वैयक्तिकरण पासून उच्च परिभाषा भावनिक बुद्धिमत्ता पर्यंत

आशावादी फोकस

उच्च लोक भावनिक बुद्धिमत्ता (ईक्यू) चांगल्या प्रकारे पसंत केले आहे, मजबूत कार्यप्रदर्शन दर्शवा आणि सामान्यत: अधिक यशस्वी होते. ते दृढ आहेत आणि चांगले सामाजिक कौशल्य आहेत: ते इतरांच्या भावनांची जाणीव दर्शवितात आणि त्यांच्या शब्दांमध्ये आणि कृतीतून ही जागरूकता दर्शवितात. त्यांना बर्‍याचशा लोकांसह एक सामान्य आधार सापडेल आणि नाती आणि मैत्री करण्याच्या क्षमतेच्या पलीकडे असलेले नाती वाढवता येतील.

सूक्ष्म बारीक बारीक बारीक बारीक बारीक बारीक बारीक बारीक बारीक बारीक घटनांची नोंद आणि विश्लेषण करुन ते साध्य करतात: जेश्चर, व्हॉइस इन्टॉनेशन, शब्द निवड, चेहर्यावरील हावभाव - लोकांमध्ये सुसंवादित केलेले आणि सूचित केलेले कोड - आणि त्यानुसार त्यांचे वर्तन समायोजित करतात. EQ च्या पदानुसार मोजमाप पद्धतीवर अजूनही जूरी बाहेर आहे, परंतु आम्हाला खरोखरच एक चाचणी घेण्याची गरज नाही: आम्ही उच्च EQ असलेल्या लोकांना चांगले श्रोते म्हणून ओळखतो, आपल्या समजूतदारपणाची भावना आपल्यात वाढवणारे लोक आणि कोण प्रतिक्रिया देते? आम्हाला अखंडपणे.

त्यांच्या EQ च्या संशोधनात, नोबेल पारितोषिक की मानसशास्त्रज्ञ डॅनियल काहॅनॅन यांना सापडले ज्या व्यक्तीला कमी किंमतीत एखादे चांगले उत्पादन दिले जात असले तरीदेखील लोक ज्याला त्यांना आवडत नाहीत त्यापेक्षा एखाद्याला आवडत असलेल्या आणि विश्वास असलेल्या व्यक्तीवर व्यवसाय करण्यास प्राधान्य देतात.

ब्रँड असे करू शकले असेल तर कल्पना करा!

लोक मागे डेटा

विपणनाचे उद्दीष्ट ग्राहकास इतके चांगल्या प्रकारे जाणून घेणे आणि समजणे हे आहे की उत्पादन किंवा सेवा त्याला फिट होते आणि स्वतःच विक्री करते. व्यवस्थापन गुरु पीटर ड्रकर (1974 मध्ये परत!)

विपणनाचे मुख्य सिद्धांत म्हणजे ग्राहक जाणून घेणे आपल्याला त्यांना इच्छित उत्पादने आणि सेवा ऑफर करण्यास मदत करते. ग्राहकाचा संदर्भ समजून घेणे हा त्याचा नेहमीच एक भाग राहिला आहे, परंतु अलीकडे विपणनकर्त्यांकरिता उपलब्ध माहितीच्या प्रमाणात आकाशाला भिडले आहे.

वैयक्तिकरण ही पहिली पायरी आहे - आम्हाला हे माहित आहे कारण स्वयंचलित ईमेल आता आमच्या स्वत: च्या पालकांपेक्षा आमचे पहिले नाव बर्‍याचदा वापरतात. ग्राहकांना नावानुसार कॉल करण्याची आणि हवामान-योग्य पोशाख प्रदर्शित करण्याची क्षमता, कनेक्शन तयार करण्यासाठी चांगली सुरुवात आहे.

