村村通迁转策略+从数据到信息到决策电信公众销售客户中心.docx
《村村通迁转策略+从数据到信息到决策电信公众销售客户中心.docx》由会员分享,可在线阅读,更多相关《村村通迁转策略+从数据到信息到决策电信公众销售客户中心.docx(14页珍藏版)》请在冰豆网上搜索。
村村通迁转策略+从数据到信息到决策电信公众销售客户中心
村村通迁转策略
活动时间:
宣传口径:
凭电信村通免费更换天翼手机和新村通(不管新的旧的坏的)。
一、融合迁转
1、超无26版(用户每月都能打够20元话费,可推荐26元版),
同一付费方式,用户签订协议(与近期推超无一样),但用户必须签订两年协议,并且承诺2年期满后不再使用老村通座机,同意电信公司2年后进行拆机处理(营业受理时必须受理迁转动作,原村通或小灵通号码必须拆除,并统一提供2年免费呼叫转移服务)。
2、终端要求:
1)、100元必须选择老人机,其中40元一次性到账60元分10个月等额划拨6元。
二、单产品迁转
1、用户消费不到20元话费,迁转手机任意选套餐,用户签订协议原村通不再使用,同意电信公司立即拆机处理!
2、终端要求:
1)、199元手机,其中19元一次性到账,180元分24个月等额划拨7.5元。
3、终端选择:
必须100%绑定终端串码。
品牌
型号
类别
零售价
同威
520
老年机
199
创维
Q86
老年机
199
蓝天
LT828
老年机
199
易丰
E29C
老年机
199
广信
CF300
老年机
199
三星
B309
普通1X
199
新存通
中兴-WP826A
普通1X
199
4、备注:
1)若用户选择高于199元手机可以补差,余额部分统一上报由何桂梅一次性存入营帐系统,代理商按终端零售价全额做扣,终端选择:
(限定中兴、华为、三星、酷派、LG、HTC、MOTO七类品牌手机)。
2)对于村村通已坏或无法使用或已经拆机的村通可使用单产品迁转(需要报用户未使用或已拆机的号码),3)、对有线村通无法恢复的同样可使用单产品迁转,但须报市公司市场部审批同意单产品迁转。
4)对于受理单产品,同威520进价是165元,需上交85元;新村通进价是189元,需上交109元。
三、目标任务迁转
1、市公司下达到县公司迁转任务是:
8922部。
2、支局本口每月100部,各乡代理点每月50部。
四、村通迁转奖励政策
1、渠道酬金:
每部20元+10%话费提成,2、基数完成后按实际完成每部再追加30元奖励,3、支局团队奖励:
以支局为单位按实际完成每部奖励10元,未完成按目标任务每部扣罚10元。
4、可召集各村社能人发展。
五、其它事项:
1、农村支局、乡镇代办点迁转目标任务完成情况,均以揽销工号进行统计;
2、目前已对外宣传,无论用户村通、小灵通手机是好是坏均可免费换手机。
如拿坏终端前来办理的用户,如原号已拆机的,可先利用系统欠停三月以上档案用户进行迁转,请各单位自行通过营帐或MI-BOSS系统提取用户清表。
市场部将于本周三前将此类客户下发各单位,请各单位分配到各营业网点备用。
3、特别强调:
(1)办理迁转的必须通过营业受理迁转动作;
(2)办理超无的,必须签订原号2年后拆机协议。
见附件。
4、统一全市宣传口径:
尊敬的客户,您好!
由于部分小灵通(老村通)基站受到雷击、供电线路老化影响不能修复。
为不影响您的正常通信,中国电信巴中分公司特别推出了村通、小灵通免费换手机的优惠活动,原号码可继续接听,资费基本不变,欢迎您随时到就近的电信营业厅咨询办理!
