10月22日消息，據《福布斯》網站報道，專欄作家、IT分析師和MarkoInsights的所有者庫爾特·馬爾科（Kurt Marko）撰寫文章，分析了大數據在銷售體驗、分析上的作用，認為大數據有助于提供銷售和支持新體驗，并可應用于預測性銷售分析。以下為該文章的主要內容：
今天數據如同消防管里的水一樣沖刷著企業，要理解所有數據非常困難：從大量數據中難以提煉出有價值的信息。然而，現有的容易使用、采購和購買的工具允許企業，甚至小企業都能利用數據的描述及預測能力。一個特別需要這種洞悉能力的地方就是銷售過程，由于店內、在線和移動應用環境與整個渠道客戶體驗的沖突，這個過程已完全改變。
重新塑造了銷售和支持體驗
你需要一個在線銷售戰略。銷售計劃和過程曾是割裂的：離線使用時間證明的零售手段，而在線是一個新世界，關注漂亮的網站設計和編程與嚴格的后臺物流效率相互配合。去年在線銷售額占假日季節購物支出的40%，并在以2位數增長，可以說銷售的未來屬于在線。
特別是當移動應用與體驗整合在一起時，這種便利性和效率是驚人的。但離線購物遠未消亡，特別是日益與在線因素結合在一起。消費者忍不住去看、去觸摸和比較實物產品，當與大量在線產品信息來源結合，這會形成一種反沖效應，即顧客首先在網上研究，但最終在實體店購買。
銷售進入混合時代，互聯網無處不在，智能手機飽和，實際將離線零售世界、實體店和在線網站及移動應用融合成一個點，整個購物過程中顧客常常在不同地方徜徉。事實上，最佳的在線購物體驗就是，將個人接觸如提供互動對話（在最佳離線環境中常見）的好處的實時聊天，與在線、隨時隨地接入的便利性融合起來。
結果是，有效的在線銷售和營銷戰略不再是奢侈品，而是商業必須品。雖然多數購物依然在傳統購物大街上完成，但越來越多的購物在售前過程就包含了在線元素。顧客購物之旅可能包括多個在線部分，除了產品、零售和媒體網站，顧客常常從社交網絡尋找建議、進入討論板塊、向朋友求教和尋求在線客服的支持。總之，在線銷售戰略極其重要。
大數據應用：預測性銷售分析
然而，企業無法在網絡銷售行動上大把撒錢，必須審慎使用寶貴的營銷預算。該戰略必須將銷售努力集中在最可能成為購物者的訪問用戶上，這些人是真正購物的人而不是隨意瀏覽的人，這需要讓他們獲得個性化內容并與知識豐富的代理商實時對話。
預測性分析和在線銷售及支持管理軟件應運而生。這些平臺，從Infer、InsightSquared、Lattice到其他公司，聚合、采集和分析有關用戶過去和現在的線上及線下行為數據，確認前景、發布目標廣告和促銷信息，發起互動聊天會話，并隨后獲得更多的銷售信息等數據。
這么做的目標是，在營銷渠道如網絡搜索、電郵、在線廣告和內容或社交網絡促銷生成高質量線索。通過分析整個渠道的數據，企業能更深入理解在線客戶的意圖和目標。有了這些知識，企業可提煉有價值信息，由針對性地發布營銷和促銷信息，提出更好、更誘人的優惠。這提供了簡化購物體驗和互動售前支持，將客戶變成購物者，大幅提高銷售額。
預測性軟件常常能產生2位數銷售增長并抵消了成本的上升。不過，主動助手必須有鑒別能力，不能將資源花費在不需要幫助的購物者身上。如果購物者很順利，就不需要讓他們分心去聊天或聯系客服，因為這么做只是提高了銷售和營銷成本，沒有增加銷售額。只有關注可能需要幫助才會改變或完成交易的購物者，企業才能提高銷售額。
典型情形
預測性分析軟件可應用到很多普通銷售和營銷功能中，包括：
·機會主義線索獲得：在線訪問用戶的旅程和行為可提供哪些人最可能成為購物者的有價值線索。當然，網絡大公司如亞馬遜和谷歌多年來一直跟蹤用戶行為和跨網站分析，但單個企業可將全渠道預測分析應用到從各個聯系點：電郵、搜素、網絡導航、語音、社交和其他營銷渠道收集互動信息。這能深刻理解訪問者意圖，導致提供更有效的優惠和更好在線之旅，簡化購買過程。
·線索記分和預測目標：潛在客戶商業價值有很大不同，就像季節性汽車銷售人員能迅速看出誰是真正買車的人，還是隨便看看新車的人，預測銷售軟件能給銷售線索的質量精確打分，并使用實時在線行為分析鎖定合適的購物者。
·客戶參與和追加銷售：確定可能需要幫助完成購物之旅的購物者，預測分析可用于啟動互動聊天會話或顯示相關內容，解決問題、提出建議和讓訪問者繼續對產品和服務感興趣，最終讓他們完成購物。這些個性化會話，無論是在網絡上還是通過其他營銷和銷售渠道，都是提高銷售對話的有效方式。
·交叉銷售：超市一直都知道，購物者的購物習慣不同，無論是從地理分布、每周或季節情況或生活情況看。某人購買了一次性尿布很可能也會購買嬰兒食品和牛奶，但購買牙膏和啤酒的可能性不大。確定這些情況，無論是通過會員卡和購買歷史，還是網站瀏覽和購物車分析，都能用于制定吸引人的獎勵措施鼓勵交叉銷售或重復銷售。
商業效益
預測性銷售軟件通過鑒別和幫助最可能放棄購物車或結束購買之旅的客戶提高收入。一個有效的方法是，讓客戶實時聊天或建議其他產品（很像亞馬遜的推薦和“其他買家已購買”鏈接），也是提高客戶滿意度和忠誠度的技巧。
通過A/B測試，將在線訪問者分為使用預測工具和自己瀏覽2個組，軟件效益可直接被量化。一些產品能自動阻止一個分小組使用預測性智能，常常為10%，然后對比受控組與其他組的銷售結果。例如，一家跨國百貨公司連鎖店部署預測性銷售軟件，在發現主動發起的聊天會話中代理商掌握了客戶在線之旅的信息和可能意圖，周收入提高了一倍，銷售會話和每客戶銷售額分別提高了30%和25%，同時客戶滿意度達到92%。
總之，這個零售商的軟件投資獲得了10倍的收入回報。最佳在線零售商如亞馬遜擁有的最大優勢之一是，有能力聚合、采集豐富的客戶數據并采取行動。全渠道零售和新的、廉價的、基于云的預測性銷售軟件的出現，提供了同樣的能力，導致任何零售或服務企業都能實現商業效益，這是大數據能力與云軟件和服務配合的很好例證。
京公網安備 11010502049343號