將數據交還給客戶只是第一步。 下一步是看客戶能用它來做些什么。 公司可以通過諸如推薦引擎等工具來幫助客戶更好地尋找他們所需要的東西。 近期被CBS所收購的在線音樂網站Last.fm就采用了這種的模式。 他們讓用戶下載能夠報告他們所聽歌曲、 何時收聽、以什么順序收聽的軟件。作為對這類個人數據的交換，Last.fm在用戶喜好的基礎上制作了強大的音樂推薦榜，并幫助客戶在海量音樂庫中挑選曲目。 同時，他們也將喜好相近的用戶聚集到同一社區(qū)內，讓這些喜歡同類音樂的用戶以另一種方式共享數據。 同樣，Netflix的顧客也自發(fā)提供了豐富的喜好信息來讓Netflix的推薦引擎提供更好的服務建議。
　　像myspace和facebook這類只擁有在線體驗模式的媒體零售商早已將個人信息視作為用戶身份的識別。 因為媒體偏好很大程度上是根據個人品味的不同而決定，因此對媒體零售商來說從這方面入手比較容易。 品味與個人數據密切相關，所以媒體客戶對書籍、音樂、電影和游戲的偏好可以反映出他們個性的方方面面。
　　那些以銷售實用性產品為主的零售商們現在也開始朝這個方向發(fā)展，比如服裝零售商就希望能夠收集到更多關于你衣柜的數據(你從他們那里買了些什么衣服，你喜不喜歡這些衣服)，然后將其與顧客的身材信息結合起來。這樣一來，他們就能開發(fā)出一套推薦系統(tǒng)來向客戶提出量體而裁的購買指導與建議。 這些指導建議可以在線提供，讓顧客通過簡單的視覺搭配來瀏覽配裝效果，也可以在實體店中提供，讓不習慣上網的顧客進行參考。
　　家庭貨棧(Home Depot)的Eco選項目前就提供了一種工具來幫助顧客綠色化他們的家居。 他們通過顧客目前所使用的家電資料檔案來推薦新的產品和戰(zhàn)略，從而幫助顧客將他們的家居綠色化。 電器零售商百思買和Circuit City也提供了產品查找工具來幫助顧客尋找他們所需要的產品。 通過顧客所擁有的家電設備的記錄，零售商可以向他們發(fā)出升級提醒，推薦基于新技術的擴展應用，甚至通過基于客戶行為的估算模型來預測他們接下來將會購買什么。 此外，像Duane Reade這樣的連鎖藥房還會自動在你的下一個處方開始前致電給你。通過顧客的處方以及健康信息等相關記錄，該藥房將可發(fā)送普通類藥品信息，最新的醫(yī)療信息，或為顧客提供保健咨詢來保持他們的健康。
　　你現在就可以做到這一切，只要打開你的CRM數據箱，讓客戶分享其中的價值。

IT專家網