بانک اطلاعات اصناف و مشاغل ایران بانک اطلاعات اصناف و مشاغل ایران-لیست اصناف و مشاغل کشور
تماس

خیلی از شرکت‌ها روی گنجی از بانک موبایل اصناف و مشتریان نشسته‌اند، اما با آنها هیچ‌کاری انجام نمی‌دهند! جالب است نه؟ گنجی داشته باشی و آن را به حال خودش رها کنی! این داده‌ها می‌توانند بینش شرکت را تغییر دهند. بینشی که می‌تواند موجب افزایش وفاداری مشتری شود، سود پنهان شرکت را آشکار کند و هزینه‌های جذب و نگهداری مشتری را کاهش دهد. آیا شما هم انبوهی از داده دارید که از آن استفاده‌ نمی‌کنید؟‌ دوست دارید بدانید از داده‌های بی‌استفاده‌‌تان چگونه می‌توانید استفاده کنید؟‌
اصولا یک شرکت با داده‌های زیادی سروکار دارد. اکثر این داده‌ها از رفتار مشتریان بدست می‌آید و تنوع و حجم آن نیز تا حد زیادی به مقیاس کسب‌وکار وابسته است. اطلاعات کلی مشتریان (سن، جنسیت، تحصیلات، محل زندگی و …)، دفعات خرید، میزان خرید، داده‌های شکایت‌ها و تماس با امور مشتریان همه از این قبیل داده‌ها هستند. معمولا همه‌ی شرکت‌ها انبوهی از این داده‌ها را ثبت و ضبط می‌کنند اما در اختیار داشتن این داده‌ها به تنهایی هیچ کمکی به هیچ کسب‌وکاری نخواهد کرد. هنر اصلی این است که به کمک تحلیل این داده‌ها که به آن داده‌کاوی یا دیتا ماینینگ (Data Mining)‌ می گویند؛ الگوهای رفتاری مشتریان را پیدا کرد. در حقیقت این داده‌ها حکم یک معدن طلا را دارند که باید از طریق داده‌کاوی به طلای آن دست پیدا کرد. در ادامه با چند نمونه از کاربردهای دیتا ماینینگ یا داده‌ کاوی در بازاریابی آشنا می‌شویم.

۱. تجزیه‌وتحلیل سبد خرید

گاهی به تجزیه‌وتحلیل سبد خرید، «تحلیل وابستگی» نیز گفته می‌شود. این نوع تحلیل به خریدهای مشتری توجه می‌کند و در بهبود نحوه چیدمان اجناس در مغازه به فروشنده‌ها کمک می‌کند یا به فروشگاه‌های اینترنتی مثل آمازون کمک می‌کند تا بتوانند بخش «کالاهای مشابه» را بهتر برنامه‌نویسی کنند. «سبد» عنوان عامیانه‌ای از همان چیزی است که خریداران موقع خرید دردست می‌گیرند.

پایه‌و‌اساس این نوع داده کاوی (Data Mining) این است که از روی خرید گذشته‌ی مشتری، می‌توان رفتار آتی او را پیش‌بینی کرد. این «رفتار» شامل خرید یا ترجیحات مشتری است. فقط مغازه‌های دم‌دستی مثل بقالی‌ها نیستند که می‌توانند از این تحلیل استفاده کنند. درادامه به چند مثال اشاره می‌کنیم که نشان می‌دهد چگونه از تحلیل سبد خرید می‌توان در صنایع متفاوت استفاده کرد:
این مورد به‌خصوص برای کسب‌و‌کارهای آنلاین اهمیت دارد. به‌طور کلی متخصصان این حوزه از بررسی داده‌های کارت اعتباری به کلاهبرداری‌های احتمالی پی می‌برند، اما به‌جز آن، می‌توان این داده‌ها را بررسی کرد تا واریانس محدودیت‌های اعتبار، شرایط، نرخ بهره و حتی بدهی‌ها را درآورد.
ارزیابی الگوی استفاده از تلفن

برای مثال، با این تحلیل می‌توانید تمام مشتریانی را که از همه‌ی طرح‌های جدید تلفن‌ همراه استقبال می‌کنند، پیدا کنید. بعد تحلیل کنید که شخصیت این دسته به‌گونه‌ای است که نیاز دارند زودبه‌زود چیزهای جدیدی را امتحان کنند. از برآیند این تحلیل‌ها ممکن است تصمیم بگیرید طرح انگیزشی دیگری برای آنها فعال کنید تا همچنان مشتاق به استفاده از اپراتور شما بمانند.

