한푼도 켜기: 비즈니스 민첩성은 고객 데이터 관리에서 시작됩니다.

우리가 전 세계에서 목격한 모든 빠르고 갑작스러운 변화와 이것이 비즈니스에 미치는 영향으로 인해 민첩해야 한다는 압력은 차트에서 벗어났습니다.

세계적 대유행으로 디지털 전용 상호작용이 72% 증가하고 적응에 더딘 소매업체를 겸허하게 만든 후 급격한 인플레이션 상승으로 인해 기업은 가격 및 배송 모델을 근본적으로 변경해야 했습니다. 입력 비용이 상승 하면 글로벌 공급망이 타이트 해지는 반면 소비자는 가격 상승으로 인해 지출을 줄입니다.

이를 통해 관리하기 위한 프레임워크는 시장 변화에 빠르게 적응할 수 있는 조직의 능력 인 엔터프라이즈 민첩성 이라고 합니다. 그리고 비즈니스 민첩성의 기초는 고객 데이터 관리입니다.

비즈니스 민첩성: 마케팅은 방법을 보여줍니다

급격한 변화 속에서 고객에게 가격 인상을 알리든, 지역 시장 변화에 따라 제품 출시를 변경하든, 공급망 부족으로 인해 갑자기 제품을 사용할 수 없게 되었을 때 대응하든 항상 마케팅이 앞서는 것 같습니다.

기업은 고객이 변화에 어떻게 반응할지 고려하고 고객 경험 제공을 적절하게 관리해야 합니다. 그러나 마케팅은 위기에 즉각적으로 대응할 수 있을 만큼 빠르게 움직일 수 있는 조직의 유일한 부분입니다.

제품을 변경하고 신제품을 출시하는 데는 시간이 많이 걸립니다. 목표가 설정된 영업 조직을 변경하는 것은 하루 아침에 이루어질 수 없습니다. 무엇이 빨리 바뀔 수 있습니까? 마케팅 예산, 캠페인, 웹사이트 메시징, 웨비나 콘텐츠 및 검색 키워드.

그렇다면 애자일 마케팅 조직에 필요한 것은 무엇일까요?

민첩한 비즈니스와 더 나은 CX를 위한 3가지 핵심

예를 들어보겠습니다. 한 인기 있는 아웃도어 소매업체가 트렌디한 브랜드와 "콜라보"한 새로운 하이킹 신발 프로모션을 진행하고 있으며 이는 입소문을 타게 됩니다. 갑자기 전 세계의 운동화 매니아들이 열광하여 구매를 시작합니다.

안정적이고 신뢰할 수 있는 계절 구매자였던 이 소매업체는 이제 주문이 쇄도하고 재고가 소진되고 수많은 신규 고객이 추가됩니다.

대부분의 브랜드가 그런 순간을 원하지만 비즈니스 민첩성에 대한 궁극적인 테스트이자 결정적인 순간입니다. 새로운 충성파를 많이 확보하거나 빠르게 팬의 플래시가 될 수 있습니다.

성공을 위해 필요한 비즈니스 민첩성의 세 가지 요소 는 다음과 같습니다.

1. 더 풍부한 데이터
2. 실행 가능한 인텔리전스
3. 퍼베이시브 자동화

가장 먼저 해야 할 일: 고객 데이터 관리

시작하려면 동의를 받아 자사 데이터를 캡처할 수 있는 확장된 기능이 필요합니다. 웹사이트와 모바일 앱을 방문하는 모든 새로운 운동화는 인증과 참여를 유도해야 합니다.

여기에는 신규 고객을 위한 증정(무료 배송 또는 할인)과 더 중요한 것은 향후 해당 사용자가 메시지를 보낼 수 있는 권한을 캡처하는 확장 메커니즘이 포함됩니다. 경험은 매끄럽고 완전히 투명해야 합니다.  

재방문 고객의 경우 조회한 SKU, 충성도 포인트 및 상태와 같이 고객에 대해 알고 있는 모든 것을 표면적으로 통합할 수 있는 능력이 있어야 하며 더 깊은 수준으로 나아가야 합니다. 고객의 진정한 가치는 무엇입니까? 반품은 몇 번이고 어떤 방법으로 하나요? 얼마나 자주 전체 가격을 지불할 의향이 있습니까?

