客户识别从客户分级到全场景标签

砍柴网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

决策易SFE效能增长训练营第三期课程已上线,本期课程讲师scarlett带来《创造客户价值从识别客户开始——从客户分级到全场景标签》,以下为课程主要内容~

计算客户潜力,找出高质量高稳定的客户是后续 营销 工作基础,而根据以往的计算方式,在九宫格四区或者九宫格三区图上找到最心仪的A区与B区后,会发现医生画像是模糊的! 

客户识别从客户分级到全场景标签

这对于SFE、marketing部门来说,这很难受,也很无力,只能看到一个模糊的、大致的样子,甚至部分地方都是空白的。

客户信息主要来源于代表面对面的拜访,包括这个医生的日门诊量、多少台手术、多少床位数、多少潜在患者等,很大程度取决于代表的手工录入,准确性是存疑的。

然后我们每年投入了大量的人力、财力、物力,然后做维护做升级,然后产出了一堆没有用的数据,garbage in garbage out,客户的认知度变化基于代表主观判断的。

客户识别从客户分级到全场景标签

这对我们药企提出了一个非常大的挑战,我们上了很多的信息平台,有了很多 digital channel ,我们全场景的触点也很多,但最后这些数据都没有办法被很好地去利用,也没有办法真正的引入到整个闭环的流程中去。问题到底在哪里?

在我看来其实是缺少了一个闭环,这个闭环可能是机制造成的,可能是技术造成的,也有可能是数据本身造成。

随着 channel 越来越多,那么我们就发现在不同的 channel 当中,同一个医生可能是不同的 ID 不同的名字。

我们需要去判别who is who,只有当不同的 channel中的这些信息连接、整合在一起,排除掉重复、冗余的数据,并归结到同一个人时,我们才能够描绘出一个立体的 360 度的医生的画像。

客户识别从客户分级到全场景标签

所以这要求SFE有非常强的数据清洗能力,有MDM与CDP系统去连接所有平行宇宙中的每个个体,最后赋予成Unicode ID 。

而当我们的医生被打上很多的全场景标签后,其实对我们来说又是个非常大的挑战——我们需要在这些label 当中,去找到或者说去发现一些痛点、一些痒点、一些insight,并给到其相应的回应。

现在marketing 做设计的时候也很难说,这个内容到底是给哪一类人的。这就会要求我们去给内容也打上很多标签,然后尝试通过 AI 的技术,通过一定的logic,通过一定的计算或者耦合的一些链接也好,把hcp 360与内容进行链接,这样就能够实现把合适内容推给合适的客户。

图片4.png

同时我们也有了这样一个意识——运用他的习惯,包括他喜欢的渠道以及他的整个时间规划,他的频次等,于是我们就组建出SFE最经典的四个词:“Right Customer、Right Message、Right Frequency、RightMethod。”

甚至这些标签到后面,就可能不仅仅是你自己本身的标签了,它有可能会做一些同质化的处理,寻找到有相同背景、相同环境、相同认知的医生群体,他们在看哪些内容,他们在关注什么。那么我们就可以通过这样的链接,把这些内容都推给相对应的客户。

最后借用下贝佐斯的一句话,不管什么行业,我们最终的目的都是想提升我们整个客户的体验,使得他们能够非常好的在体验当中得到他们想要的一些内容,也能够帮助他们去实现各种他们想要的目标,最终使得我们和我们的客户达到双赢。

随意打赏

提交建议
微信扫一扫,分享给好友吧。