■ 测试模型 在拥有434个业务客户的一套样本中，将半数的客户分配为对照组，公司仍然按照现行的营销策略来满足对照组的客户需求，不做任何改变；剩下半数的客户则被分配到测试组，公司根据由前面介绍的联合概率模型所获得的预测结果满足测试组的客户需求。基于这种方法，在某一年内，只有当公司预测到客户将在某季度购买某产品时，负责相关产品类别的销售人员才会与该客户接触（见图8—4）。如果预期客户将购买属于不同产品类别的多种产品，公司便会调整销售策略。换言之，在运用该模型预测客户购买行为时必须同时回答以下三个问题：
● 谁最有可能在下一个计划周期购买产品？
● 某客户将在何时购买产品？
● 某客户可能购买属于哪种产品类别的产品？
■ 案例分析的结果 表8—1显示了该案例分析的结果。表8—1中的数据表示的是各项指标在测试期间的增长/下降幅度。括号中的数据表示的是各项指标在上一年的具体数值。测试持续进行4个季度，并将每一季度的测试结果与上一年的同一季度相比较。
表8—1显示的结果表明：公司采用这种方法来预测客户的购买行为，能够实现利润的大幅增长。
从表8—1中可以清楚地看出，联合概率策略显著提高了投资回报率。此案例分析的结果说明：
● 相对于对照组，测试组的收入明显增加。结果表明，事实上，收入的增加应归功于联合概率模型的实施。
● 相对于对照组，测试组的沟通成本明显降低。此外，测试组的销售人员与客户的接触次数也明显减少。
● 因此，相对于对照组的客户，测试组的客户带来的总体利润和投资回报率明显提高。
这些结果表明，公司采用这种方法来预测客户的购买行为，能够实现利润的大幅增长，此外，营销投资的回报率也有了大幅提高。这表明，该策略不仅有利于营销资源的有效利用，而且，通过最优化与客户接触的时间安排，即在适当的时间接触适当的客户，还可以削减额外的营销开支。
与传统方法相比，该模型有何优点
以一家大型高科技公司为例，我们通过与预测客户行为的传统方法相比较，对该模型的预测能力进行测试。与传统方法相比，在预测客户购买行为方面，我们的模型要有效得多，这些结果就是有力的佐证。我们的模型同时考虑了购买的时间和购买的产品两个方面。如果根据我们的模型预测到客户将购买某产品，那么该客户最终购买的概率为85%。然而，如果相似的预测是根据传统模型做出的，那么该客户最终购买产品的概率仅为55%。此外，当我们的模型被用来预测不会购买的客户时，预测结果中87%的客户确实不会购买。正如你所看到的，通过使用我们的模型，公司能够将预测客户行为的准确率提高54%之多，这说明了该模型在预测客户行为方面的有效性，公司可以采用该模型成功地设计适当的营销策略。
提高交叉销售的比率：盈利的途径
对于销售多种产品的公司来说，它们应该采用的主要策略之一是交叉销售不同类别的产品。采用该策略出于以下两个原因。首先，当客户在同一家公司购买属于不同类别的产品时，他们从该公司流失的倾向就大大降低了。例如，当某客户在同一家公司购买电话、电报、互联网服务时，那么与只在该公司购买其中一种服务的客户相比，他更换公司要难得多。其次，通过向客户出售属于不同类别的产品而产生的协力优势，既能巩固公司与客户之间的关系，也能提高盈利能力。
