01潛在客戶的獲取
在大多數的商業領域中，新客戶的獲取能力被作為一項評判業務發展的指標。傳統獲取新客戶的方法有很多種，可以通過企業的市場部門人員開展的廣告活動、營銷活動等，也可以根據所了解的目標客戶群，將他們分類，然後進行直銷活動。但是，隨著客戶數量的不斷增長以及關於客戶行為細節因素的急劇增多，傳統方式受到挑戰，要得出選擇相關人口調查屬性的篩選條件也變得極為困難。然而隨著大數據時代的到來，不同於傳統方法，大數據分析、數據挖掘技術可以實現企業對潛在客戶的高效篩選。
基於大數據分析和挖掘，電子商務企業除了了解關於消費者的年齡分段、性別比例之外，企業還想要進一步的了解更多能夠誘發消費者的購買行為的複雜的元素。如一家在線的英國零售商進行了一次有趣的網絡數據分析。他們發現，家庭主婦們往往是在她們的丈夫在玩球賽的時候進行網上購物。這可能並未包括更為廣泛的消費人群的消費行為，但這也確實發現了一些看似無關的事件與消費者購買行為之間潛在的聯繫，給了這家公司帶來了一定的顯著競爭優勢。
現如今，越來越多的電子商務企業都早已超越了開始與大數據和傳統分析打交道的第一階段。企業開始需要形成銳化的見解，電子商務企業的營銷人員已經不再滿足於僅僅獲得一線消費者的一般性的統計數據（例如，消費者的住址、年齡分段、性別比例）。電子商務企業想要進一步的了解更多能夠誘發消費者的購買行為的複雜的元素。
如果IT部門是為了支持這些深層次的分析，那麼就需要更多相互關聯的因素分析作為工具，這些工具可以在大數據積累的基礎上在資料庫中進行定位，所以可以充分挖掘這些數據潛在的價值。例如，利用分類技術可以實現對Web上的客戶訪問信息進行挖掘，從而找到未來的潛在客戶。依據用戶行為差異，使用者可以先對已經存在的訪問者進行分類，並依此分析老客戶的一些公共屬性，篩選出他們分類的關鍵屬性及相互之間的關係。對於一個新的訪問者，通過在Web上的分類，識別出這個客戶與已經分類的老客戶的某些公共的描述，從而對這個新客戶進行正確的分類。然後從它的分類判斷這個新客戶是有利可圖的客戶群，還是無利可圖的客戶群，決定是否要把這個新客戶作為潛在的客戶來對待。客戶的類型確定後，可以對客戶動態地展示Web頁面，頁面的內容取決於客戶與銷售商提供的產品和服務之間的關聯。若為潛在客戶，就可以向這個客戶展示一些特殊的、個性化的頁面內容。
02原有客戶的保持
二八定律認為企業80%的業務收入來自於其20%的客戶，然而隨著行業中的競爭愈來愈激烈，獲得一個新客戶的開支也在增大，是保持原有客戶成本的數倍甚至數十倍，所以相較之下，在努力減少獲取新客戶的成本的同時，保持原有客戶的工作顯現的愈來愈有價值。
電子商務模式消除了客戶與銷售商之間的空間距離，傳統的營銷模式不再適用，琳琅滿目的商品信息和複雜的網站結構常常使客戶迷失其中。這就要求電子商務網站應當轉變「利潤中心」觀念，轉而「以客戶為中心」實施營銷活動。
針對自己的原有客戶，企業在客戶關係管理的實施中，應該實時的對客戶信息進行分析，通過預測處理，找出可能會流失的客戶，並分析出主要有哪些因素導致客戶想要離開，在此基礎上，有針對性地挽留那些有離開傾向的客戶。
事實上，影響客戶忠誠度的因素非常多，有客戶自身方面的原因、企業方面的原因、還有客戶和企業以外的其他因素如社會文化、國家政策等。但除了企業自身外，其他都屬於不可控或難控制因素。從這點出發，企業需從自身尋找影響客戶忠誠度的原因。比如某個客戶的忠誠度下降是因為常買的某類商品的質量出現問題或價格過高，導致該客戶轉向了企業的競爭對手。對於這種情況，企業需要一種方法來對客戶信息和營銷數據的分析，找出哪些原因導致了客戶的忠誠度下降，並且針對這些原因採取措施，挽回那些即將變為不忠誠的客戶，大數據挖掘技術可以建立客戶忠誠度分析模型，了解哪些因素對客戶的忠誠度有較大影響，從而採取相應措施。因此基於大數據挖掘技術的客戶忠誠度分析具有重要的應用價值。