۲. پیش‌بینی فروش

این تحلیل به این مورد توجه می‌کند که مشتریان چه موقع خرید کرده‌اند و سعی می‌کند پیش‌بینی کند احتمالا دوباره کِی خرید خواهند کرد؟ از این تحلیل می‌توانید برای تعیین استراتژی موجودی انبار یا یافتن محصولات مکمل برای فروش استفاده کنید. این تحلیل تعداد مشتریان شما را در بازار مشخص می‌کند و پیش‌بینی می‌کند که چه تعدادی از آنها خرید خواهند کرد. مثلا فرض کنید در خیابان انقلاب آشپزخانه‌ای دارید. در ادامه سؤالاتی ذکر می‌شود که خوب است از خودتان بپرسید:

چه تعداد از افراد، خانوار‌ها یا کسب‌و‌کارهایی که در یک کیلومتری شما هستند ممکن است به شما سفارش غذا دهند؟
چه تعداد رقیب در این یک کیلومتر وجود دارد؟
چه تعداد فرد، خانوار‌ یا کسب‌و‌کار در ۵ کیلومتری شما حضور دارند؟
چه تعداد رقیب در این ۵ کیلومتر وجود دارد؟

نکته: وقتی زمان پیش بینی فروش فرا می‌رسد، ۳ جریان نقدینگی متفاوت را درنظر بگیرید: واقع‌بینانه، خوش‌بینانه و بدبینانه. در این حالت می‌دانید در بدترین حالت به چه میزان سرمایه احتیاج دارید تا بتوانید شرایط را تاب بیاورید.
۳. بازاریابی پایگاه داده
با بررسی الگوی خرید مشتری و مشاهده‌ی خصوصیات جمعیت‌شناختی و روان‌شناختی مشتریان، می‌توانید پروفایل بسازید و محصولاتی خلق کنید که خودشان خودشان را بفروشند! قطعا هر بازاریابی برای اینکه پایگاه داده‌ی ارزشمندی داشته باشد باید به تکمیل داده‌ها ادامه دهد. شما داده‌های خودتان را ازطریق اطلاعات فروش، نظرسنجی‌ها، ایمیل‌ها و پرسشنامه‌ها تکمیل و بعد مشتریان را براساس این دانش هدف‌بندی می‌کنید.

نکته: فرآیند داده کاوی یا دیتا ماینینگ از جمع‌آوری اطلاعات اصناف شروع می‌شود. مثلا اگر صاحب یک آشپزخانه هستید، پایگاه داده‌ی شما شامل موارد زیر می‌شود:

سوابق خریدی که ازطریق تخفیفی که در سایت x داده‌اید به‌دست آمده است (مثلا ۵٪ تخفیف خرید یا تخفیف‌های مرحله‌ای).
مسابقاتی که برگزار کرده‌اید تا اطلاعات بیشتری درباره‌ی محل سکونت مشتریان‌تان به‌دست آورید.
خبرنامه‌های الکترونیکی که می‌فرستید تا مشتریان را از تازه‌های هر هفته باخبر کنید و در کنار آن برای‌شان نظرسنجی می‌فرستید تا از آنها اطلاعات بیشتری دریافت کنید و بتوانید درباره‌ی محصولات و روش‌های افزایش جدید برنامه‌ریزی کنید.
اکانت توئیترتان که مکانی‌ است برای شنیدن نظرات مثبت و منفی مخاطبان‌تان.

وقتی این داده‌ها را جمع‌آوری کردید، دنبال فرصت‌ بگردید. مثلا بهترین روزها برای اجرای روش‌های افزایش فروش ازطریق تخفیف کدام‌اند؟ از خودتان بپرسید مشتریان محلی شما چه کسانی هستند و چطور می‌توانید این مشتریان را به «طرفداران» برند خود تبدیل کنید؟

کلمات کلیدی: , , , ,

ديدگاه خود را بيان کنيد