从理论到实践,详细解读如何用CDP撬动业务增长

过去的五年,我们在向市场布道和践行“数据驱动增长”的理念过程中,见证了众多客户跨越数字鸿沟的里程碑,也深刻感受到了数字化给企业带来的变革。
从 2017年开始,越来越多的传统企业开始摒弃以营收为核心的经营理念,转而落地以用户为核心的经营理念。数据驱动的用户精细化运营,则是落地以用户为核心经营理念的前提条件。

基于我们服务上千家客户的经验,阻碍客户实现上述业务目标的主要挑战有两个方面:

一、以用户为中心的数据无法打通
我们调研了 200多家客户,能够打通各应用平台、业务系统之间底层数据,构建以用户为中心数据平台的客户不足15%。而这 15%还主要集中在以技术能力见长的互联网企业。很多营收超百亿的传统企业都没有能力构建这样的数据增长体系。

二、数据应用能力的匮乏
企业数据资产的采集、处理和沉淀是需要花费大量成本的。当我们完成用户相关的数据资产积累之后,如何挖掘其中的数据价值,支撑精细化运营、帮助企业提升客户满意度以及驱动业务增长,是很多企业在数据应用阶段面临的瓶颈。

我们 从 2019 年开始筹备CDP(客户数据平台)产品,并构建了以 CDP为核心数据支撑的「增长平台」产品矩阵。至今,已成功实施近百家客户,获得了良好反馈。我们将如何建设CDP、如何通过 CDP赋能业务增长的经验总结于此书,以飨读者。希望能帮助更多客户、更多企业应对数字化升级过程中的困难和挑战。

您的企业是否需要 CDP ?

企业 CDP 建设自测表,每个问题有 3 种答案供您选择。

问题 A 选项 B 选项 C 选项
您 的 企 业 拥 有 官网、App、H5小程序等电子渠道的 数量? 0-2 个,但不是作为主要营销渠道 1-2 个,作为主要营销渠道 3 个及以上,作为主要营销渠道
电子渠道的开发方 式? 建站工具 外包产研团队 内部产研团队
不同电子渠道的用户账号是否打通? 账号完全打通 部分系统账号打通 账号不能打通
目前您的企业可以采集到哪些数据? 很少或几乎没有 交易、订单等业务数据 业务数据、行为数据、线下数据 等
您的企业内部是否有大数据平台和团队? 没有 有数据团队但是没有统一大数据平台 有统一、易用的数据平台和专业大数据团队
数据体系是否是公司 的 重 要 目 标 之一? 不是 部门级别的目标 公司级目标,有高层领导推动
目前的数据应用情况如何? 只有研发部门在看, 业务部门不看数据 零散、单点的分析,能够通过数据发现业务中的问题,但是无法 定位 具备一定体系化数据分析的能力,能够定位业务中的薄弱环节
问题 A 选项 B 选项 C 选项
您的企业是否通过营销平台触达用户,希望针对不同用户进行 精细化运营? 几乎不触达用户, 也没有精细化运 营的计划 偶尔触达用户, 暂无精细化运营计划 经常触达用户, 希望进行精细化运营
企业在数据化方面的 投 入 规 模 有 多 少? 没预算或没有人力资源 投入 有预算,能够提供部分人力资源 投入 预算充足,能够提供专业团队
建成 CDP 之后,数 据赋能的范围 研发/数据部 门 研 发 / 数 据 部 门、产品部门 包括营销部门在 内的所有部门

量表说明:
以 A=0,B=1,C=2 换分方式,看一看所得分数是多少。

1、总分在 0~5 分
企业数据化水平有待提升,建议将提高公司内部数据意识和数据基础能力作为首要目标。

2、总分在 6~10 分
具备了基础的数据能力,可以考虑建设 CDP 全面提升数据体系水平,但是过程中需要弥补的问题还比较多,要做好心理准备。

3、 总分在 11 分及以上
恭喜您,您的企业已经具备较好的数据基础和强烈的数据需求,相信搭建 CDP之后,能够实现企业数字能力质的飞跃。

CHAPTER 01 带您了解 CDP

企业为什么需要 CDP

从用户行为数据到客户数据平台

10年前,企业与用户之间连接的手段和途径都非常单一。线下的零售门店商只需要一套门店管理系统便能基本解决用户管理的问题,线上的互联网企业也只需要通过网站便能有效触达用户。但随着移动互联网的发展,
新兴的媒介形态不断涌现并迅速演进,企业与用户之间连接的渠道在不断地增加,企业所需的用户管理工具也在不断地增多。

