在以“场景赋能·驱动有数”为主题的神策 2018 数据驱动大会现场,神策数据技术经理孙文亮发表了名为《客户全生命周期管理从方法到实践》的主题演讲。

温馨提示:文末可下载完整版PPT哦~

以下内容根据孙文亮的现场演讲整理所得。

客户全生命周期的定义及其与数据的关系

实现数据驱动的两个“拦路虎”

解决数据采集问题的关键是“打通”

数据分析方法论:客户接触点+价值金字塔

数据的描述、评估、改进价值

神策数据是一家以“帮助客户实现数据驱动”为使命的大数据公司,因此,不仅重视数据驱动的价值,同时作为一个 To B 公司也非常关注客户全生命周期,所以,我今天主要围绕这两个方面剖析如何从数据驱动的角度真正从 0 到 1 落地客户全生命周期的管理。

一、客户全生命周期的定义及其与数据的关系

客户全生命周期有不同的划分方式,但其本质上都是描述了这样一个过程:用户从刚开始对产品或服务的陌生,到慢慢熟悉,再到销售转化成为你的产品或服务的客户,最后到持续的使用或者慢慢流失。在这个过程中,有不同的部门会在不同的阶段参与其中,完成整个客户全生命周期的转化。如下图,描绘了 SaaS 模式客户的完整生命周期:

在图中我们可以看到纵坐标代表的是客户的沉浸度,沉浸度是用户对你品牌的认可度、喜爱度、认知度等的综合指标。

当我们把纵坐标替换成客户数据量(如下图),可以看到在最初的时候,企业无法获取客户的任何数据,或者只能获取到一些简单的公开数据,而随着客户在生命周期里逐渐的推动演化,企业与客户接触的越来越多,每一次接触点,都会产生大量的数据,客户沿着全生命周期流动的过程,就是数据逐渐完善的过程,像滚雪球一样,越滚越大,沉淀的这些数据,有助于优化企业效率,驱动企业这个盈利机器越转越快。因此,企业需要捕捉客户全生命周期里各个阶段产生的数据并且让它产生价值。

二、实现数据驱动的两个“拦路虎”

企业落地数据驱动的过程,会遇到很多挑战,首先会遇到的两个问题是:第一,数据如何打通?早期的数据来自于 CRM 工具、企业自有平台或者一些渠道的第三方平台上,中期的数据可能来自于 OA 系统,到最后甚至会出现在微信、小程序这些非常规的数据产品里面。在这种情况下,数据打通是一件很难的事。第二,如何找到具体的场景?客户生命周期是一个偏概念性的东西,如何在其中找到合适的抓手,是一个难题。因此,这两个问题基本上把 90% 的人拦在了实现数据驱动管理的门外。

企业的目的是实现数据驱动客户全生命周期管理,就是产品、营销、客户成功持续在数据赋能基础上演化推进,且这个演化过程的速度将越来越快,因为随着企业接触的客户越来越多,数据量越来越丰富,沉淀的数据价值也会越来越大,这样一来,对业务的驱动力将日益强大,而且这种驱动是属于一种内缘性的驱动,不是外来的影响。

因此,对于任何一个企业来说,解决这两个问题都是至关重要的:一个是数据采集问题,一个是数据分析问题。

1.数据采集问题

数据采集问题可细分为缺数据、数据不准、数据不互通三个问题。

2.数据分析问题

数据分析问题可细分为缺场景、分析层次浅、效率低三个问题。

三、解决数据采集问题的关键是“打通”

客户全生命周期的前半段是偏营销的部分,重点是打通线上、线下,包括渠道与后续的系统打通、行为采集日志与业务数据打通。

在打通行为数据与业务数据时,一定要注意标识关联客户。To C 产品因为用户量庞大,基本上都采用用户唯一标识。但是,很多 To B 企业采用客户的名称作为标识,一旦企业名称更改,唯一标识便消失了,导致后续很难再打通,所以一定要有唯一标识,还要有数据有效性校验和一致性校验。

下图是客户生命周期后端的部分,以神策客景为例,当销售已经签约,客户在使用产品时的数据流向。

神策客景的重点是打通行为数据、基础数据和第三方数据,为了方便企业对数据进行一定的聚合和加工,还在中间加了一个模型层。事实上企业收集了用户层面的数据,但真正需要的可能是客户公司级别的数据,此时就需要相应的加工和处理,这也是神策客景会实现的价值。