比如，1號店利用對大數據的分析給顧客發送個性化郵件營銷EDM（Email Direct Marketing）。若顧客曾經在1號店網站上查看過一個商品而沒有購買，則有幾種可能：（1）缺貨，（2）價格不合適，（3）不是想要的品牌或不是想要的商品，（4）只是看看若在顧客查看時該商品缺貨則到貨時立即通知顧客；若當時有貨而顧客沒有買就很有可能是因為價格引起的，則在該商品降價促銷時通知顧客；同時，在引入和該商品相類似或相關聯的商品時溫馨告知顧客另外，通過挖掘顧客的周期性購買習慣，在臨近顧客的購買周期時適時地提醒顧客。
在網際網路上，每一個銷售商對於客戶來說都是一樣的，客戶在某個銷售商的銷售站點上駐留時間的長短就決定了哪個銷售商有更大的銷售可能。這對銷售商來說這既是一個挑戰，也是一種機遇。為了使客戶能在自己的網站上駐留更長的時間，銷售商就必須能夠全面掌握客戶的瀏覽行為，知道客戶的興趣及需求所在，並能夠根據需求動態地向客戶做頁面推薦，調整Web頁面，提供特有的、商品信息和廣告，提高顧客滿意度，從而延長客戶在自己的網站上的駐留的時間。
實施客戶關係管理戰略，更重要的是能夠通過數據挖掘為客戶提供與眾不同的個性化服務。基於大數據挖掘的電子商務推薦系統通過對客戶的訪問行為、訪問頻度、訪問內容等信息進行挖掘，提取客戶的特徵，獲取客戶訪問模式。據此創建個性化的電子商店，主動向客戶提供商品推薦，幫助客戶便捷地找到感興趣的商品。這是一種全新的個性化購物體驗。不僅容易使訪問者轉變成購買者，而且可根據客戶當前購物車中的物品，向客戶推薦一些相關的物品，提高站點企業的交叉銷售量，甚至還可以根據需求動態地向客戶做頁面推薦，提供個性化的商品信息和廣告，提高客戶對訪問站點的興趣和忠誠度，防止客戶流失。
比如「9點優品」，該網站定位為「做最有品質的購物推薦」，網站主要針對100元以上品牌商品進行推薦，有較多針對攝影愛好控的權威推薦，優質正品推薦是該網站的最大優點，網站對產品的價格、銷量、質量三方關注，同時附帶個人評價，有一定的參考價值，另外有個「我勒個趣」的趣味推薦，主要發布新奇特推薦信息，比較吸引眼球。而「什麼值得買」網站有網友對推薦信息的二度評價，幫助用戶做出判斷。這些個性化服務的措施都在一定程度上防止原有老客戶的隱形流失。
03提供個性化服務
如上所述，個性化的服務不僅有利於留住老顧客，創新性的個性化服務還將源源不斷吸引新的顧客的加入。標準化服務的最大弊端就在於，企業把所有顧客當作一個顧客來對待，而當顧客發現有其他可以滿足自己需求的服務時，很容易轉移到別的商家。相比之下，個性化服務在滿足顧客多樣化需求方面更具優勢，但相應的具有更高的管理成本，至於高多少則要看個性化的程度。
針對客戶獨特需求的個性化服務可以作用在各行各業，但是能充分利用數據價值的依舊是與網絡數字相關的產業和產品。其中最大的優勢就是，企業可以通過技術支持實時獲得用戶的在線記錄，並及時為他們提供定製化服務。2016年，蘇寧聯手天貓啟動「New Buy418購物節」，根據天貓6億會員的大數據，再結合以往線下門店擁有的數據，以定製出更符合東莞用戶需求的服務。該活動中，天貓開設「身邊蘇寧」入口，天貓用戶在線上挑選好產品後，尤其是一些對體驗要求高的家電、3C產品後，東莞消費者可就近到蘇寧門店體驗，並享受門店的一系列服務。
2017年4月12日，京東宣布對使用京東物流的第三方商家，針對不同行業特點，甚至不同企業特點，提供倉儲、配送等物流全鏈條的定製化服務。如3C行業會採用針對高值、序列號細緻管理的體系。在大件的解決方案中，著重提供大家電、家居家裝、運動健身等產品倉、配、安一體化的服務。對服裝行業則有多地備貨邏輯和淡旺季的運營策略。而對生鮮企業則在冷鏈物流上提供業內領先的全程溫控的多溫層冷鏈物流產品，對蔬菜水果、海鮮、冷凍等生鮮食品開通優先配載的單獨通道。
