Содержание Введение 1. Теоретические и практические аспекты построение базы данных розничной клиентуры 2. Практика создания, использования и работы баз данных розничной клиентуры Заключение Библиографический список
Введение

Компании во все времена искали способы повышения прибыли, увеличения доли рынка, привлечения лояльных покупателей. Однако, в розничном сегмента традиционно для этого используется реклама, специальные акции, низкие цены, используется географическое преимущество и т.п.

В последние десятилетия, а сейчас особенно, в период мирового финансового кризиса, указанные инструменты становятся затратными и малоэффективными. В поисках хорошего инструмента, компании-лидеры решили перенести опыт взаимодействия с корпоративными клиентами на розничных.

Таким образом, в фокусе внимания оказались данные о розничных покупателях. Но возник ряд сложностей – например, проводить исследования так, как это делалось бы в случае работы на корпоративном рынке, нецелесообразно – от покупки (или не покупки) каждого конкретного человека мало что зависит, поэтому есть ли смысл удовлетворять уникальным потребностям одного конкретного человека?

В ходе работы стали создаваться базы данных, которые включали минимальную, неспецифическую информацию – имя, адрес, контакты. С развитием технологий стало возможно регистрировать и отслеживать все покупки каждого человека, без значительных затрат на этот процесс.

Дальше возникла задача проанализировать полученные сведения. Специалисты нашли выход – анализировать, не отдельны людей и их поступки, а выделить в базе категории, и управлять уже категориями.

Таким образом, создание, внедрение и поддержка работы базы данных розничных клиентов выходит сегодня на первый план практически для всех компаний. Эта проблема рассмотрена в данной работа. Она состоит из двух частей.

В первой части работы рассмотрены основы и сущности базы данных розничных клиентов, описан процесс внедрения системы сбора информации.

Вторая часть содержит практические опыт и выводы на основе представленных примеров. В этой части показаны проблемы и трудности сбора информации. Рассмотрены особенности баз данных в различных компаниях.

Проблема и сущность базы данных розничных клиентов рассматривается, обычно в контексте программного обеспечения и общего управления компании (в т.ч. как составляющая часть CRM), а также при рассмотрении маркетинговых баз данных. Практические примеры, а также новые разработки и подходы представлены только в статьях, интервью и новостных блоках в сети Интернет. В конце работы даны ссылки и указания использованных в работе источников.


1. Теоретические и практические аспекты построение базы данных розничной клиентуры

 

База данных розничных клиентов существуют сегодня практически в любой компании, в том или ином виде.

Изначально сведения о клиентах накапливались несистематичски, и, часто, в произвольной форме. Так, продавцы магазинов, аптекари, парикмахеры сотни и десятки лет назад получали, хранили и использовали информацию о своих клиентах. С ростом бизнеса, усложнением процессов, увеличением потоков покупателей, сокращением времени общения (облуживания), а также текучкой кадров, появилась необходимость в получении и сохранении информации о клиентах. Кроме того, если раньше, примерно до 50-70-х гг. XX века, крупные компании производили в основном стандартный, однородный продукт, то теперь современные технологии позволяют кастомизировать[1] производство.

Таким образом, на протяжении почти полувека компании внедряют системы по сбору данных. Такие системы получили название баз данных. Мы рассмотрим самые сложный, на наш взгляд, тип – базу данных розничных клиентов.

Особенности базы данных розничных клиентов обусловлены разными причинами [3]. В первую очередь особенностями розничной торговли: большим объемом операций, большим числом клиентов, неоднородностью (чаще всего) клиентов. Это затрудняет анализ данных, подстройку под каждого клиента. Поэтому традиционно, розничных клиентов делят на категории, и процесс анализа и управления происходит по категориям.

Определим цель создания базы данных. Действительно, настолько ли она важна, и для чего используется? Практика и исследования показывают, что база данных служит инструментом для получения ценной информации, которая используется:

1.      Отделом продаж – для анализа сезонности продаж, разделения покупателей на категории, формирования стратегий и тактик продаж.

2.      Отделом маркетинга и рекламы – для исследования особенностей поведения покупателей, выявления тенденций, формирования ассортиментной политики, формирования ценовой политики, системы скидок и распродаж, а также помогает при планировании и обосновании рекламных и маркетинговых кампаний/акций.

3.      Отделом закупок – для определения потребностей товара, формирования графика поставок и т.д.

4.      Высшим руководством – с целями оценки и мотивации персонала, для целей стратегического планирования, бизнес-планирования и др.

Основным элементом базы данных являются данные о клиентах. База данных розничных клиентов традиционно [1, c. 98-99] включает в себя следующие основные элементы: имя, адрес, демографические данные. Данные получаются от самих покупателей, в ходе их регистрации, получения карт, дополнительных бонусов и т.п. Также современные базы содержат историю покупок, в том числе с их помощи можно отслеживать судьбу специальных купонов, скидок, акций. Лучшие базы данных включают в себя особенности психографики покупателей, модель потребительского поведения.