四、数据分析方法论:客户接触点+价值金字塔

数据打通之后,如何通过数据分析找到驱动业务的抓手呢?我从众多实践中总结了一些数据分析方法论,现在分享给你们(如下图):

上图左侧是以客户接触点为主的数据闭环,右侧是数据分析的价值金字塔。

客户接触点,既是数据产生的场景,又是数据应用的场景,接触点产生的数据,在其它接触点产生价值。比如,To B 企业像神策数据的客户接触点就是指客户与神策数据的产品和服务有所接触的一些点,如打电话、见面、线上企业广告等。这些点都是客户有效地感知产品和服务的点,同时也是数据生成和价值发挥的点,就是每一个触点都会产生一些数据,同时数据进入接触点的时候也会释放它的价值。

那么,释放它的价值如何体现呢?通过图中右侧从收集&打通、描述、评估到改进的一个金字塔过程来体现,越往上它的价值越大,同时实现难度也越大。

下面以神策数据为例(如下图),将神策数据的客户全生命周期按接触点排列的时候会发现我们与客户有很多密密麻麻的接触点,每一个点都让我们更了解客户,以及让数据不断地增值,同时我们产生的这些数据会在自己的点或者其他的接触点有所体现,当我们将这些点有机的整合,你就会发现数据驱动是一件水到渠成的事。

因此,全生命周期,每个接触点,都是获取数据的好时机,对数据的增值。关于数据分析的价值金字塔,前面我们已经介绍了数据收集&打通的价值,现在我们来看看数据的描述价值。

五、数据的描述价值

为了更直观理解,下面我以神策数据首次电话接触点为例,来介绍金字塔描述端的数据生成和数据价值体现过程。

神策数据通过 Demo 试用、查阅资料等官网行为产生的数据,提供给企业「首次电话」这个客户触点,具体来说,通过试用、资料等方式获取销售线索,销售根据销售线索进行相应的追踪,追踪的过程就是后置场景可以利用前置场景发挥价值,比如销售做客户电话拜访前首先可以看到它的所在地区、最后登陆时间来筛选目标客户,查询次数确定后续跟踪频率,通过最后的登录和查询次数我们可以选定不同的客户优先干预,优先找那些最后登录次数近,而且查询次数多的,根据 Demo 分类、查阅内容确定话术等,如果没有这套系统,销售是没有切入点的,但是参考前置数据,销售可以轻松地拿到与客户的接触点。我们在实践过程当中把 30 多个字段都注入到 CRM 系统中,帮销售环节赋能。

另外,当客户使用产品的过程中,我们会记录下客户的行为数据,当客户成功接触客户,如为客户做相关培训、拜访或者咨询服务的时候就可以利用这些数据产生价值。

再比如如果数据没有打通的情况下,当我们拜访一家客户的时候需要先了解客户,系统上搜他的各种各样的拜访记录,有些拜访数据可能没有被记录,就要咨询对应的客户成功或销售企业的情况,这样一来,当管理的客户多了之后,不一定每个人都会记得那么清楚。但是如果企业集中采集这些数据,并且对其进行加工、整理之后,再输入系统中,当销售或客户成功去拜访客户,或者用任何后端的方式去接触客户的时候都可以利用这些数据找到相关的切入点。

举个最典型的例子就是培训,企业给客户培训与客户实际学习到是两个概念,如果讲的越多,对方接受的不会越多,而是越少就是一个问题。因此,在观察客户的使用深度和广度的时候,可以先通过前置数据看到客户在不同的产品功能上的使用程度,这样企业可以灵活调整把一次性的填鸭式灌输式培训周期拉长,变成几次的持续性培训,每次培训关注一个点,培训完了可以评估他的效果,反过来再去下一个点,这样定制化就更强,培训的效果也更好。

六、数据的评估价值

除了用数据描述客户、构建客户的画像以外,还可以通过数据评估企业的下一步动作。

渠道评估是一个典型的例子,如上图显示了多个后置环节对一个前置环节的优化,这个是神策数据对 SEM 关键词的审定和评估,事实上,对任何营销渠道的评估都可以采用这种形式,但是如果企业没有打通数据,评估的大部分只是点击率,但是点击率的好坏不一定能判断渠道的真实好坏,因为点击之后还有注册、在线联系、签单拜访、成单等一系列流程,很可能出现点击率高,但是成单低的情况,因此,需要使用多种数据综合评估。除此之外,企业还可以把后端接触点的一些数据前置使用,这样可以产生各种各样的预测性评估,如评估登录率。

