远传技术葛培明:多渠道客户行为分析协同研究

　　接下来看一个功能的演化，第一个我们刚刚也稍微提到一点，它那时候其实还不能说客户行为分析，只能叫做流量统计，它的主要的功能就是看看我们这个网站有多少人访问，每一个页面有多少点击量，这样一个基本的统计。还有一些简单的，比如客户来源，比如有一些可能来自于我们的推广，这个阶段叫做流量统计。流量统计其实有两个非常基础的问题没有解决，一个是网页内部的点击没有跟踪，其实这就造成客户行为不全，有脱节。还有我知道我的网站有100万的访问量，但是不知道这100万是谁，这对精确营销是一个致命的打击。这个问题没有解决，所以导致了我们第二代的客户行为分析，基于电子商务的客户行为，这时候可以称之为分析了。当然，电子商务客户行为也包含流量统计，这时候它不仅仅关注页面的访问量，还关注一部分的时间，还有平均每次交易额，也就是大家常常说到的客单价。从此之外还定制一些流程图，看看我们的交易有哪些是我们的弱项。电子商务的客户行为分析解决了第一个问题，就是可以跟踪内部的点击，但是仍然解决不了第二个问题，就是仍然不知道访问者是谁，这对我们很多市场部的人员没有办法接受。

　　应该说电子商务发展到第二个阶段以后，电子商务的分析在电子商务领域取得了非常巨大的成功，也涌现了一批有限的供应商。但是，当把这些好的思路和好的想法往其他行业复制的时候，非电子商务，比如我们的银行出现了一些意想不到的困难，我们成功的案例在其他行业也有，这两年大家有一个共识，就是在非电子商务领域客户行为分析做的不够好，当然也在想，什么原因导致了客户行为分析没有取得像前面一样的成功。经过大约两年多，现在大家基本上达成了一个共识，就是各个行业的商业模式不同，运营模式不同，发展阶段不同，是我们不能大量普及的一个根本原因。今年3月份，又是一个春天，谷歌提出了发表行业性软件，他说我的软件不再适用于所有行业，而是针对专业行业，其实这是一个壁垒。我们电子商务网站大家想想非常清楚，我们在京东网上买一裤子和电视是一模一样，流程没有任何区别，但是我们运营商要查一个话费，改一个卡号，流程完全不一样，从这一点来讲，就否定了纯电子商务这种分析模式的一个拓展。其他的像一些媒体网站，像新浪网，这个他们的硬性三月盈利模式就是靠广告，像优酷，土豆是靠前面那段视频的广告盈利，所以它基本的盈利模式与商业模式不同，我们不能一杆子打过去，每个行业应该有各自的客户行为分析方案，也应该有各自的客户行为分析软件。另外，由于每个行业的发展阶段不一样，也会导致我们这个分析内容不断的发展，这可能就导致了我们刚刚所提到的服务化。

　　举个例子，看一下京东，易迅的几个截图，非常类似，这就是发展到一定程度，成熟度达到一定时候的一个情况，模式固定了，大家都看到价值在。再看一下亚马逊，正是因为有一些文化差异，所以很多国外的软件到了中国就会发现用不了，或者用起来非常困难，其实是有文化差异的。大家都习惯了京东，习惯了易迅，如果把亚马逊的方式拿过来，大家会觉得很难受。但是，在美国非常好。

　　基于这样一个现实情况，可能有一些公司也做了一些有益的探索，这里边有两个代表性的方案，一个就是全能方案，就是做到足够全，覆盖所有行业，想法非常好，但是最后结果是开发难度非常大，开发的成本专家到我们客户身上，导致成本非常高，而且部署非常复杂。谷歌为代表的是折中方案，就是我功能没有那么全，价格也不会很高。企业客户想，我的功能就要强大，价值一定要低，部署配置简单，所以这是一个矛盾的组合体，真正的解决方案就是行业自己的一个客户群方案以及相应的客户群分析软件，这个在业界刚刚达成共识，也就是包括有些公司宣布进入行业，我做了运营商，这个运营商的东西可能不适合电子商务，也可能不适合银行，所以就用合适的工具解决合适的问题。

　　从今年开始，客户行为分析方案已经成为客户软件的一个趋势，行业化，广深化，服务华，行业化不用解释了，广深就是指广东和深圳，服务化就是软件供应商一定要提供非常好的服务。

