为何用奖励来留住顾客反而会适得其反

绝大多数公司都会竭尽全力吸引顾客。一旦吸引到顾客，则会想方设法留住他们。因此才会有“吸引顾客的营销活动”，通过奖励计划、产品推荐和小礼物让顾客继续支持这些公司。从表面上来看，这种策略完全合情合理。

沃顿商学院市场营销学教授拉古拉姆·延加(Raghuram Iyengar)、布宜诺斯艾利斯IAE商学院的马丁·施莱克尔(Martin Schleicher)、哥伦比亚商学院的艾娃·阿斯卡尔萨深入研究了此类市场营销策略在何时才能真正有效、为何有效以及对谁有效。他们的报告《用定价和推荐营销计划留住顾客的风险》（”The Perils of Proactive Churn Prevention Using Plan Recommendations“）介绍了一些与我们所设想的全然不同的结果，指出这些营销手段有时会取得恰恰相反的效果。

在与沃顿知识在线的访谈中，延加介绍了他们的发现并解释为何“留住顾客”比我们预想的要复杂得多。

以下是对话文字编辑版。

不要介意你的顾客有多种选择

这项研究考察了留住客户的各种手段的有效性。很多公司会为了留住顾客都会开展各种营销。他们希望保留这些顾客的忠诚度，因此会给予各种激励：例如，可以在下一次购买时省钱；可以省10元等等。这些营销手段十分常见，很多公司都认为这样有效。但事实真的有效吗？

我们有机会同一家为吸引顾客而开展营销活动的手机公司合作。对我们而言，这就好比一次实地测试：公司针对一组随意选择的顾客用价格来吸引他们。而对于另一组顾客，则什么也不做。结果，活动所针对的顾客走掉的却更多。事实上，更多人犹豫不决。这对公司而言真是糟糕的结果。

这反映出怎样的问题？吸引顾客的营销活动是否有效？实际上一视同仁的做法可能不会起到作用。我们发现了更微妙的结果： 它们有效，但前提是必须针对正确的目标。Twitter 因此，公司仍然可以开展营销，但必须要有针对性。

关键心得

首先，随着更多公司开始考虑此类营销活动，绝大多数公司最典型的举动就是开展以大众市场为目标的营销：向每一位顾客发送为吸引他们而做的营销广告。为什么？因为这样做最简单。无需考虑太多，只需要给每个人发一份就可以了。

然而，有时候向顾客发送广告只会让顾客对自己的行为产生疑问。例如，在这家手机公司的宣传活动中，他们发送广告来调查人们的使用习惯，并在广告中说：“或许有其它更适合您的计划。”这就会让顾客质疑自己曾经的选择。而如果他们在这里能够找到不错的产品，为什么不去别的地方也看看呢？

这就说明，吸引客户的营销活动必须是有针对性的活动。认真思考你的客户基础中谁有可能离开。不要“一视同仁”；一定要有针对性。

出乎意料的结论

表面来看，绝大多数人都认为为吸引客户而开展的营销活动是有效的。那么我们来看一些真实数据。

我们对一批某电信服务的顾客开展了一项研究，跟踪他们在活动之前三个月内和之后三个月内的行为。我们发现在参加了营销活动的顾客中，两个月过后10%的人会放弃这项服务。而没有参加活动的顾客中只有6%终止了这项服务

4%这一差距之大令人惊讶。我们发现，很难找到证据证明哪些活动对于吸引一般顾客有效。但是，想要找到活动对谁有效却并不难。顾客分为很多类，并具有各自的特征。这对公司而言是很容易发现的，即活动究竟对谁奏效。

这个出乎意料的事实就是：对一般人而言营销活动并没有效果。对很多公司来说，我认为这是令人醍醐灌顶的发现。这些公司应该认真思考：究竟如何才能有针对性地定制吸引顾客的营销活动。

公司应该如何确定营销活动的目标

这是一个有趣的问题。对于客户定制化，目前已经做得非常成熟了，特别是对于那些以数据为驱动的公司而言。这些公司往往掌握大量关于顾客的信息。例如在移动手机市场，公司通常都会收集使用者以往的消费信息。比如在我们的调查中，我们收集了活动之前三个月的各种信息：没用完的情况是否很多？人们消费掉的计划内通话时间有多长？我们掌握的信息包括有效通话的数量。顾客在一个月内是否使用了100分钟？另外一个月是否会突然增加到200分钟甚至500分钟？

你可以轻而易举地发现客户基础分为很多类型。很多时候，如果能对顾客的数据做些区分，就不难实现定制化。

我再给你举个更具体的例子。在我们的调查中，我们发现那些消费很多、远远超出计划内通话时间的顾客，那些使用时间最不稳定、时短时长的顾客，那些随着时间的推移话费支出越来越少的顾客，都是最有可能放弃这项服务的人。而对于这些顾客中的很多人来说，参加营销活动更有可能导致他们的离开。有时候，还是别自找麻烦的好。

公司在处理数据时出了什么问题

我认为，目前来看最有趣的事情之一就是，各家公司都在以很快的速度开展实验。特别是在提到大数据、分析以及诸如此类的种种时，不难发现很多公司都会开展A-B测试。

我们发现，仅靠A-B测试还远远不够。正确的分析数据必不可少。我们来看一个具体例子。我们在A-B测试中有一组顾客收到了公司发送的推荐。另外一组则没有收到。相对于控制组，收到推荐内容并采纳的受试者更稳定。由此来看有人可能会觉得营销活动起作用了。但应该记住，是顾客决定采纳营销活动的推荐。因此，这里面包含一个自我选择。

对参加了营销活动但决定不采纳的人而言，他们转换产品的频率更高。这个事实说明，正是因为接触到营销活动才导致他们的行为发生改变。因此，公司在开展A-B测试时必须要谨慎区分什么是偶然结果，什么是顾客自我选择的结果。一味混淆事实只会让公司误以为本来无效的营销方式是成功的。我们相信，A-B测试将很快在数据分析领域得到广泛采用。但我们还是要强调，A-B测试很简单，更重要的是要正确地加以分析和解读。

将“自我选择”排除在外

很多人都曾研究过定价问题以及顾客如何在不同定价之间做出选择。很多时候，这是顾客的自我选择结果。因此从公司的角度而言，当他们希望弄清楚定价计划的影响，很难从因果关系的角度来看，因为其中包含客户的自我选择。

那么我们要如何克服这个问题呢？说服公司开展一次实地测试：这是因果诠释的黄金标准。我们就开展了这样一次实地测试：为一些人提供定价计划，对另一些人则没有提供任何推荐。这就帮助我们作出因果诠释。如果像很多研究者那样单凭二级数据是很难做到的。

下一步：让推荐更加有效

我希望能够对定价计划和推荐这个领域的问题做更多研究。我们同德克萨斯州奥斯丁市的一家公司合作，研究能源消费和智能计费表的问题。我们如何才能让消费者明白，他们用电是按照阶梯价格表来收费的？我们会开展一次实地测试：让消费者明白这一点，对比他们目前的消费水平，来看他们在未来的日子里会如何改变能源消费习惯。