مدیریت ارتباط با مشتری، ارزش برای مشتریان، خدمات پس از فروش


 

سیستمهای CRM را میتوان به سه گروه عملکردی تقسیم کرد: CRM عملیاتی ، CRM تحلیلی و CRM ترکیبی ، که در زیر به تشریح هر یک پرداخته شد:
16.2. CRM عملیاتی
مدیریت ارتباط با مشتری عملیاتی که به آن مدیریت ارتباط با مشتری بخش ستادی سازمان نیز اطلاق می گردد، در قسمتهایی مانند روابط عمومی که ارتباط مستقیم با مشتری وجود دارد موجب تقویت و تسهیل ارتباطات می گردد. این دسته در رویارویی با مشتری کاربرد دارد که بخش اجرائی و بخش ستادی را با هدف افزایش کارائی تعامل با مشتریان یکپارچه می سازد. مدیریت ارتباط با مشتری عملیاتی شامل اتوماسیون فرایندهای تجاری از قبیل مدیریت سفارش، خدمت دهی به مشتری، اتوماسیون بازاریابی، اتوماسیون فروش و غیره می باشد. موفقیت بکارگیری مدیریت ارتباط با مشتری عملیاتی مستلزم مهارت کارکنان و مشتری گرائی سازمان می باشد.
17.2. CRM تحلیلی
مدیریت ارتباط با مشتری تحلیلی که به آن مدیریت ارتباط با مشتری بخش اجرائی سازمان یا استراتژیک نیز اطلاق می گردد، شامل شناسایی رفتار مشتری در بخش ستادی و آنالیز آن با استفاده از داده کاوی می باشد. این دسته شامل کاربردهایی است که به تحلیل داده های مشتریان که در نتیجه بکارگیری مدیریت ارتباط با مشتری عملیاتی ایجاد شده است، می پردازد. به منظور ایجاد یک پروفایل کامل از مشتریان یا «تصویری واحد از مشتری»، تمام داده ها می بایست در یک بانک اطلاعاتی ذخیره شوند. این بانک اطلاعاتی، انبار داده ها نام دارد که اطلاعات جاری و سوابق مشتری به آن وارد می شود. این داده ها را می توان از منابع داخلی سازمان، مشتریان و منابع دیگر جمع آوری نمود. یک انبار داده می تواند حجم عظیمی از داده ها را ذخیره نموده و سازمان را قادر به شناسایی رفتار مشتری در بلندمدت نماید. با تحلیل این داده ها، اطلاعاتی در اختیار سازمان قرار می گیرد که به وسیله آن می توانند به ایجاد ارزش برای مشتریان بپردازند. در زیر به برخی از انواع تحلیل داده می پردازیم:
1.17.2. فرایند تجزیه و تحلیل بی درنگ (OLAP)
پردازش تحلیلی آنلاین، ابزاری شناخته شده در حیطه پشتیبانی تصمیم می باشد. بطور کلی OLAP مجموعه ای از ویژگیهای داده را براساس ابعاد خاصی مانند زمان و مکان، از بانک اطلاعاتی گرفته و در اختیار قرار می دهد. برای مثال ممکن است یک سازمان اطلاعات مربوط به درآمد ناشی از فروش محصولی خاص در منطقه ای خاص را مدنظر داشته باشد. با استفاده از عملکرد «کاوش به پاتبن » یک کاربر می تواند اطلاعات دقیق را به تفکیک فروش شهری بدست آورده و سپس با کاوش مجدد فروش برحسب منطقه را به دست بیاورد و به همین ترتیب ادامه دهد تا اطلاعات مورد نظر خود را کسب نماید.
2.17.2. داده کاوی
داده کاوی، بررسی و تحلیل حجم عظیمی از داده ها به منظور دستیابی به مدلها و قواعد معنادار می باشد. هدف از داده کاوی، بهبود فعالیتهای بازاریابی، فروش و خدمات پس از فروش از طریق شناخت بهتر مشتریان می باشد.
کارائی داده کاوی را می توان به دو دسته تقسیم نمود: مستقیم و غیرمستقیم. داده کاوی مستقیم به تحلیل و گروه بندی براساس فیلد خواسته شده، به عنوان مثال درآمد، می پردازد. داده کاوی غیرمستقیم بدون درنظر گرفتن فیلد خاصی به یافتن نمونه ها و یا شباهتهای بین رکوردهای یک بانک اطلاعاتی می پردازد.
قابلیتهای داده کاوی که در زمینه های مختلف تجاری، اقتصادی و صنعتی به کار برده می شوند عبارتند از:
گروه بندی
تخمین
پیش بینی
گروهبندی براساس وابستگی ها
دسته بندی
پروفایل کردن
سه مورد اول نمونه هایی از داده کاوی مستقیم می باشد که مقداری را برای یک متغیر خاص به دست می آورد. هدف از گروهبندی براساس وابستگی ها و دسته بندی به دست آوردن ساختار داده ها بدون توجه به یک متغیر خاص می باشد. قابلیت پروفایل را نیز می توان به داده کاوی مستقیم و یا غیرمستقیم نسبت داد.