Предлагают [6] аккумулировать информацию следующего характера сведений о розничных клиентах:

1. Фамилия, имя, отчество

2. Почтовый адрес

3. Телефон

4. Длительность проживания по данному адресу

5. Возраст

6. Пол

7. Семейное положение

8. Данные о семье (число и возраст детей, наличие домашних животных и т. д.)

9. Образование

10. Доход

11. Профессия

12. История покупок

13. История задания вопросов о продуктах и услугах

14. История реакции на рекламные компании

15. Идентификатор клиента (номер паспорта, счета, инвойса и т. д.)

Но, к сожалению, не раскрывается, как можно получить всю эту информацию в условиях, например, продажи продуктов в сети супермаркетов. Опыт показывает, что на практике это становится практически невозможным.

Многие базы сегодня не работают автономно, а кросс-табулируются с информацией о товарах, продавцах, работе складов [1, c. 99]. То есть данные о клиентах подвергаются обработке и интеграции с другими.

Базы данных розничных клиентов, традиционно, используются для оптимизации массовых рассылок – основного инструмента повышения продаж торговых сетей, банков и др. [1, с. 99]. Собственно, это главная причина, по которой начали собирать и создавать клиентские базы. Механизм такой: клиенты оцениваются по дате последней покупки, частоте покупок и стоимости (средней) покупки, полученные оценки суммируются, и те, у кого общий балл максимальный (обычно устанавливается порог), отправляется предложение. Это может быть каталог, купон на скидку, специальное предложение и даже подарок. Многие компании таким образом повышают процент отклика на предложение, при одновременном сокращении затрат на рассылку, печать, подготовку предложений.

Все компании сталкиваются со сложной задачей, если они решили создавать базу данных клиентов. Рассмотрим и предложим следующие этапы (алгоритм) создания базы.

Этапы создания базы данных:

1.         Определить цель базы данных, то есть, какие данные должны быть собраны, с какой целью они будут использоваться.

2.         Выявить круг вопросов, на которые мы хотим получить ответы.

3.         Смоделировать параметры собираемой информации (варианты ответов на вопросы, точность и достоверность и т.п.).

4.         Сформулировать конкретные вопросы (пункты) анкеты для розничных клиентов.

5.         Прописать процесс сбора, контроля, мониторинга и корректировок данных, в т.ч. кем, где, каким образом собирается информация, когда, кем и как заносится в базу.

6.         Определить формы и порядок сбора, накопления и хранения данных.

7.         Определить права доступа (по отделам или по должностям) к базе данных.

8.         Выбрать используемое программное обеспечение.

9.         Разработать программу внедрения системы сбора данных о клиентах. Также немаловажный пункт, особенно для крупных ритейлеров[2], так как если компания не собирала данные, то каким образом она заработает (обкатка системы, тестирование, обучение персонала, внедрение в систему мотивации для исключения сопротивлений в коллективе и т.д.).


Информация о работе «Базы данных розничной клиентуры»
Раздел: Маркетинг
Количество знаков с пробелами: 30520
Количество таблиц: 0
Количество изображений: 0

Похожие работы

Скачать
36319
3
1

... «продвинутых» супермаркетах можно встретить продавца, который помогает покупателю выбрать овощи и фрукты или выступает в роли мясника-консультанта. 2.5 Как определить оптимальный уровень обслуживания Когда покупатели оценивают сервис в розничной торговле, они сравнивают свое восприятие предоставленных им услуг с тем, что они ожидали увидеть. Если желания и действительность совпадают, они ...

Скачать
141369
2
0

... в действующие платежные системы, создать инфраструктуру собственной платежной системы, нанять квалифицированный персонал и тогда бы электронные системы расчетов практически бы были внедрены в абсолютном большинстве розничных банковских услуг. Реально разработанные на сегодняшний день технологически разнообразные классы банковских продуктов, реализующие различные аспекты электронного обслуживания ...

Скачать
70795
3
5

... помощи, дополнительных и символических выгод. Это может быть достигнуто путем высокого уровня качества и скорости обслуживания, консультациями и информацией, неформальным общением и т. д. Подкрепление туристского продукта в значительной степени способствует поиску и закреплению клиентов. Так, качество обслуживания определяется: ·     оперативностью работы по подбору и организации туров по ...

Скачать
31253
1
8

... ? Сфера применения Data Mining ничем не ограничена - она везде, где имеются какие-либо данные. Но в первую очередь методы Data Mining сегодня, мягко говоря, заинтриговали коммерческие предприятия, развертывающие проекты на основе информационных хранилищ данных (Data Warehousing). Опыт многих таких предприятий показывает, что отдача от использования Data Mining может достигать 1000%. Например, ...

0 комментариев


Наверх