परंतु आपण टीव्ही स्क्रीनवरील आपल्या सर्व ग्राहकांचे छायाचित्र पाहण्यास सक्षम असल्यास, वैयक्तिकरण नऊ किंवा बारा पिक्सेलमध्ये सपाट असलेले अत्यंत क्रूड, लो डेफिनेशन चित्र दर्शवेल. आपण पिवळ्या रंगापेक्षा ग्रीन पिक्सेल वेगळ्या पद्धतीने लक्ष्य कराल परंतु आपण आपल्या ग्राहक गुंतवणूकीवर किती फरक केला त्याबद्दल हेच आहे.

जर आपण अद्याप त्या ग्राहकांना त्या पिक्सलेटेड प्रतिमानाने पहात असाल तर आपण ग्राहक क्रांतीतील पुढील लहरी गमावत आहात, ब्रँडला त्यांच्या ग्राहकांबद्दल वास्तविकपणे संवेदनशील बनविण्यास सक्षम बनवित आहात आणि ते ज्या प्रकारे संवाद साधतात त्या भावनिक बुद्धिमत्ता आणि व्यक्तिमत्त्व प्रदर्शित करतात.

उच्च परिभाषा साध्य करण्याची गुरुकिल्ली डेटामध्ये आहे. आपला ग्राहक डेटा तंत्रज्ञानाचा हावभाव, टोन, सामग्री आणि भावनिक बुद्धीमत्ता मानवांना दिसणार्‍या अभिव्यक्तींच्या समतुल्य आहे. आपल्या ग्राहकांची संलग्नता, गरजा, गरजा आणि संकोच हे सर्व डेटामध्ये गुंतलेले आहेत. परंतु आपल्या ग्राहकांशी ते भावनिक बुद्धिमान संप्रेषण तयार करण्यासाठी, आपल्याला तंत्रज्ञानाची आवश्यकता आहे जे त्या डेटाचे वर्तनविषयक नमुन्यांमध्ये भाषांतर करेल.

आपल्या सर्वात मोठ्या संपत्तीचे पालनपोषण करा

अत्याधुनिक ग्राहक विपणन तंत्रज्ञानात आपल्या ग्राहकांचे वाढते दाणेदार आणि परिभाषित चित्र वितरित करण्याची क्षमता आहे. अल्गोरिदम आणि डेटा म्हणून विश्लेषण अधिक परिष्कृत व्हा, आपल्या टीव्ही स्क्रीनवरील ती पिक्सेल सतत लहान होत जा. अचानक आपणास लक्षात येईल की निळा पिक्सेल प्रत्यक्षात अजिबात निळा नाही - तो चार पिक्सल आहे: हिरवा, राखाडी, तपकिरी आणि फिकट निळा.

आता आपण ग्राहकांच्या वाढत्या परिभाषित गटांना लक्ष्य करू शकता, प्रत्येक संदेश, सामग्री किंवा त्यांच्या पसंतीशी जुळणारे संदेश, सामग्री किंवा ऑफर जे ग्राहकांच्या प्रवासात स्थान, टचपॉईंट आणि मनाची स्थिती आहे. आणि जसे तंत्रज्ञान डेटा संकलित करणे आणि विश्लेषित करणे चालू ठेवत आहे, शेवटी आपल्या ग्राहकांचे चित्र त्याच्या पूर्णपणे उच्च परिभाषित वैभवात प्रदर्शित होईल.

ही भावनिकदृष्ट्या बुद्धिमान संप्रेषण आहे जी ग्राहकांच्या मनावर विजय मिळवून आणि त्यांच्याकडे असलेली सर्वात मोठी संपत्ती - त्यांचे ग्राहक आधार वाढविण्यात मदत करून यशस्वी व्यवसायांना स्पर्धेत वाढवून देते.

तुला काय वाटत?

ही साइट स्पॅम कमी करण्यासाठी अकिस्मेट वापरते आपल्या टिप्पणी डेटावर प्रक्रिया कशी केली जाते ते जाणून घ्या.