電子商務最根本的就是做用戶體驗，尤其是B2C型電子商務，對消費者行為的研究觀點眾多，經濟學界有很多種理論，比如跨期消費理論、行為理論、隨機理論等，但這些基本是宏觀層面的，電子商務手裡有著大量的消費者購買行為的數據，微觀領域的深入研究將是主要方向，甚至可以具體到某一個用戶，包含區域購買力、商品區域化、客戶分層、購物周期、購物偏向性、投訴原因等諸多數據指標的結合將為企業實行差異化戰略和精準式營銷提供重要依據，《藍海戰略》一書中曾經講到差異化的一種識別方法——戰略布局圖，電子商務通過大數據分析可以有效的識別與競爭對手差異因素，開創新的藍海並為消費者提供更適宜的購物體驗。具體有以下三種方式。
1）產品檢索服務
首先，電子商務網站往往會在資料庫的基礎上，按多種指標為用戶提供不同的內容排序方式，比如按點擊量、按評論數、按轉發數、按下載量、按銷量等，從而使頁面呈現的內容更符合自己的需求，不同的排序顯示方式將直接改變用戶的購買路徑。如在京東商城頁面，當用戶輸入關鍵詞、進入搜索頁面後，會看到「銷量、價格、評論數、上架時間」四種不同的排序方式，每一種排序方式都會提供完全不同的賣家，展示完全不一樣的內容。
此外，各大電子商務網站為了更好的信息搜索體驗開發了不同的數據模型，不斷優化站內搜尋引擎。首先，用戶在搜索關鍵詞的時候能夠實現智能聯想，根據用戶搜索的關鍵詞熱度進行聯想，使得用戶的搜索行為更加便捷、迅速。其次，網站的搜索系統會實時更新熱搜詞並進行頁面的展示和推薦，讓用戶最快的找到熱銷商品。再次，網站的關鍵詞系統還會對部分自營商品的搜索關鍵詞進行篩選並加以優化更新，轉化率低的關鍵詞將被淘汰，新一批的關鍵詞又會被補充進來。此外，商品的管理還與庫存系統對接，一旦庫存不足時，搜索系統將顯示商品售罄的信息。最後，關鍵詞的管理還與用戶的搜索數據、瀏覽數據，以及競爭對手的商品上線情況相對接，以明確是否有用戶喜歡但商家卻未上架的商品，再考慮是否需要引進，以便新關鍵詞及時上架。
另外，京東還會通過用戶的歷史評價生成搜索關鍵詞，如很多用戶在購買某一款產品後評價類似「送給嶽母」這類關鍵詞，系統會智能處理此類評價數據，分析出用戶經常送給嶽母的禮物是什麼，因此當用戶搜索「送嶽母禮物」這個關鍵詞後，搜索頁面會按照熱門程度、關聯程度呈現商品，極大地方便了消費者。
2）關聯推薦服務
目前，推薦引擎主要有兩種應用場景：一方面，當企業不知道用戶具體關心哪些具體的內容和商品時（比如用戶剛剛到達網站首頁或者著陸頁，或者只是進入了某個頻道頁，但未到達具體的文章頁或商品頁），完全基於用戶過去的行為猜測他們可能會喜歡的內容和商品。這種推薦就是真正意義上的「個性化推薦」，如前所述；另一方面，當用戶已經在關注某件具體的商品時，推薦出與該商品有某種關聯的其他商品，這種推薦就是「關聯推薦」。
通常，電子商務網站會參考用戶「已經瀏覽、已經收藏、已經購買、已經打分」的商品來判斷用戶的興趣愛好，然後向用戶推薦更多可能感興趣的商品。如果用戶出現新的購買或打分記錄，或者興趣發生變化時，「為我推薦」也會隨之更新。如果用戶收到的推薦並不滿意，可以隨時修改這些推薦。這種推薦行為貫穿於用戶瀏覽、挑選、結算的整個過程，用戶消費行為越多，網站推送給用戶的選擇越精準。總而言之，一個好的推薦系統可以大幅提升網站瀏覽轉化率，為網站帶來新的銷售機會，既能提高電子商務網站的交叉銷售能力，同時還能改善顧客對電子商務網站的忠誠度。
3）購前參考服務
目前，很多電子商務網站會將行業數據與用戶進行分享，幫助用戶了解流行購物趨勢，進行購物指導。如2011年淘寶網上線的官方免費數據分享平臺——淘寶指數，通過展現淘寶平臺上的人群指數、熱銷指數、價格指數、搜索指數、成交指數、熱銷指數、喜好度等與電子商務相關的數據來反映行業的各項指標，呈現出當下流行購物趨勢；京東也推出了3C網絡購物行為指數（簡稱京東指數），指數分為品牌指數、產品關注指數及消費指數三大類，數據來源於消費者在京東商城的實際點擊率及訂單數據。為消費者消費行為的變化提供參照，消費者可根據京東指數，了解當前市場最為熱門的產品、型號及品牌，為消費者購買3C產品提供參考。
(數字經濟與電子商務知識系列由樊重俊教授團隊編寫，轉發本文請標明作者與出處)