　　接下来跟大家分享一下电信运营商现在发展的趋势，以及可预见的未来几年的发展。刚刚提到有两个问题没有解决，电子商务解决了一个问题，另外一个就是不知道访问者有100万，我们不知道100万是谁，这时候就要解决这个问题。我们运营商，银行都有很多渠道，包括手机渠道，PC、互联网的渠道，还有电话的渠道，这些渠道其实是可以构建一个全景客户试图，但是现在来讲，大部分是各自运营。所以，对于企业来讲，发挥最大价值的是做一个跨渠道的分析。还有一个基于主题的分析，我们不再是电子商务，我们也不再是流量统计，我们要进入主题，这个进入主题的概念就是运营商要有服务，还有一个就是终端销售，每一个流程不一样，企业在推广的目标也不一样。就是我们现在关注的什么，分析的主题是什么，这是今天上午讲到的，基于关键因素驱动的分析，当然这个数据的分析量非常大，每天可能是10G左右，这就是今天上午倪光南院士提到的大数据，其实客户行为分析是大数据非常重要的一个组成部分。还有一个主动行为监控，还有最重要的一个安全因素，本地化部署基于远程的一个部署，这个非常时髦，在一般的企业这种方式会带来一定的好处，但是对于有一些企业，其实是不适合的，为什么呢？它会把客户的数据发送到外面服务器，这个服务器是我们不能控制的，这时候会发现，这个是不安全的问题，即使是法律不健全的美国也发生过一些问题，最后发生了一些很严重的后果，包括这个公司在纳斯达克上市股票大跌，造成数据泄密的问题。还有一些其他的因素不展开讲了，本地化部署对于银行来讲，对于运营商是一定要保证的。

　　接下来说一下一个分析的广深化，广度就是和商业接轨，来左正合，我们要把客户行为拓展到我们的商业，或者把商业接轨拓展到客户。成交以后有各种各样的系统对成交以后的数据进行管理，但是很少有系统对于成交之前的客户路径进行关系，客户行为进行管理。客户行为分析就是要把这两者结合，个性化的引擎，当然这个来源是基于商业接轨，还有一些企业策略，比如我们这一段主要是想推套餐。其实还有一个重要的就是客户行为，客户行为的分析会给客户打标签，比如这个客户是新业务型的，还有客户是积分偏好型，这样对我们营销会带来非常好的效果。还有一个交互轨迹，比如某一个人看了几台手机，比如iPhone5出来了，有一个人到我们网上运营厅看了两次的介绍，这是我们的潜在客户，如果我们主动拜访他会给我们带来很好的销售效益，这一块都是客户行为分析所要做的。这是刚刚提到的整合分析，这是所说的远程技术退出的客户行为分析的一个截图，就是说我们的CRM的数据，客户标签会推伸到客户。还有先进模式的识别算法，模式识别其实最早应用在其他的一些领域，现在医学领域用的比较多，还有交通领域，车牌号的识别。还有一些其实我们在开发的过程中，因为时间紧，任务重，总会存在各种各样的问题。还有先进的模式识别算法，这种行为模式应该在某一些企业或者行业是存在的，这种模式软件识别应该都能够自动的识别出来，告诉大家做渠道协同的时候非常有用。刚刚也提到了我们会为每一个客户打标签，我们现在是四种标签，随着未来我们不断的研发的深入，标签会越来越多，或者说跟大家合作，把自己感兴趣的一些标签帖上去。这些其实都属于我们有一个学科叫计算智能的研究内容，其实它不是一个新学科，是综合了很多的像数据统计这样的一些东西，这些基础研究，都是比较精确的。

　　还有我们现在的一些分析方法，某一个指标，我们的关键指标随着时间的推移下降了，但是我们不希望它下降我们想知道原因是什么？一般软件会告诉你下降这个事实，但是不会告诉你原因，客户行为分析会告诉你可能是什么引起的？这里有一个推广页面，不展开讲了。另外一个就是发展的趋势，就是现在数据可视化的技术的一些引用，这是IVR的波表，这张报表其实看起来不方便，怎么能方便？把它可视化。这也是一般的业务拿不到的报表。这个是基于不同客户群体的距离的，还有现在比较热议的，就是客户每一次鼠标点击记录下来，兴业银行点击量非常大，甚至还要拉一下下拉列表，这是点击量比较大的放在最顶部的地方，这是客户体验最基本的一个方面，这个是不同客户群体之中的关联，这个是多维数据挖掘以后的一个，这是可视化方面的一些新的进展，这些其实都融入了我们的客户行为分析软件。

　　接下来稍微分享一下TRIZ，其实这个东西上世纪40、50年代就出来了，但是一直在军队里，我们战斗机的设计都是用这种理念，现在已经从军事领域拓展到我们的民用领域，这个是创始人，它曾经因为这个被关入监狱，那时候是冷战阶段，它的一个基本出发点是基本问题和矛盾是相同的，只是所在学科不同，相应的解决方案一次在后来的创新中被重新使用。我们远传已经在引用TRIZ的理念，或者思想作我们的客户行为分析。TRIZ另外一个方面就是讲跨学科的融合，其实在这之前，有交通流量分析，是我们交通管理的一个核心软件，我们这个客户行为分析和这个是对等的。这张图是大家经常在高速上看到的，有一个道路的拥挤程度。所以，其实我们有很多不同的领域，交通领域，运营商领域，互联网领域，很多东西看上去不同，但是很多的逻辑、理念，底层的一些思想是一样的。感谢大家！