP/CRM/DMS/PRM/Contact Center等），相信营销闭环管理的大规模实践阶段也不会久远。

针对产品和服务营销的全营销业务流程整合

在传统的品牌营销和大众营销方面，理论和实践已经相当成熟；但是在产品和服务营销的范畴，基于数字和信息的营销理论和实践，仍然有待我们深入探索和实践。针对产品和服务的营销，其目的性更加单一、功利性更强、业务流程整合需求也更强。例如，以传统数据库营销为理论基础并不断演绎的营销业务流程整合：数据内容整合和管理、数据质量管理、营销管理系统、数据分析/挖掘、商业策略、商业智能和客户智能、直复式营销和销售线索挖掘的全业务流程整合，将是今后一个时期内企业中产品和服务营销体系发展的重中之重。

客户全生命周期管理将是企业长远发展的营销基石

客户全生命周期管理，是客户关系管理（CRM）理论的核心出发点，从客户的获取、客户的激活、客户的价值提升，到客户的流失预警和挽留等阶段，每个阶段都有不同的分析方法、营销策略和营销手段，以帮助企业最大限度的利用既有的营销资源和客户资源，实现ROI的最大化。在很短的时间预期内，各主流行业的跑马圈地运动将进入收官阶段，寻找新客户、从竞争对手处挖客户的成本将不断增大，而挖掘既有客户价值的成本将相对适中，这将迫使主流行业的营销者不得不去关注客户在生命周期中的整体价值，而基于IT技术的相关体系、方法论和营销手段也将日趋完善。

客户数据整合和单一客户视图（或360度客户视图）

企业中与客户和营销相关的数据和信息，散落于诸如市场、销售、渠道、供应链、财务、客服等多个业务单元。解决这种信息孤岛的问题，既可以通过主数据管理的方式解决信息整合的问题；也可以通过整合多渠道数据源，利用ETL建立数据仓库，进而建立面向业务主题的数据集市，并通过单一视角审视客户，达到最理想的客户信息管理状态：丰富完善/准确实时的客户信息可以令营销分析者/策划者/管理者和执行者精准地分析研究客户，进而做出并监控最合理的营销计划。从另外一个角度来看，单一客户视图也是企业无可回避的选择。

客户数据质量管理和提升的平台建设

客户数据包括客户的基本信息、特征信息、行为信息、购买信息、客服信息等多重数据源，客户数据质量的精准程度，直接关系到营销策略和营销执行的绩效。客户数据质量的管理，一要靠管理，即客户数据质量管理流程制度、组织机构保障等方面的管理措施；二要靠人，即在企业数据流的关键环节有专人监督、核查数据的质量；三要靠工具，即相应的数据质量管理平台，对广大的中国企业营销管理者来讲，这个平台不但要集成庞大的数据质量管理知识库，还要有符合中文自然语言特点的模糊计算方法，同时还要具有整合、评估、统计、清洗和提升等多种数据质量管理应用，才能令企业的客户数据质量在惟一性、标准性、准确性、完备性等方面达到前所未有的高度。

数据挖掘和商业模型在市场营销中的广泛应用

企业营销者针对营销的分析，通常流于对过去和现实的描述性统计分析，如常见的企业内部营销盘点或者委托第三方的市场调研；而针对未来的预测性分析，则由于资源、方法论等多种限制，无法广泛地采用。但在企业的营销战略中，对未来的预测性分析，才是最核心和最具营销价值的：如分析客户购买了A产品，会不会购买B服务？客户购买某种产品的可能性有多高？客户可能因为何种致命的因素流失掉？客户流失的概率是多少？挽回客户的几率高不高？客户现在价值不高，但未来会不会是“绩优股”……这些分析并不是镜中花、水中月，只要企业内部有良好的客户数据基础，都可以基于一个整合的客户数据仓库，通过数据挖掘和建模的方法来实现。而数据挖掘在客户（价值）细分、营销响应预测、交叉销售、垂直销售、流失预警和客户忠诚度等方面的分析策略和方法，已日趋成熟，并开始在零售、金融、电信等行业得以规模应用。

企业内外部多营销通路的策略性整合

企业营销活动的规模化、负杂化和个性化，要求多营销通路系统进行策略性地整合：如DM、EDM、SMS、CallCenter、Web、Fax等平台间数据互享、策略的协调和分发、营销执行、互补策略等，相关的整合性机制和平台将日趋成熟，并成为营销执行层最坚实的通路保障。由于这部分的营销工作直接和客户相关，属于“客户接触点”管理的范畴，其策略性整合的工作对企业而言尤为迫切。一些先进的企业，在contact center建设方面，已投入巨资并有相当成效，但这些系统更多地侧重于客户的呼入联络，而对于主动联系客户或呼出的应用整合，还相当薄弱。多营销通路的策略性整合，其内涵还在于有核心的营销规划、管理和分发机制，而不是简单的整合。

营销过程的自动化和智能化管理

企业的营销系统将被植入更多的客户智能要件：包括客户分析的数学模型、营销活动创建/权限分配/项目管理等流程机制、动态内容管理和交互式设计、自动测试或事件触发机制、营销技巧和营销实践等，上述内容将极大地丰富原本朴素和平实的营销过程管理。营销过程自动化和智能化的核心还是要建立动态的营销业务应用模型，以实现实时的客户管理和部分的营销响应支持（即根据客户状态或动作的变化，部分实现对客户的实时响应）。

商业智能在营销上更广泛的应用

传统的商业智能应用，如（动态）报表、即席查询、OLAP、仪表盘等，以及基于业务模型的解决方案（如动态的营销预算管理体系，营销绩效考核体系等）等将在业务模型、分析手段和展示平台等方面极大程度地丰富其在营销端的应用。同时，企业营销管理者也可以把数据挖掘和建模作为商业智能的高阶应用，固化在企业的商业智能系统当中，把项目制的预测性分析变成平台制的预测性分析。

责编：姜玲