这是最后优惠政策。
5、终端利润(酬金):
(1)办理199元单产品,同威520老人机终端酬金199元-165元=34元由代理商坐扣作为发展酬金;新村通座机中兴-WP826A终端酬金199元-189元=10元由代理商坐扣作为发展酬金。
(2)办理超无融合的,同威520终端款结算规则不变。
(3)代理商领取终端时,同威520、新村通均按每部80元垫交并上缴终端款,各单位自行控制二次分配量,按月进行清算补缴。
6、3G手机参加活动补差策略
用户选择3G手机或3G智能手机,按终端零售价交纳话费,免费送手机,按以下方式处理话费和终端费用:
1)、用户交纳终端款等额话费,CRM系统全部采取赠送方式,由代理商全额坐扣;
2)、系统赠送方式:
199元或100元话补由CRM前台受理;余额部分采取后台手工赠送。
由各营业网点建立专门档案,各单位指定专人收集、汇总、整理后将村通或小灵通号码、迁转后的天翼或新村通号码、受理的话补支付计划(199元或100元)、3G手机型号、串号、需一次性赠送话费相关数据统一发市场部岳慧、丁俊(互为AB角),抄送王冬梅OA站点,由市场部岳慧审核后发业管中心实施赠费操作。
俗话说,忘记历史就是背叛自己。
这一篇将根据一个虚拟的故事,来介绍如何通过历史数据来帮助一个销售人员发现规律信息从而辅助他来做一些决策信息。
本文的主角是Tim,Tim在一个销售部门,部门最近决定做新一轮销售计划,然后根据计划结束时,各个销售人员的销售业绩来进行KPI考核。
Tim的部门在确定了销售任务后,其它人很快的投入到店面的销售工作中去,而Tim则跑到了公司的IT维护部门,向IT部门要了一份历史的客户数据。
此时已经有人在责怪Tim,说你一个销售不去外面跑业务,怎么跑到IT部门"不务正业"来了,而且,专门要以前的客户数据,居然不去不关心新客户。
其实,Tim还有一个搞IT的朋友,James,他是一位数据分析师,在零售行业也有一定的经验。
Tim的第一个想法就是找James给些建议。
平时两个人聊天的过程中,James给Tim讲了无数多次关于商业智能的知识。
虽然Tim是搞销售的,但是受到James的经常灌输,自己对里面的知识也有了一些印象,比如,数据挖掘,当然这个概念对于搞销售的Tim来说简直就是天书,正所谓隔行如隔山,但是有一点他非常理解,那么就是:
从数据到信息,也就是说,从数据中获取信息。
于是,销售任务一开始,Tim就跑到了IT部门要了这样一份数据,来看看James到底能从这里头得到什么样的信息,从而能帮助Tim更准确的知道因该给什么样的人推荐产品才比较靠谱。
James拿到Tim的数据之后,大概的浏览了一下:
数据的具体结构如下:
从这份数据中,James看到,里面包含了客户的性别,婚姻状况,年收入以及家庭相关的和教育等基本信息。
其中最后一列关键信息,就是客户是否购买过产品。
如果购买过就记为1,否则就记为0。
James拿过来这个Excel文件,首先做了一个关键影响因素分析。
根据这个工具,首先指定关注的列,就是客户是否购买了产品的标记:
这里选择BikeBuyer。
然后再点击ChooseColumnstobeusedforanalysis。
这里,James根据经验指定了需要分析的列。
很明显,DataFirstPPurchase是没什么用的,James果断把这列剔除掉以免影响到分析的准确性。
然后系统会根据James的设置自动处理这些历史数据。
处理完毕后,系统生成了一份报告:
于是,James给Tim发了一封邮件:
DearTim,
我分析了你提供给我的数据,并且从数据里得到几点规则。
首先,关注没有车,有一个小孩,以及来自Pacific,还有平时上班路程不是太远的用户,他们很有可能是你的潜在客户。
此外,对于有两台车的客户,就不要去推荐了,从你们的业务记录来看这类客户购买产品的可能性实在不大。
还有小孩数量比较多,上班距离太远,超过65岁的成为你客户的可能性也很小。
以上。
Bestwishes!
James.
某年某月某日
Tim收到这封邮件之后非常高兴,因为这样一下子就可以让他判断出一个新客户是否会购买产品,从而不会在本身就不会有购买需求这类客户身上花费太多时间,这样就能把精力投入到更多的目标客户中去。
不过很快,Tim又有了一个问题,就是单凭这样的判断太笼统,容易丢失部分极特殊的客户,所以Tim希望能自己根据客户的情况做更详细的判断。
收到Tim的这个请求之后,James在Excel中建立了一个挖掘计算器。
首先,点击预测计算工具。
在工具中设置需要预测的列。
点击Run,Excel通过SQLServer的分析服务开始处理数据。
数据处理完毕后,在Excel中生成了几张报告:
在第一份报告中,James得到了列表,里面标识了每个属性对一个未知客户会购买产品的影响程度。
在另外一份报告中,根据这份分析数据,包含一个动态的操作表格。
每一个属性的值都变成了一个下拉列表,各个属性的Impact影响值加在一起最后得出一个分数,这个分数如果达到一定的高度,那么就表明这个客户很有可能会购买产品。
于是,James把这个Excel文件发给了Tim,这样Tim就可以根据收集到的客户信息对应选择里面的项,然后通过计算知道用户是否是潜在客户。
这个文件帮了Tim不少的忙,也准确的识别了一些客户。
但Tim也往往抱怨,在出去跑业务的过程中,电脑不是总带在身边,所以往往很难及时的做出判断。
James知道Tim的这个烦恼后,告诉他,你把第三份分析报告中的表格打印出来就可以了。
这个表格把每个属性的值都列了出来,并且它们对应的分数也在后面。
Tim打印出来后,可以自己手动在上面做计算。
算好总分后,对比下面的分数,也就是说分数最起码要达到601才有可能是一个潜在客户。
于是,对于IT系统的操作不是很熟悉的Tim就可以每次对着这个单子来对新客户作出潜在客户的判断。
在这个故事里,James并没有用到什么太复杂的数据,通篇他只在用一个软件,就是Excel,Excel从2007版本开始通过SQLServer的功能扩充可以实现简单的数据挖掘功能,它通过SQLServerAnalysisServices分析服务来生成临时的挖掘模型,通过样本数据以及挖掘模型和算法来发现数据中存在的一些规律,相关性等信息。
通过Excel对SQLServer数据挖掘功能的封装,使得用户即使不清楚数据挖掘的具体算法也可以实现数据挖掘的功能从而做挖掘预测分析来辅助决策,甚至都不需要用户了解什么样的挖掘模型算法适合解决什么样的问题,只需要关注Excel里所带的表分析工具就可以做简单的预测分析。
总之,数据挖掘,不是已不是数据分析师们的专属,有了Excel,你也可以