이 데이터는 백엔드(재무 원장 및 공급망) 데이터를 프로필에 연결해야만 액세스할 수 있습니다. 새 품목의 공급이 제한되어 있기 때문에 품절되기를 원하지만 가장 충성도가 높고 진정으로 가치 있는 고객에게 보상을 제공하고자 합니다.

이는 비즈니스 데이터의 백엔드를 고객 참여의 프론트엔드에 연결해야만 가능합니다. ERP를 CDP로 부르십시오.

비즈니스 민첩성에는 대규모 인텔리전스가 필요합니다.

엔터프라이즈 시스템 전반에 걸쳐 통합 데이터 모델을 생성하고 진정한 고객 가치를 예측하고 행동 및 시장 상황의 변화에 ​​대응할 수 있는 모델이 있는 경우에도 인텔리전스를 확장해야 합니다.

즉, 모든 고객을 개별적으로 평가할 수 없으며 모든 결정이 데이터 과학 팀과 함께 살 수 없습니다.

새로운 정보를 기반으로 고객 세그먼트를 업데이트하는 기계 학습 프레임워크를 구현하는 능력은 어느 정도입니까? ML 모델은 채널 전반의 참여 변화에 지속적으로 맞춰야 하며 특정 제품의 가격과 가용성이 행동을 어떻게 변화시키는지 이해해야 합니다. 동일한 제품의 다양한 구매자가 마케팅 및 광고를 위한 캠페인 및 다양한 매장에 어떻게 반응하는지 이해하려면 세그먼트를 중첩해야 합니다.

평생 가치 점수는 끊임없이 변화하는 기준선에 대해 계산해야 합니다. LTV는 시간이 지남에 따라 제품 및 고객 구성에 따라 변경될 수 있으므로 어제의 큰 지출을 내일의 단골 쇼핑객으로 만들 수 있습니다.

마케팅 및 광고 외에도 콜센터, 전자상거래 사이트, 영업 콜에서 성공하려면 어떤 유형의 인텔리전스가 필요합니까? 모델은 특정 애플리케이션의 끝점에서 가치를 창출하는 능력만큼 가치가 있습니다.   

자동화: 데이터 인사이트 활용

운동화 예로 돌아가서 인기 있는 신발 캠페인에서 가치가 낮은 고객을 제외해야 합니다. 특정 색상이나 크기를 사용할 수 없게 되면 해당 선호도를 가진 고객도 억제하거나 사전 주문하도록 권장해야 합니다.

그런 다음 충성도가 높은 고객에게 "지금 구매"하거나 충성도를 사용하여 최전선에 배치하도록 권장하십시오. 그들은 먼저 콜센터 대기열에 들어가야 하며 웹사이트를 방문할 때 원하는 배송 환경이 미리 채워진 상태에서 올바른 신발을 장바구니에 담을 수 있는 원 클릭 옵션이 있어야 합니다.

충성도가 높은 고객이 매장에 와서 원하는 것을 찾을 수 없을 때 POS 시스템은 소매업체에 다음으로 좋은 제안이나 성공 가능성이 높은 조치를 제공해야 합니다.

이것은 마케팅의 새로운 전장입니다. 즉, 대규모 인텔리전스를 사용하여 오프라인과 온라인 채널 모두에서 거의 실시간으로 올바른 결정을 내릴 수 있는 능력입니다.

고객 프로필은 판매, 서비스 및 상거래 접점의 교차 CRM 데이터를 포함하여 마케팅 및 광고 상호 작용을 시작으로 점점 더 풍부해져야 합니다. 그러나 백엔드에서만 얻을 수 있는 통찰력인 ERP 데이터를 활용하려면 더 깊이 들어가야 합니다.

인텔리전스는 데이터 과학 제공 모델을 넘어서 ML로 확장되어야 합니다. 따라서 실시간 입력을 기반으로 평생 가치와 성향 점수가 변경될 때 고객 프로필을 자주 업데이트할 수 있습니다.

빠르게 변화하는 시장에 적응하려면 해당 인텔리전스를 실행하는 것이 가능한 한 자동화되어야 합니다.

애자일 비즈니스 프로세스의 백엔드와 고객 참여의 프론트엔드를 결합하는 이 고객 데이터 관리의 다음 단계는 차선책이나 제안이 아닙니다. 차순위 달러를 찾는 것입니다.