移动互联网时代用户场景碎片化

企业与用户之间连接的渠道经历了三个发展阶段,第一个阶段是从以线下门店为主的单一渠道连接;第二个阶段是以邮件、PC网站等为主的多渠道连接;现在正处在第三个阶段,也就是以各种移动 App
为主的全渠道连接。如今,伴随移动互联网爆发而诞生的微信抖音、淘宝、京东、今日头条、小红书等移动App,都在不断地争夺用户注意力,抢占用户时间。用户行为轨迹也因此遍布各处,随之而来的便是分散在各处的用户数据。

用户零散的线上、线下行为轨迹,以及多平台的流转,会无形中给单一用户赋予多个用户身份。“一人多机”的现象已经成为普遍状态,这也将为企业准确知晓用户身份、判断用户属性、描绘用户画像带来非常大的困难。

以 我们 为例,假设某用户在直播工具上观看了增长公开课,然后去官网注册下载了电子书,然后又去金数据上填写了产品的试用表单,紧接着又通过微信搜索到 我们的小程序准备体验,最后还在活动行上报名参加了 我们 增长沙龙。

该用户通过各种渠道与企业接触并且留下了数据,如果不同渠道的数据是互相分散且割裂的,就会很容易造成数据分析的偏差。比如,SDR(Sales Development Representative,商机拓展代表)只能看到用户在金数据上填写的产品试用信息,而看不到后续该用户在其他渠道上的活跃数据,故SDR会很容易将该用户判断为一个低质量线索。但市场人员由于能看到该用户既报名了增长公开课,又在官网上下载了几本电子书留下了大量的用户行为数据,还报名了增长沙龙,故市场人员会更倾向于将其判断为一个高质量线索。

在数据割裂的情况下,即使各部门根据正确且常规的判断方法,也会对同一用户给出不同的标签。分散的数据不仅会增加业务的复杂程度,还会降低部门间的协作效率,更为严重的是这种情况还会随着用户连接渠道愈发多元化、以及数据的不断积累反复出现。

这也是为什么我们有时候会遇到在同一家企业的不同产品上,出现错写用户名字、算错用户积分、自动填充错误地址以及在各移动终端向同一用户推送不同的产品广告等情况。不互通的数据让消费者在各个系统账号

中被识别为不同的用户,不仅会阻碍企业的协作流程,还会为客户服务体验带来困扰。IBM预计每年要为不良数据花费 3万亿美元,达美航空更是因为错误数据致使数百个航班取消,直接造成 1.5亿美元的损失。

企业内多部门、多工具形成数据孤岛

随着企业与用户之间连接渠道的多元化发展,企业内各部门管理用户数据的工具也在不断攀升。过去,理发店只需要通过Excel(甚至是一个账本),就能有效管理用户的发型偏好、消费水平、理发频次等用户数据,完成用户管理。如今,为了多渠道连接用户,迎合用户偏好,小小的理发店也会推出公众号、小程序、App、H5等入口,通过优惠活动、分享免单等方式获取和运营用户,管理用户数据的工具也从Excel 拓展到了更多。

从理论到实践,详细解读如何用CDP撬动业务增长

图 1-1

以全球的 Martech 市场为例,根据 Scott Brinker 在官网上发布的全球营销技术全景图展示的公司数量进行统计(图 1-1 所示),2011 年仅有 150家营销技术公司,2016 年达到 3500 家,截止 2019 年已经达到了 7040 家,未来数量还将进一步增加。这还仅仅是以营销技术为代表的相关工具,企业在实际运作过程中,各个部门还会应用到其他各种工具,例如:

  • 销售部门:纷享销客、销售易、Salesforce 等 CRM 工具

  • 客服部门:智齿客服、网易七鱼、Udesk 等客服系统

  • 市场部门:微吼直播、小鹅通、目睹等直播工具

  • 产品部门:Google Analytics、Segment 等数据分析工具

  • 运营部门:甲骨文、Hubspot 等营销自动化工具

据市场公开数据统计,企业平均需要使用 12-15 个工具辅助部门工作,像 我们 使用的用于处理客户和业务关系的相关工具就有 11 个。作为一家 B2B企业,内部使用的工具都能如此之多,可以想像用户数量更多、用户来源更复杂的 B2C企业将会更多。

工具的出现,虽然在很大程度上提升了各个部门的效率,但是为部门间的数据流动铸造了壁垒,使得企业与用户之间的关系变得更加复杂。在多部门、多工具的情况下,用户数据被分割在不同的系统中,例如,网站、App、小程序上的用户行为数据存储在我们的系统中,直播报名的用户数据存储在目睹的系统中,交易数据存储在离线数据库中。如果这些系统之间的数据没有互相打通,那么在任何一个系统中的用户数据都很有可能是片面的、模糊的。

