新规则
Mike和Linda是一对刚买了房子的夫妇，他俩正考虑添置一台洗衣机和一台烘干机。他们的购买历程是这样的：首先，上几家家电零售商的网站看看。在其中一家的网站上，他们找到了3个感兴趣的型号，把它们加入了收藏夹。由于买的房子不大，空间有限，加上这也算得上是一笔大开销，因此夫妻俩决定去门店亲眼看看产品。
如果是优化后的跨渠道体验，他们应该可以在零售商网站上找到最近的实体店，利用谷歌地图找到具体路线，然后开车去看产品。到那儿还没进入店堂，入口处的传感器就已经辨别出了他们的身份，并迅速发送了欢迎短信，同时根据他们在该店的购物记录为其提供了个性化产品和服务推荐。他们很快就收到了收藏夹的链接地址，还有他们可能感兴趣的洗衣机和烘干机的最新规格和价格信息(根据门店网站上的浏览记录)。此外，他们还收到了收藏夹中两款产品的促销信息：“指定品牌家电85折，仅限当日。”
当点击收藏列表，随即出现了该门店的示意图，告诉他们家电区的具体位置，点击“呼叫按钮”即可与专业导购直接对话。他们见到了销售人员，问了几个问题、量了一下尺寸，最后锁定了某个品牌特定型号的洗衣机和烘干机。由于该门店采用了先进的标签分类技术，因此该款洗衣机和烘干机的相关信息已经与其他应用自动同步在他们的手机上了。他们可以使用“消费者报告”程序浏览评价，给父母发信息寻求建议，也可以在Facebook上咨询朋友是否要购买，甚至还可以与其他商家比较价格。他们还能利用零售商在手机应用程序上的“虚拟设计师”功能，输入房间尺寸和装修等关键信息，即可预览洗衣机和烘干机搬回家后的视觉效果。
各方面反馈都不错，他们决定趁着85折优惠活动买下电器。Mike用他的“智能手表”支付了账单。离开门店前他们敲定了送货的日期与时间;一周后，在约定的日子，他们收到通知，送货的卡车已经到达附近，货物上门前半小时会短信通知，也就是说他们不必为了等着收货而取消其他安排。三周后，零售商发来短信，为他们提供针对购房一年内的客户度身打造的其他家电和家居改善服务的优惠信息。如上所述的新一轮循环又开始了。
需要新能力
上述例子表明，使消费者希望与商家实时接触与互动的潮流无法阻挡。在客户购物决策的全过程，每个接触点都是一次品牌体验、一次与消费者互动的机会，而数字化接触点则放大了这一切。为了最大化地促成和利用数字化渠道，企业需要着重于提升三大能力：
探索：打造分析引擎
即使步入大数据时代、客户|信息已经普遍数字化的当下，仍然有很多公司未能对购买其产品和服务的客户有一个360度的全方位了解。他们通常衡量产品推销等直接销售行为的业绩，鼓励利用“上次行为属性”分析系统来下|载，孤立而不是结合跨渠道消费决策流程的全过程来评估促销活动。通常这些数据会被存储在不同的地点和旧的系统上，而不是存放在中央服务器上。非结构化数据在范围和数量上的使用不当会使问题进一步复杂化，如有关消费者行为和偏好的信息是通过网上评论和社交媒体上发布的帖子来收集的。根据我们的经验，这类数据通常最不为人理解，因此也最少为企业应用。
为了获得客户的完整信息而不仅仅是一些简单的“快照”，企业需要一个中央数据仓库，用来储存消费者与具体品牌接触的全部相关信息：消费者基本数据及交易信息、浏览历史记录、客户服务互动(下图旨在表明如果企业未能优化数字渠道，可能会丢失潜在客户)。像Clickfox与Teradata这类工具能帮助商户收集这些数据，逐步找出在决策各个环节中更能有效地吸引消费者的机会。这类收集工作要求多个职能部门的人员群策群力，执行起来肯定会很复杂，但毋庸置疑，回报也会很丰厚。我们在该领域为某杂货零售商实施的一个项目中，由于抓好了客户分析工作，该公司的息税折旧摊销前收益提高了11%，而其主要竞争对手平均只能提高3%。对于大家电零售商而言，该项差别则为10%与2%。
数字渠道
公司掌握了全面完整的数据，就能够进行快速“门店诊断”，很多人说这正是他们的市场营销和电子商务计划中所缺乏的。如果应用SAS和R等分析软件，采用不同的算法和模型分析纵向数据，企业可以更好地构建自己的营销举措成本模型，找到最有效的历程模式，发现潜在的流失点，找出新的客户群体。例如，某地区零售商根据点击行为分析，发现某个相较于去实体店更喜欢网上购物的特定客户群，总在周六阅读邮件;于是该零售商修改了电邮促销计划，只在周六发送在线团购信息。
另外，借助Adobe Systems、ExactTarget、Pegasystems和Responsys等供应商提供的业务流程软件和服务，企业能够实时确定会让客户产生需求并重视的基本“诱饵”(无论什么产品或服务)，而且在进行交叉销售或向上销售时可以采用个性化手段。还能利用这些工具自动生成报告，追踪客户趋势、关键业绩指标达标情况等。再举上述地区零售商为例，其分析显示，有两位只在周六阅读他们邮件的客户正在转换职业跑道，过去三天中他们都在LinkedIn上更新了个人信息。根据以上分析结果，该零售商即可为两位客户分别推送有针对性的服务和产品，其中一位收到了有关手提电脑包的信息(根据她以往的购物记录)，而另一位则收到了有关西服的信息(同样根据他的购买记录)。
通过应用这类先进的分析技术，该企业的商品点击率和销售转换率也得到了显著提升(约为平均水平的3-10倍)。而且，麦肯锡的分析也证明，利用数据来改善营销决策可以使生产率提升15到20个百分点——如果全球平均年度营销支出按1万亿美元计算话，这就相当于2000亿美元!
设计：打造零摩擦体验
考虑到多样化的期望、信息以及不同渠道能力的显著不同，对消费者决策历程进行精心设计是一项极为复杂的工作。根据公开出版的报告，48%的美国消费者认为，在整合线上与线下的体验方面，企业要做的工作还有不少。当然，这项工作绝对值得企业做好。一家大银行通过提升数字渠道的应用利润增加了3亿多美元就是很好的一个例子。该银行挖掘了未充分利用的客户|数据，在购买决策过程的不同环节，为客户发送有针对性的营销信息。银行通过利用这些数据，并借助个性化的方案和测试工具发布某些产品线的营销活动信息，每一步举措都针对客户的需求来推进，以帮助客户做出最佳购买决策。
数字化领域的先锋Amazon、EBay与Google等公司在重造客户对跨渠道便利服务的期望上一直引领风潮(如EBay推出的Now手机应用，可满足消费者从EBay的零售合作者上一键式购物的需求，在美国部分城市还能实现当天订|购、当天到货;Amazon在最新的Kindle Fire平板电脑上近期推出的帮助按钮，可以让客户一键连接到一个后台的服务代表)。这些企业已经具备了臻于完美的测试新用户体验的能力，而且能针对不同客户群不断改善其产品和服务。
