1
投資
絕大多數公司都會竭盡全力吸引顧客。一旦吸引到顧客，則會想方設法留住他們。因此才會有“吸引顧客的行銷活動”，通過獎勵計畫、產品推薦和小禮物讓顧客繼續支持這些公司。從表面上來看，這種策略完全合情合理。
華頓商學院市場行銷學教授拉古拉姆·延加(Raghuram Iyengar)、布宜諾賽勒斯IAE商學院的馬丁·施萊克爾(Martin Schleicher)、哥倫比亞商學院的艾娃·阿斯卡爾薩深入研究了此類市場行銷策略在何時才能真正有效、為何有效以及對誰有效。他們的報告《用定價和推薦行銷計畫留住顧客的風險》（”The Perils of Proactive Churn Prevention Using Plan Recommendations“）介紹了一些與我們所設想的全然不同的結果，指出這些行銷手段有時會取得恰恰相反的效果。
在與華頓知識線上的訪談中，介紹了他們的發現並解釋為何“留住顧客”比我們預想的要複雜得多。
以下是對話文字編輯版。
不要介意你的顧客有多種選擇
這項研究考察了留住客戶的各種手段的有效性。很多公司會為了留住顧客都會展開各種行銷。他們希望保留這些顧客的忠誠度，因此會給予各種激勵：例如，可以在下一次購買時省錢；可以省10元等等。這些行銷手段十分常見，很多公司都認為這樣有效。但事實真的有效嗎？
我們有機會為一家吸引顧客而展開行銷活動的手機公司合作。對我們而言，這就好比一次實地測試：公司針對一組隨意選擇的顧客用價格來吸引他們。而對於另一組顧客，則什麼也不做。結果，活動所針對的顧客走掉的卻更多。事實上，更多人猶豫不決。這對公司而言真是糟糕的結果。
這反映出怎樣的問題？吸引顧客的行銷活動是否有效？實際上一視同仁的做法可能不會起到作用。我們發現了更微妙的結果： 它們有效，但前提是必須針對正確的目標。因此，公司仍然可以展開行銷，但必須要有針對性。
關鍵心得
首先，隨著更多公司開始考慮此類行銷活動，絕大多數公司最典型的舉動就是開展以大眾市場為目標的行銷：向每一位顧客發送為吸引他們而做的行銷廣告。為什麼？因為這樣做最簡單。無需考慮太多，只需要給每個人發一份就可以了。
然而，有時候向顧客發送廣告只會讓顧客對自己的行為產生疑問。例如，在這家手機公司的宣傳活動中，他們發送廣告來調查人們的使用習慣，並在廣告中說：“或許有其它更適合您的計畫。”這就會讓顧客質疑自己曾經的選擇。而如果他們在這裡能夠找到不錯的產品，為什麼不去別的地方也看看呢？
這就說明，吸引客戶的行銷活動必須是有針對性的活動。認真思考你的客戶基礎中誰有可能離開。不要“一視同仁”；一定要有針對性。
出乎意料的結論
表面來看，絕大多數人都認為為吸引客戶而展開的行銷活動是有效的。那麼我們來看一些真實資料。
我們對一批某電信服務的顧客開展了一項研究，跟蹤他們在活動之前三個月內和之後三個月內的行為。我們發現在參加了行銷活動的顧客中，兩個月過後10%的人會放棄這項服務。而沒有參加活動的顧客中只有6%終止了這項服務
4%這一差距之大令人驚訝。我們發現，很難找到證據證明哪些活動對於吸引一般顧客有效。但是，想要找到活動對誰有效卻並不難。顧客分為很多類，並具有各自的特徵。這對公司而言是很容易發現的，即活動究竟對誰奏效。
這個出乎意料的事實就是：對一般人而言行銷活動並沒有效果。對很多公司來說，我認為這是令人醍醐灌頂的發現。這些公司應該認真思考：究竟如何才能有針對性地定制吸引顧客的行銷活動。
公司應該如何確定行銷活動的目標
這是一個有趣的問題。對於客戶定制化，目前已經做得非常成熟了，特別是對於那些以資料為驅動的公司而言。這些公司往往掌握大量關於顧客的資訊。例如在行動手機市場，公司通常都會收集使用者以往的消費資訊。比如在我們的調查中，我們收集了活動之前三個月的各種資訊：沒用完的情況是否很多？人們消費掉的計畫內通話時間有多長？我們掌握的資訊包括有效通話的數量。顧客在一個月內是否使用了100分鐘？另外一個月是否會突然增加到200分鐘甚至500分鐘？
你可以輕而易舉地發現客戶基礎分為很多類型。很多時候，如果能對顧客的資料做些區分，就不難實現定制化。
我再給你舉個更具體的例子。在我們的調查中，我們發現那些消費很多、遠遠超出計畫內通話時間的顧客，那些使用時間最不穩定、時短時長的顧客，那些隨著時間的推移話費支出越來越少的顧客，都是最有可能放棄這項服務的人。而對於這些顧客中的很多人來說，參加行銷活動更有可能導致他們的離開。有時候，還是別自找麻煩的好。
公司在處理資料時出了什麼問題
我認為，目前來看最有趣的事情之一就是，各家公司都在以很快的速度展開實驗。特別是在提到大數據、分析以及諸如此類的種種時，不難發現很多公司都會做A-B測試。
我們發現，僅靠A-B測試還遠遠不夠。正確的分析資料必不可少。我們來看一個具體例子。我們在A-B測試中有一組顧客收到了公司發送的推薦。另外一組則沒有收到。相對於控制組，收到推薦內容並採納的受試者更穩定。由此來看有人可能會覺得行銷活動起作用了。但應該記住，是顧客決定採納行銷活動的推薦。因此，這裡面包含一個自我選擇。
對參加了行銷活動但決定不採納的人而言，他們轉換產品的頻率更高。這個事實說明，正是因為接觸到行銷活動才導致他們的行為發生改變。因此，公司在施行A-B測試時必須要謹慎區分什麼是偶然結果，什麼是顧客自我選擇的結果。一味混淆事實只會讓公司誤以為本來無效的行銷方式是成功的。我們相信，A-B測試將很快在資料分析領域得到廣泛採用。但我們還是要強調，A-B測試很簡單，更重要的是要正確地加以分析和解讀。
將“自我選擇”排除在外
很多人都曾研究過定價問題以及顧客如何在不同定價之間做出選擇。很多時候，這是顧客的自我選擇結果。因此從公司的角度而言，當他們希望弄清楚定價計畫的影響，很難從因果關係的角度來看，因為其中包含客戶的自我選擇。
那麼我們要如何克服這個問題呢？說服公司開展一次實地測試：這是因果詮釋的黃金標準。我們就開展了這樣一次實地測試：為一些人提供定價計畫，對另一些人則沒有提供任何推薦。這就幫助我們作出因果詮釋。如果像很多研究者那樣單憑二級數據是很難做到的。
下一步：讓推薦更加有效
我希望能夠對定價計畫和推薦這個領域的問題做更多研究。我們和德克薩斯州奧斯丁市的一家公司合作，研究能源消費和智慧計費表的問題。我們如何才能讓消費者明白，他們用電是按照階梯價格表來收費的？我們會展開一次實地測試：讓消費者明白這一點，對比他們目前的消費水準，來看他們在未來的日子裡會如何改變能源消費習慣。
《Knowledge@Wharton》授權轉載
29254