用户场景碎片化,企业内多部门、多工具形成数据孤岛,是目前很多企业践行数据驱动增长时面临的一大难题。对于已经线上化的企业而言,阻挡数据驱动增长的障碍不是缺失用户连接渠道、也不是缺乏用户数据,而是缺少整合、处理和打通多个来源用户数据并以唯一客户视角呈现的CDP。

CDP几乎占据了企业数据链条上的所有关键节点,能够将企业内各个部门使用的工具进行数据打通,并将用户散落在线上、线下的所有数据进行整合、处理,全部集中在一个平台上,得到更全面、更精准、更有价值的数据。如此强大的CDP 不仅能帮助我们提升获客ROI、改善用户体验、更好地实现精细化运营、得到更深入的用户洞察,还能实现很多极富想象力的场景,例如,通过构建用户购买倾向性模型,对存量用户进行针对性触达;结合机器学习对用户特征进行挖掘,找到更多潜客等。

什么是 CDP

CDP 的三种类型

作为新兴概念,每个人都在摸索并试图解释 CDP 是什么。然而解读CDP就有如盲人摸象,由于使用者通常只能看到 CDP在某一应用场景上的一小部分功能,导致不同的人会得到不同结论。营销人员可能认为
CDP 就是用户标签和用户画像,产品经理可能认为 CDP就是私有化部署的UBA,数据分析师可能又有不同的想法。这些理解都没有错,但不全对,因为它们只是 CDP 的某种应用。

关于 CDP 的定义,我们不得不提到 David Raab ,他在 2013 年首次提出了 CDP的概念,并将其定义为: CDP的目标是汇集所有客户数据并将数据存储在统一的、可多部门访问的数据平台中,让企业各个部门都可以轻松使用。

作为数据聚合平台,与其他工具相结合是 CDP 的一大特征,CDP 能够结合数据分析、A/B测试、营销自动化等众多工具,发挥更大的作用。据统计,在美国有 83.6% 的企业将CDP与数据分析相结合,有效整合多渠道数据,输出各部门所需的数据报表,为决策提供更为准确的数据依据;有 41.5% 的企业将 CDP与营销自动化工具相结合,通过更深入的用户洞察开展数字化营销活动;还有 31.6%的企业将 CDP用于广告投放的管理与评估,通过监测用户全生命周期的数据表现,提升广告投放ROI。

从理论到实践,详细解读如何用CDP撬动业务增长

图 1-2 :客户数据平台(CDP)的分类总的来说,CDP 可以分成三种类型:

数据型 CDP

数据型 CDP 只具备 CDP 必须具备的核心组件,即唯一的用户 ID 数据。数据型 CDP能够跨多个来源收集数据,并迅速将之存储在各个数据孤岛外的统一平台上,然后对数据进行整合、处理和打通,让每个用户都拥有唯一ID 的同时提供完善的 360 度单一用户画像。数据型 CDP仍然可以自动从脱机和联机源收集数据,无需任何手动输入,非常适合已经具备多个数据分析、营销自动化、CRM等工具且有成熟解决方案,但希望获得单一用户视图的企业。

分析型 CDP

数据型 CDP 向前迈一步便是分析型 CDP。分析型 CDP能提供更强大的数据可视化功能以及预定义的报告,帮助我们进一步分析所有数据并更好地了解用户行为。先进的数据可视化还能联通企业内各个部门,共享数据洞察。产品部门、市场部门、运营部门、销售部门等各部门都能充分分析和应用用户数据,为工作提供帮助。

分析型 CDP还能提供预测功能,为用户即将发生的任何问题提供预警,并自动监视用户输入数据和用户偏好的任何变化。不仅如此,分析型CDP还包括某种类型的机器学习组件,以使我们能够实时地处理用户行为数据,从而更好地优化用户生命旅程。

综合型(数据+分析+营销)CDP

综合型 CDP 包含数据型 CDP 和分析型 CDP的所有功能,此外,还具有跨渠道营销的功能,能够根据历史用户数据和用户行为预测,自动化为每个用户在每个渠道提供量身定制的内容推送或者营销活动。例如,我们可以先通过历史用户数据区分用户,为不同的用户个性化推荐产品、展示广告,然后再通过用户点击、购买等行为产生的实时数据进行用户行为预测,不断优化和调整策略来影响用户生命旅程中的用户行为,最终达到提升转化率、购买率等结果。

CDP 的 4 大原则

作为消费者,你一定能够感受到大量企业努力将用户引流到自己的App。表面上,源自企业对于私域流量和直连用户(DTC)的重视。而本质上,是掌握第一手用户数据对于企业的价值之大,“迫使”企业必须这样选择。想要掌握第一手用户数据,搭建企业CDP 是绕不过的步骤。

一个合格的 CDP 应当满足以下 4 大原则:

