为何你用大数据做会员管理会失败？

　　大数据与会员管理 大数据可以为用户提供卓越的洞察力，也有可能让企业不堪重负。而企业根据其收集数据做出自己的选择。企业面临的主要问题是大数据是由技术专业人员收集的技术解决方案，但最佳实践是其业务流程。由于资源和输入设备得到爆炸式增长，人们收集到的数据比以往更多。

　　根据IBM公司的调查，大多数美国公司存储的数据量为100TB，而美国的政府部门和企业每年因数据损坏而造成损失高达3.1万亿美元。然而，企业创建数据湖或数据仓库并将它们存满数据，其中大部分数据未被使用或曾被使用过。企业的数据湖将快速积累成为存满数据的信息池。最基本的问题是许多数据只得到了部分处理或完全偏离了基础。数据收集不正确或收集手段没有正确定义。

　　面对海量数据，如何避免误读或滥用?关键是要保障数据的采集、分析、应用这三个步骤，一环套一环都应正确无误。如果只有数据却没有精准的分析，数据量即便再大，技术即便再先进，也无法为实际业务带来帮助。大数据的应用务必要解决实际问题，唯有如此，大数据才是有价值的。

　　什么是“泛会员”?

　　“泛会员”既包括横向的、狭义显性的“泛会员”，更包括纵向的、广义非显性的“泛会员”。从横向来讲，“会员”指的是自有会员，也就是CRM系统中的“C”——Customer，即留过痕迹的真实会员。从广度上来讲，“泛会员”将覆盖范围扩大到来过、逛过店铺，但没有消费过、留下痕迹的潜在会员。从更广的角度看，“泛会员”还包括其他所有没有到过店铺但在商圈覆盖范围内、可以触达但尚未触达的潜在会员。以往，游乐设备企业只能管理会员的消费记录、品牌偏好、消费金额、消费频率、姓名、手机号等结构化数据，在分析、运营会员的时候，也只能依据这些浅显的维度。如果消费者一年内在店内消费较多，就认为“这是有消费力的重点顾客”，如果特别少，就是“没有潜力的顾客”，这种判断显然过于粗放，容易让商家错失很多潜在的商机。

　　而“泛会员运营”，指的是对一个消费者进行全面深层的了解，通过更多维度的数据去分析一个消费者的职住地半径、生活半径、所在商圈特征、以及结合相关的非结构化数据去分析他(她)的审美取向、性格特点和价值观等。而这些很难立刻量化的内在、感性维度的标签，对消费者最终的购买决定和消费行为有着决定性的影响。通过深入分析泛会员的显性和非显性兴趣习惯，就能有针对性的、在不打扰消费者的前提下做到有的放矢、精准营销

　　针对会员的精准营销

　　新设备，讲究的就是人心人性的连接，那么设备商怎样才能做到精准的泛会员营销呢?首先，要通过人本数据对企业能管理和运营的所有流量，即泛会员进行全面画像，这是我们了解消费者的第一步。通常我们可以从这几个维度进行分析：

　　①人口属性。

　　②设备属性，比如其所使用手机的品牌、型号及价格等。

　　③职业。

　　④娱乐地。②③④这三个维度并称称“职、住、娱”三维度。

　　⑤应用偏好，比如手机中安装哪类App更多、日常使用哪些App更久。

　　⑥线下消费偏好，比如消费更多是在餐厅、还是服装店、还是酒吧等。

　　⑦观影偏好，比如泛会员在线上更喜欢美剧还是韩剧，使用设备是手机还是Pad，观影时间段是上班途中还是睡前等等。

　　通过以上维度的标签，就可以描绘基础的消费者画像。另外，还可以根据不同行业需求定制一些行业标签。比如：游乐类标签，对销售淘气堡、游艺机等游乐产品的品牌来说就有重要的价值，这样能够为企业更完善的消费者画像。

　　在我们了解了消费者之后，就可以从开源和节流两方面提升企业的运营效率：

　　①开源。体现在更高效的获取新客，进而增加客户满意度、提升客户忠诚度、增加复购率和客单价。那就要求游乐企业在千万级的潜在客群中，定位和触达与其种子客群匹配度高的人群，转化为新客。

　　②节流。体现在显著降低企业营销成本。以往没有精准的数据可参考，企业做营销别无他法，只能“广撒网”，明明知道营销费用有一半是浪费的，却无法知道是哪一半。现在，通过大数据这个精准的手段和工具，企业可以精准定位和影响目标客群。以往需要购买覆盖100万人次的曝光广告，现在可能只需要购买精准覆盖目标客群的50万甚至30万人次就够了。即使这部分人次的平均价格是以往的1.5倍或者1.3倍，但由于精准了，转化率提升了，ROI还是提升了。

     其次，是体验。但大数据并不能直接改变消费体验，更多时候，大数据对消费体验的优化是间接的。当商家不知道目标消费者是谁的时候，只能给所有客群发信息，这让消费者体验很不好。如果商家了解消费者的个人特点及兴趣，推送的信息与消费者的需求或潜在需求相匹配，那就不一样了。所以归根结底，是大数据让定位客群更精准了。

　　比如，“母亲”这个人群其实也有各自不同的需求，通过大数据来判断其孩子的年龄段，就能够更好地投其所好。面向不同阶段的“母亲”人群，就可以针对性的推送不同产品或服务。而这些通过数据判断的结果，比以往的调研和猜测具有覆盖面广和准确度高的特点。