為何用獎勵來留住顧客反而會適得其反

作者:[email protected]   |   2016 / 04 / 16

文章來源:[email protected]   |   圖片來源:Joseph Wang


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。

[email protected]Wharton》授權轉載

喜歡這篇文章?加入你的S夾!

分享好文章

個股相關基金

發行地點

全部
境內
境外

發行類型

全部
股票
平衡

切換表頭

基本資料
股票指標
收益指標
歷史績效

基金名稱

排序條件
歷史年化報酬率
歷史年化波動度
歷史年化夏普值
個股權重
發行地點
淨值
資產規模
台灣人投資金額/比重
排序依照
高→低
低→高

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

個股
權重

發行
地點

淨值

資產規模
百萬美元

台灣人投資
金額/比重
百萬美元

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

預估未來
本益比

市值
營收比

產業
集中度

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

信用評等

存續期間

到期殖利率

類型/
計價幣別

報酬率 /年化波動度

近1月

近3月

近6月

近1年

近3年

近5年

近10年

年初至今

我要集氣100%權重的主題投資
已集氣投組上線通知我 >

* 基金成立日期在西元2000年以前者,目前資料僅顯示自2000-01-01開始,相關數據皆由2000-01-01後之數據計算而成。

基金淨值、報酬率、波動率及夏普值為每日更新,基金各項分析數據為每週更新,資產規模/月報為每月更新,台灣人投資金額為每季更新

產業地區分布

投資產業分布

投資地區分布

未有公開資訊

67.2%

科技

26.8%

金融

26.8%

原物料/能源

26.8%

傳產

2.2%

工業

2.0%

必需性消費

0.1%

可選性消費

0.1%

醫療保健

2.0%

公共事業

0.7%

服務

0.6%

未有公開資訊

67.2%

已開發國家

26.8%

北美

19.5%

歐洲區

3.9%

日本

3.3%

亞太區

0.1%

大中華

4.8%

新興市場(不含大中華)

1.3%

成功集氣+1

留個信箱,投組上線通知你

送出
loading animation