客户视角原则

通过统一数据,CDP可以将属于一个人的多个标识符连接在一起。它可以告诉你多个网站访问是来自一个消费者还是多个。因此,如果Web 端获取电子邮件地址和CookieID,并且呼叫中心获取相同的电子邮件和电话号码,CDP将识别所有这些标识符属于同一个人。

数据统一原则

CDP有能力快速对接企业内外部的各种数据源,包括广告投放、CRM、客服系统、网站、微信、App、大数据分析与BI 等。只有数据流动起来,CDP 才能产生更大的价值。

系统开放原则

CDP可以将数据应用到每个营销渠道,不仅限于广告,还包括呼叫中心、微信、短信等。真正的CDP 可以与现有工具,例如营销自动化工具、BI或者第三方数据集成工具等无缝结合。并且可以从这些系统中结构化输入,同时将输出推送给这些系统。通过这种方式,CDP支持营销人员对策略管理、市场分析和商业智能的需求。

业务导向原则

业务人员可以自行决定需要什么数据源、如何对用户打标签、把数据传递到哪些平台等。CDP 应该极其易用,业务团队可以直接在 CDP上进行操作,而不是依赖于数据部门。

CDP 的结构

以上 4 大原则对 CDP 来说缺一不可。我们在与众多企业沟通的过程中,见过太多企业自建的半成品CDP,他们都是因为违背了以上原则中的一条或几条,最终失败转而求助于我们。例如,功能完备的CDP,但是没有适合业务人员独立操作的交互和界面,最终导致并没有改变数据部门手动处理标签和分群需求的本质。还有一些半自动的CDP,在数据接入或导出上存在缺陷,最终不能满足企业的需求。

从理论到实践,详细解读如何用CDP撬动业务增长

图 1-3 :客户数据平台(CDP)

这里通过 我们 CDP 的结构(见图 1-3),来说明 CDP 具体是如何工作的。

数据采集和存储

顾名思义,既然是CDP,那么对于用户数据的采集和存储就是基础。来自市场、销售、客服等部门的各类数据源中的用户数据,不管是实名数据还是匿名数据,都可以根据业务定义得到合并。

ID mapping

这是最抽象的一步,在实际工作中,所有的数据都是零散的,且缺乏唯一的标识。IDmapping 的过程就是将这些零散得像拼图一样的数据,进行重新归类整理,并且以用户为唯一标识进行合并。

用户分群和画像系统

业务人员无法直接应用用户数据,哪怕这些数据是经过清洗的。运营人员需要的是根据他们的需求筛选用户群体,或者了解用户的群体特征、找到运营工作的增长点。前文我们提到,CDP必须服务于业务人员,所以强大且易用的用户分群和画像系统是 CDP 必备的功能。

用户标签系统

我们在服务客户的过程中,常常听到运营人员提到打标签的需求。而多数人对于标签的具体含义却又模棱两可。本质上,标签体系是一种用户群体的划分方法,而标签是一个维度。比如说客单价就是一个标签,标签的数值可能是10、100、200 等数值。在业务上,客单价这个标签可能就代表了用户的消费能力。

标签并不能直接解决精细化运营的问题,因为它只是划分方法。那么如何对用户进行划分,实现怎么样的运营策略,我们常常建议用户结合业务模型具体问题具体分析。

从理论到实践,详细解读如何用CDP撬动业务增长

图 1-4:RFM 模型下的用户标签

例如,RFM模型就是电商领域常用的一种业务模型。根据最近一次消费、消费频率和消费金额这三个指标对用户进行分层,而这个分层的实现就需要借助标签体系(见图1-4)。我们给用户打上这三个标签,然后根据我们的经验或者数据分析确定标签分层的数值,就能够把群体划分出来,进而通过运营手段即可落地具有针对性的运营策略,就实现了简单的精细化运营。关于如何使用标签体系,读者可以阅读专业内容进行学习,在这里只是阐述标签系统是CDP 的重要组成部分。没有标签系统,那么 CDP的业务价值将会大大降低。

数据应用

就像在 CDP 的概念中所强调的那样,CDP 是具备很强业务属性的, 这也是 CDP区别于传统数据仓库的特征。在组织中,数据通过一定的权限控制系统,就可以服务于不同业务部分,满足产品、运营、市场等人员的数据需求。CDP作为数据基础平台,必须具备强大的数据对接能力,将这些“半成品”数据输出到 BI系统、运营系统等,产生业务价值。我们服务的一个客户,甚至将 CDP的数据导出到他们自己开发的可视化系统中,将数据大屏放在办公楼里,让所有人实时掌握随时关注核心业务数据。同时业务部门的工作也将会产生更多的数据重新输入到CDP 之中,将数据的价值发挥到极致。

