“下一步該做什么？”

預測客戶將要購買什么，這是所有企業(yè)面臨的難題。以一家金融服務(wù)公司為例，該公司提供一系列的金融服務(wù)，從銀行業(yè)務(wù)到信用卡服務(wù)，再到退休金計劃和財產(chǎn)抵押等。如果客戶第一季度在該公司分別建立了一個儲蓄賬戶和一個支票賬戶，那么，公司能夠預測該客戶接下來可能需要的服務(wù)嗎？例如，客戶需要抵押財產(chǎn)嗎？銀行應該為其提供信用卡服務(wù)嗎？客戶需要退休金計劃嗎？圖8—1說明了這個問題。如果公司能夠預測客戶需要的服務(wù)，就能按照客戶的需要發(fā)布信息，提供客戶所需的產(chǎn)品/服務(wù)，以增加其銷售量。雖然做這樣的預測看似頗有難度，但是以類似客戶的歷史購買記錄及其他人口統(tǒng)計因素為基礎(chǔ)，做出合理的預測不是沒有可能的。以下部分將詳細討論如何解決這個問題。

當前預測的準確性

即使公司掌握大量有關(guān)客戶購買行為的信息，也無法準確地預測出未來的客戶購買行為。最近對兩家大型公司的數(shù)千位客戶的購買行為進行了調(diào)查，調(diào)查結(jié)果表明，對客戶將在何時購買某產(chǎn)品的預測準確率只有60%（僅比預測硬幣投擲結(jié)果的準確率略高一點）。然而，這并不意味著做出更加準確的預測是天方夜譚。為此，需要運用更為有效的預測方法。本章介紹了這些方法，并且明確了如何運用它們來策劃效率高、定位準的營銷活動，最終達到利潤最大化的目的。

公司的問題所在

為了預測客戶的購買行為，公司通常遵循一種兩步式的方法：

1．估計客戶選擇購買某產(chǎn)品的概率。

2．估計客戶在某時間購買該產(chǎn)品的概率。

許多公司都在第一步估計時就止步不前，從而限制了它們準確預測購買時間的能力。然而，即使是那些完成了整個兩步過程的公司也有可能會失敗。對于生產(chǎn)多種產(chǎn)品的公司來說，要準確地預測某客戶將購買什么產(chǎn)品并非易事，但是公司認為這是頗有價值的信息，因為它能使公司的廣告信息和時間安排更加符合客戶的需要（即按客戶需要制定溝通策略）。

這個傳統(tǒng)方法的另一個問題在于：公司假定購買的時間和購買的產(chǎn)品這兩者是相互獨立的，但實際情況往往并非如此。一位客戶購買某產(chǎn)品的決定影響著他的購買時間；反之亦然。如果假定這兩個決定是相互獨立的，公司就會做出具有誤導性的預測。

樣本太小

正如前面提到的，在預測客戶行為時，必須預測客戶的購買時間和所購買的產(chǎn)品，兩者缺一不可。但是，有一個主要的障礙擺在公司面前，那就是抽樣誤差。這是因為：

● 公司根據(jù)相對較小的樣本規(guī)模做出預測。

● 公司根據(jù)同一個客戶樣本來預測客戶的購買時間和所要購買的產(chǎn)品類別（通常這是因為所擁有的客戶信息有限，所以預測時不得不依靠來自某一小范圍客戶群體的信息）。

為了解決抽樣誤差這個問題，在做市場調(diào)查時，營銷人員轉(zhuǎn)而采用貝葉斯（Bayesian）估算法。這種方法在二十多年前就已經(jīng)出現(xiàn)，但是，由于計算能力的不斷提高和軟件應用的不斷改善，該方法最近才在市場調(diào)查中被廣泛使用。貝葉斯估算法解決了抽樣誤差這個問題，其做法為：反復計算客戶行為數(shù)據(jù)的最大概率值，而不是僅僅設(shè)法找出最合適的一個值，由此，客戶分析的準確性就不會因為樣本太小而受到影響。