如果你是一家電商企業的CIO，當下正要啟動或已經啟動CRM工作，但在實施過程中并沒有產生預期的理想效果，不妨思考下面的十個問題：

    （1）是否真的理解了什么是CRM？

    這里的“理解”二字并不是了解CRM的不同定義，而是對核心信息技術、精細化運營思路和方法、相關人才儲備、基于客戶的組織調整等了解。CRM并不僅僅是一個平臺或系統，而是以客戶為中心的現代營銷管理理念和信息技術的完美融合，它是一整套企業經營策略，往往會涉及到企業的多個部門資源的協作，往往需要從公司高層自下而上開展。
    現階段，還是有相當多的電商企業把CRM理解為一套軟件，以為開發或者購買一套CRM軟件，就解決了企業的會員營銷、精準營銷的問題，歸根到底是沒有真正理解CRM。

   （2）是否真的迫切需要CRM？

    國內的電商企業有的剛剛度過粗放經營階段、有的還處在強調粗放

    擴張的階段、有的更多是走品牌線路、有的在做品類、有的在強調招商等等。并不是每個企業都適合實施CRM思想，馬上花大投入去打造CRM相關的基礎能力。

    因此，不妨靜下心來拷問是企業發展到精細化階段了，主動求變而上馬CRM？還是為了未來做一些探索和人才、技術儲備？還是禁不住咨詢公司、工具廠商的忽悠，去趕時髦？

    （3）高層對CRM是否正確理解、足夠支持？

    實施CRM不是企業管理者或是老板一個人決定或者是履行，實施CRM需要營銷、技術、產品、客服等多個部門之間的配合，這種情況更適合一個自頂向下的推進過程。如果高層對于這個事情是觀望、半推半就、要做但又沒有真正授權，諸如此類的態度，那CRM的推進過程比如艱險重重。所以，相關部門如果認為必要，那趕緊去做高層的工作吧。

    （4）是否想清楚CRM的實施策略？

    不同電商所處的背景環境是不一樣的，因此CRM實施的策略也會有所不同?？赡軐τ谔熵埗裕畔⒓夹g側天生就不是大問題，這個方面的儲備已經足夠多，但對于從傳統行業剛剛跨入電商道路的公司，公司整體的營銷理念的變革可能更加緊迫。此外，戰略上明確信號的發出、收入以外的新的考核、業務側理念與組織的調整、產品技術側的人員儲備等等這些事情的組合策略怎么制定，階段性的里程碑是什么，不同公司需要提前有些思考。而不是僅僅盯著這競爭對手的策略，喪失主觀能動性。

    （5）對傳統經營思想的阻力和變革代價是否有足夠準備？

    傳統粗放的經營管理理念里是沒有“精細化”、“以客戶為中心”的理念的，后來，慢慢的人們口頭上陸續出現了這些名詞，但運營人員內心的思考單元還是“收入”——通過收入考核，通過活動刺激收入，數據分析更接近收入統計報表。這些實際做事、想事的方式是根深蒂固的，如何扭轉現狀，幾次外部培訓，一套CRM工具是遠遠不夠的。
這個變革過程往往會涉及到比較敏感的問題——業績衡量標準、跨部門溝通、公司管理文化、高層決策優先級等都是需要有所準備的問題。

    （6）是否了解業務驅動CRM產品的理念和開展方法？

    至于為什么需要業務驅動CRM，不想多講，可以簡單理解為結果導向。有人可能會問：如果不是業務驅動，還能是什么驅動？很多，比如技術團隊驅動、工程團隊驅動、高層決策、數據中心團隊驅動等等，這些都不能更高效的切中做CRM所要產生的價值。

    明確了業務驅動的道理，就需要去想，業務人員如何正確的提出業務需求，而產品側人員則需要考慮如何挖掘真實的業務應用需求？當然，不同的階段，業務所關注的問題重心是不一樣的，初期可能更關注KPI監控、運營流程IT化，后期則可能會關注深度的用戶數據分析，深入的用戶需求/行為洞察，以及決策流程中每個子流程的智能化、高效化，說通俗點就是如何用更少的錢、更少的資源帶來更大的價值。

    （7)如何定制合理的CRM考核評估方法和策略？

    雖然CRM實施的最終目標一定要體現在企業收入上，但事前去制定一個預期的目標卻是很難的，你很難分辨最終的收入提升中哪一部分是CRM帶來的效果，哪些是其它變革帶來的效果，哪些是自然增長的結果，雖然一些干擾因素是可以通過科學的設計實驗進行剔除的，但實驗的設計成本在當前國內的環境里是不太行得通的。

    （8）是否想清楚了需要什么樣的人才？ 

    開展CRM需要多類人才，1.有現代營銷管理思維的業務人員2.數據分析及應用咨詢類人才3.營銷類產品規劃設計類人才4.海量信息處理技術人才等等。 

    第一類人才是按照用戶為中心的理念開展運營工作，他們是CRM業務問題的提出者。
第二類、第三類人才，更像是業務側和技術側之間的“翻譯者”，他們都需要理解業務運營的過程、細節、問題，同時對技術尤其是數據技術有豐富的經驗和理解，只是在分析和產品上的側重點有所不同，這類人才的招聘難點在于其跨學科性。第四類人才是整個CRM最接地氣的保障，同時也是很多技術電商里技術核心競爭力所在，這里人才再往細粒度分可以有很多不同的側重，如偏海量數據存儲/計算的、偏數據挖掘算法的、偏分布式計算架構的、偏數據中心技術的等等。