CDP 和 DMP、CRM、数据湖的异同

CDP并非有一套严格的标准和执行流程,而是一种概念。这很像近年来大火的“数据中台”,实践过程中各有各的标准,并不能做到完全统一。与此同时,CDP时常与数据管理平台(DMP)、数据湖、数据仓库的概念相混淆,也会因为都是以客户视角而与CRM 产生交集。CDP 在功能上会与这些概念产生交集,而又不是完全相同。

- CDP 数据湖 DMP CRM
使用者 业务部门 数据&研发 市场营销 销售&市场
目标业务场景 基于用户进行营销 存储所有数据,帮助企业数字化转型 基于第三方数据实现精准广告投放 针对用户触点,进行记录和分析
数据类型 第一方数据 第一方数据 第三方数据为主 第一方数据

图 1-5:CDP 和 DMP、CRM、数据湖的异同

CDP 与 DMP、数据湖、数据仓库

DMP(data-management-platform):数据管理平台,乍一听与CDP极为相似,实际上二者也并非泾渭分明,在数据源、数据加工以及数据应用等方面具备一定的交集。

DMP主要汇集来自第三方的数据,基于是cookie-based模式,对预设受众进行精准的广告营销,主要为获客拉新提供支持

数据湖:以原始形式存储结构化和非结构化数据,永久保存,且不处理任何数据分析。

数据仓库:将来自多个来源的结构化数据进行比较和分析。存放在数据仓库中的数据通常会针对特定目的进行清洗和整理,专注于数据分析和商业智能,因此IT 人员和分析师是数据仓库的主要用户。

CDP 与数据仓库、数据中台、DMP 等数据平台最核心的区别, CDP是以用户数据为核心的,具有很强的业务属性,面向用户运营的场景。

CDP 与 CRM

CRM:CRM系统管理您企业与客户和潜在客户的所有互动,帮助使用者洞悉客户关系。可以说,CRM充当了与客户和潜在客户的接触点的记录系统。

CDP 与 CRM 的区别在于,CRM 更关注单个用户的分析,CDP关注用户的群体分析,如分群、标签画像、变化趋势等,从规模和能力来说

CDP 是 CRM 的延伸。

以上,就是 CDP 的相关概念。

CDP的定义并不难理解,但是它对组织内部数据状况的改变是颠覆性的。当每一个用户在不同场景、不同终端上产生的数据都能够准确汇总在唯一标识之下,将会支撑许多极具创造力的营销场景。当前环境下,企业的经营理念从以营收为核心,转变为以用户为核心,了解你的用户成了企业在竞争中脱颖而出的关键。这也是私域流量、直连用户模式(DTC)等概念火爆的原因。而CDP的属性,决定了它能够帮助企业积累、应用第一手用户数据,这也是实现直连用户、私域流量运营的关键数据基础。

CHAPTER 02 搭建企业 CDP必须要了解的过程和挑战

CDP 的业务场景和价值

我们在过往服务大中客户的过程中发现:企业的经营理念,正在由以营收为核心,转变为以用户为核心。而CDP 最核心的特征之一便是基于用户进行数据的采集、汇总和处理。CDP 作为以用户为核心的数据平台,完美匹配了以用户为核心的经营理念和运营方式。既然 CDP 如此重要,那么是谁在使用和管理 CDP ,应用场景和价值又是什么?

CDP 面向的对象

谁来使用 CDP

CDP 的使用者主要是以下三类:

  1. 营销团队:通过CDP,专注于获客和留存的营销团队可以对用户进行充分洞察,并开展更精准、更高效的营销动作。所以CDP 的使用者一般是营销团队。
  2. 数据团队:具备一定规模的企业,营销工作的分工也更加细致。往往在数据团队内部设有专业支撑营销工作的数据营销岗位。通过数据分析,为营销工作的执行和落地提供基于用户数据的策略和方案。
  3. 数字营销外包团队:除了自有团队,外包团队同样可能是 CDP 的使用者。在我们 服务的某大型运营商客户,CDP的使用者就是数字营销的外包团队。他们的职责与数据团队负责的数字营销工作类似,需要帮助企业托管CDP 以及数据报告工作。
谁来管理 CDP

在 我们 的客户服务经验中,大约 50%的企业由数据部门管理CDP,如蜜芽宝贝、蛮牛健康等。数据部门负责CDP,会展现出很强的专业性,系统对接快、数据集成快。在需求上主要是作为企业内部数据体系的一部分来构建,注重CDP 的开放能力。

另外 50%则是由业务部门进行管理,如招商仁和人寿、安盛天平等。业务部门会将数据应用能力的建设,与CDP 的建设同步进行。数据基础能力为数据应用能力服务,当期 CDP不追求功能全面,而是更重视业务价值的展现。