企业的营销本质是为了成单,评估的环节越靠后,越接近成单,评估结果也越接近于真实的数据,而不会受误导。举个例子,局部指标做的很好,但是环境指标没有变化,这并没有起到相关的优化作用,通过拉长评估线,让更远期的结果去暴露出来,就会取得更好的效果,甚至我们可以评估不同的渠道,不同关键词的 CAC 是多少。

再举个客户全生命周期后端的例子,即一个场景为多个场景赋能。

在这个过程会涉及风险与机会评估,因为作为一个客户成功或者是客户运营,在干预客户的时候会出现找不到切入点的问题。但是风险与机会评估相当于为客户成功提供了一个任务线索,通过这些数据的结果,可以找到相应的切入点。

举个例子,当出现风险时,即相应的行为指标出现急剧下降,这种情况下可能是出现相应的变动导致,如对接人离职,或者业务出现变更等。我们都知道风险越早介入,干预成功的可能性会越高,通过指标的方式可以让客户成功极早的干预,然后机会的部分就可以用来找最佳实践,就是他为什么会突然出现了使用的量的爆涨,这种爆涨有没有可能被复制到其他客户里去,逐渐通过机会发现,就可以不停地积攒最佳实践,继而扩大到更多的客户群。

数据的评估价值的另一个典型例子是健康度评估。

通过客户的行为数据来评估会比较科学。以神策数据为例,作为一个大数据工具,客户的使用习惯直接决定了他的付费好坏,我们通过机器学习的一些算法,可以评估客户的使用情况,基本上客户的行为数据可以解释 81% 的流失和续费行为,另外的 19% 是偏主观的原因,可能是无法评估的。但是,神策数据会把客户划分为三个等级:危险(流失概率大于 73.1%)、一般、优秀(续费率大约 94.6%)。通过这些模型客户成功在培训客户的时候可以针对性地筛选客户,找到相应切入点。

七、数据的改进价值

企业做数据驱动的理想目标是不断地评估和改进自己的行动,让企业机器的效率越来越优化,跑的越来越快。

数据的改进价值最典型的例子是产品的改进。以神策数据优化神策分析产品和官网为例,网站的用户行为数据可以帮助优化网站,包括每一个步骤的转化率、Demo 的设置与拆分等的优化,通过数据反馈评估可以精准定位改进点,以及包括我们去对续约客户做相应的分析,也可以起到这种效果。

数据的改进价值的另一个体现——服务改进。

如果没有客观的数据评估客户成功为客户提供的培训服务、咨询服务的价值,往往都是客户成功自己去评估,这时候很多时候存在主观的偏见和认知在里面。如果用客观的行为数据来认知,就不会出现这种问题。举个例子,做培训的时候客户成功、分析师不同,即使培训的内容相近,导致的结果也不一样,这种情况下,如果不用数据评估是很难判断培训质量的。

最后我总结一下,如下图是神策数据建立客户全生命周期的一条主线,这个线描绘了客户在客户全生命周期各个接触点产生的相关数据,以及这些数据是怎样连接的。

大家可以理解成每一条数据都在释放相应的数据价值,每一条线建设的成本也是不一样的。我们发现一件特别有意思的事是这根线连接的长度越长,成本越高,线越短,价值越大,成本越低,因此,企业应该先做短线,也就是好摘的苹果先摘了,难摘的放到后面。我看见过很多公司,当业务奔跑的时候再去建设数据驱动是非常困难的事,很难再把业务停下来打根基,但是初期如果能做好数据驱动的一系列的准备工作,它就会变成一个企业内在的驱动力,在后续的发展中持续地给企业赋能。

神策数据的神策客景就是在探索这条路,助力企业以最高效的方式实现数据驱动客户全周期管理。因为我们发现很多企业存在这样的问题,付出很大的成本推动数据驱动但效果不理想,比如推进一个数据驱动项目可能要耗 4-5 个人一个月的时间,但是没有什么效果。当然企业也可以选择 MVP 的方式推进或者找第三方合作推进企业的数据驱动,在这里也希望神策客景将来能成为各个企业第三方合作的首选目标,帮助企业在全生命周期下实现合理的数据驱动。

以上就是我今天的全部分享,希望对你有帮助!

温馨提示:戳此,可下载完整版 PPT客户全生命周期管理从方法到实践全解析

更多干货和案例,可以关注“神策数据”和“用户行为洞察研究院”公众号了解~