CDP 的业务场景

全球知名营销媒体 Campaign 在 2020 年发布的一份全球百位 CMO调查显示:

  • 57% 的关注品牌如何进行数字化转型;
  • 22% 的认为欠缺数据和分析能力;
  • 13% 认为在精准和个性化营销做得不足;
  • 10% 认为在营销自动化还可以做得更好;
  • 9% 希望可以更好地了解消费者生命周期。

CDP的价值绝不仅是将用户数据进行整合,而是能够在营销工作中创造出极具想象力的场景。

例如,基于 CDP构建用户购买倾向性模型,对存量用户进行针对性触达;结合机器学习对用户特征进行挖掘,找到更多潜客;通过多个平台进行投放,让用户看到一个完整的营销故事。如果没有CDP 这些都是不能想象的。

当然,这些玩法都是以 CDP为基础,结合数据智能才能够实现,对于大多数首次尝试搭建 CDP企业挑战比较大。以 我们 项目服务经验,结合中国企业发展现状来看,目前阶段 CDP 的应用场景主要分为对内和对外两个方面:

CDP 对内的业务场景

CDP 对内的业务场景主要是用户数据的整合、处理、分析和应用。由于 CDP具备很强的业务属性,所以 CDP还需要满足数据的可视化、优秀的易用性(适合非技术人员)以及适当的权限控制(保障数据安全)。

CDP 对外的业务场景

CDP 与 DMP、数据仓库等纯数据平台的核心区别便在于对外的业务场景。CDP 能够帮助营销体系下多个业务部门应用数据,提升业绩表现。

  • 获客 ROI提升:

    以用户为中心的企业运营模式,决不能将用户简单地视为流量。在《2019中国新媒体营销价值专题报告》中显示,超过七成用户认可新媒体平台营销广告,更是有43.5%用户接受短视频广告。这说明用户并不反感营销行为,而是反感引起用户产生“心理抗拒”的营销行为。所以,占领用户心智的方式要更精准。基于CDP 提供的标签数据,精准定向投放、并监控受众接受度不断优化,完成广告投放闭环,能够有效提高获客ROI。

  • 用户体验提升:

    以 我们服务的江西移动为例,目前运营商线上渠道的业务在整体营收中的比重正在变得越来越大。线上渠道可以进行业务办理、积分兑换、售后服务等多种业务,用户需求非常复杂。需要通过跨渠道全流程整合用户旅程,找到关键触点并优化用户体验,最终实现渠道价值的重塑。在这个过程中,CDP可以将更多维度,更全面的用户数据应用于产品优化的工作中,实现数据全面监测,转化分析,驱动产品优化提升用户满意度。

  • 私域流量运营&用户精细化运营:

    除了线上渠道,企业也越来越重视私域流量的运营或用户的精细化运营。我们服务的客户中,三只松鼠通过裂变活动两周涨粉 8万;好好住通过预测模型将高价值用户筛选的准确度提升至 99.9%。这些都是通过数据驱动用户精细化运营的标杆案例。而这些案例的实现步骤正是基于CDP 实现的分群、画像,进行千人千面营销推广用户留存、召回,最终实现用户价值提升。

CDP 的业务价值

虽然我们一直在讨论 CDP 的价值和重要性,但 CDP本身并不是必须的。而是企业发展到某一阶段,为了突破瓶颈进行的选择。例如我们服务的蜜芽宝贝、招商仁和、江西移动等客户,他们在部署CDP之前,业务发展得很好,数据应用也有一定的基础。但是随着市场环境的变化,他们对于数据的要求变得更高,才需要引入CDP。

我们 在 CDP这项业务上大多数服务的是来自零售、保险、运营商等行业的客户。相较于纯互联网用户,他们业务更多元,包含了线上线下很多触点,数据类型又包括了线上行为数据、线下行为数据、交易数据、用户信息数据等。只有将这些数据打通,才能够发挥数据的价值,否则所谓数据驱动只是隔靴搔痒。

在这里,要特别强调一下 CDP 对用户行为数据的采集和分析。过去,传统行业往往只重视业务数据,而实际上业务数据只能占用户数据总量的20%左右。这代表着有 80%的数据被忽略、被浪费了。用户行为数据之所重要,原因有二:首先是随着用户触点的增加,用户行为数据量急剧增加,其中所蕴藏的业务价值也越来越大。其次,基于用户行为数据能够还原用户的路径和意图,对用户进行标签、分群等分析工作,指导企业进行数据预测、提高用户触达和运营效率。

CDP 的业务价值主要是以下三点:

  • 多数据源集成、整合能力:在现代营销工作中,用户数据往往分散在多端、多触点,数据的类型也十分复杂。CDP能够建立以用户为唯一视角的用户数据统一视图,对用户数据进行有效整合、处理和应用。

  • 分析洞察及用户研究:基于统一视图完成用户洞察、用户细分、用户研究、产品渠道洞察、营销时机洞察等,并制定策略;

  • 基于营销自动化的用户运营:用户分群、全渠道对接、营销活动管理、A/B测试、活动策略、个性化推荐、营销风控策略、数据回流及效果分析来迭代营销活动效果。

建设 CDP 的过程

构建 CDP 能够带来众多显而易见的好处,但是 CDP的部署实施成本是非常高的。企业面临的经营问题是否可以通过 CDP解决?如何合理控制CDP 部署实施的步骤?我们基于 我们 的 CDP服务经验,总结了CDP 搭建过程的最佳实践,帮助大家对搭建 CDP 拉通基本认知。

概念阶段需求识别

要想启动 CDP 项目,首先要明确企业是否需要CDP。这就是需求识别阶段我们要解决的问题——收集整合企业上下对 CDP的需求。这些需求可以是产品功能需求、业务流程需求、数据管理需求或者数据分析需求。通过对需求的收集归纳,论证搭建CDP 的必要性。您可以参考电子书前面的自测表的问题,进行综合考量。CDP不是万能的,在该阶段务必要明确企业的需求和目标是否能够通过 CDP 实现。

可行性研究

假设在需求识别阶段确定了企业真的需要 CDP,那么下一步就是论证搭建 CDP的可行性了。企业在可行性研究阶段主要任务是明确整个项目的建设依据、建设的必要性和建设的效益边界。看待这个问题需要回归到企业自身信息化系统的全局情况,整合当前存在的主要问题,并归拢整体业务需求框架,从而判断企业搭建CDP 的可行性。

可行性分析阶段一般会产出项目可行性研究报告,目的是通过具有逻辑性的文字正确地表达出企业在建设 CDP项目上的建设条件和规范,清晰地描绘项目建设的利益相关方和建设内容,同时也可以对项目建设的成本、投资回报有初步的判定。

在可行性分析阶段,要充分考虑企业的数据基础现状、梳理公司对于CDP的具体需求和定位、做好对项目风险的预判。本文对可能影响项目进展的问题进行了汇总,以供参考。

商务阶段

商务阶段的主要任务是确定双方合作的项目合同,并明确项目工作说明书(SOW)。商务阶段不仅存在于采购CDP 的情况,规范的自建 CDP 流程同样需要 SOW 。

项目工作说明书包括了项目背景、交付目标、功能需求、非功能需求、项目里程碑、项目管理方式和实施前提等约束内容,意义在于描述CDP 建设项目的售卖/实施/交付边界,是对项目需求的总结和定义,是对项目利
益、协作、实施相关方的明确和确定,是概念和规划阶段承上启下的必要产物。下图是 我们 提供的 SOW 目录示例。

从理论到实践,详细解读如何用CDP撬动业务增长

图 2-1:我们 SOW 目录示例

项目规划

项目规划阶段是项目启动的标志阶段,该阶段的主要任务是确定整个CDP建设项目的各项项目全过程管理计划,主要包括项目整体执行计划、成本执行计划、人员执行计划、风险执行计划、干系人管理计划等内容。

项目规划阶段的意义在于明确项目实施的章程,明确项目的工作任务和实施责任人。是企业本身、我们以及第三方在资源、工作、人员上的统筹和共识。

确认解决方案

解决方案阶段的主要任务是对业务需求的调研和规划。前文提到的需求识别阶段,可以提出天马行空的各类需求,而解决方案阶段的需求都是基于项目范围内可解决的明确需求。

我们 在解决方案阶段,主要提供 3类解决方案:指标体系规划、标签体系规划和运营场景规划。

  1. 指标体系规划工作是整个 CDP 项目实施的必要工作。通常由我们商业分析师根据 OSM+UJM 模型,对企业的KPI、业务场景、业务流程等方面进行业务调研和规划分析。在充分理解企业的应用系统和业务流程的基础上,根据项目 SOW中约定的交付目标,进行指标体系的设计,最终交付的是围绕企业KPI、业务流程和产品而定制的指标方案和分析场景。

  2. 标签体系规划工作是对指标体系方案的一种应用,通常标签体系的规划需要结合运营业务的需求同步开展。基础层面,标签体系的调研和规划是为了满足企业对于用户的人群划分、人群画像的需求;战略层面,标签体系的设计和规划,是企业精细化运营开展的前提。

  3. 标签体系规划工作的最终产出通常是一组企业的用户标签群组。标签体系通常细分 2到 3层,可按业务线结构、产品功能结构、服务对象结构等维度进行拆分。下图是保险行业标签体系示意图。

    从理论到实践,详细解读如何用CDP撬动业务增长

图 2-2:保险行业标签体系示意图

  1. 运营场景规划工作主要是调研和分析企业的运营需求,通常是基于AARRR 模型引导企业正确地判断和定义业务的运营阶段。分析师会根据行业经验和企业的业务流程,为企业定制规划运营的活动内容、流程规则、人群定义以及触达方式等。
  2. 指标、标签和运营方案的背后,都会规划出数据埋点方案。数据埋点方案是用户行为数据的采集标准,方案定义了数据标准,包括来源、事件维度、用户属性等。数据埋点方案是业务需求向技术实现进行转变的重要文件,是企业用户数据的重要标准文件。

实施阶段系统部署

系统部署阶段的主要任务是根据业务规划对 CDP平台软件进行安装部署,同样可以拆分为需求调研、资源筹备、软件部署和系统测试几个环节。

部署阶段的需求调研需要收集的信息主要包括业务规划需求(接入应用数、业务量、使用量等)、服务器硬件条件(CPU、存储类型、服务器类型)、服务器软件条件(操作系统、数据库、内核、分区和挂载)、网络条件(IP、域名、负载均衡、端口、子网及子网带宽、访问策略)乃至安全要求(安全合规要求、安全扫描机制、渗透测试要求)。

业务规划需求是整个调研环节最重要的信息,企业必须清晰地规划CDP需要接入的应用类型和数量,并且对 CDP 在上线 1 个月、6 个月、12个月等几个关键的时间点上的业务量规模要有预估。不同阶段的 DAU表现、数据量表现都将直接关系到系统在硬件资源筹备阶段的数量预估和拓扑设计。

通常情况下,对于百万级 DAU的业务集群,通过自动化部署脚本通常只需要数小时就能完成全部的部署和功能测试。

系统集成

现在的企业不缺数据,缺乏的是对数据的整合、处理和分析能力。而CDP恰恰是满足企业的这方面需求。做好数据集成,保障数据质量,才能为营销工作提供干净可用的数据。

系统集成阶段的主要任务是与项目范围内规划的各个数据源进行对接, 并完成 CDP与各个系统应用的联通,或第三方数据平台数据接口的集成。

我们 的系统集成大致有三类:SDK 集成、Webhook 通道对接和 API 接口对接。

SDK 集成是标准产品提供的集成能力,主要通过 APP SDK、JS SDK、JAVA SDK对客户端和服务端的用户数据进行采集。同时也能通过对应SDK在运营场景中对用户进行弹窗和资源位的触达。

Webhook 通道对接主要是智能运营能力的集成对接, 通过Webhook接口能力可以向第三方触达(短信平台、Push 通道)传递运营动作。

API 接口对接则是 CDP 平台和其他第三方数据系统的主要数据交互方式,通过 API接口可以向 CDP 输入用户数据、标签数据等原始数据,同时也能输出 CDP 平台处理后的标签数据、统计数据以及 CDP 平台 SDK 采集

的用户行为原始数据。

系统集成需要多方系统共同进行代码研发和协同联调,各方的参与和实施必然会存在时间成本和人力成本,在项目建设前必须要考虑整个项目集的协同预算,避免出现因为预算不足导致集成工作受阻。

系统集成阶段无论是SDK的集成还是第三方系统的集成,都必须建立在系统集成的技术解决方案之上,一方面确保系统集成过程中对技术方案、技术栈的共识,另一方面也是对数据传输内容、传输标准、验证标准的一
种确认。

应用埋点

应用埋点阶段的主要任务是对已集成SDK的各个应用,根据解决方案阶段产出的数据埋点方案,根据开发者手册的要求在系统内添加埋点代码。

数据校验

数据校验有客户端数据校验和服务端数据校验两种。

数据校验一般只针对服务端数据进行校验。服务端的数据是双方数据库中有明确数据明细或日志的数据。一般先校验原始埋点数据的数量和质量;其次是校验指标的统计口径;最后则是具体的指标数据明细。双方对指标的名词定义以及对指标统计口径的统一,是数据校验的基础。

一般不对客户端数据进行校验的原因是:

  1. 客户端的数据只有 我们 的 SDK 记录了日志,客户的应用一般没有对应的日志或者记录可以作为对比。
  2. 客户端的数据受到应用程序代码本身、网络条件、传输路径等多种因素的影响,会有较多延迟、丢包甚至丢数的情况发生,数据质量的Gap范围难以定义。
  3. 数据校验通常需要漫长的过程,需要有多个批次的反复或者多个版本产品的迭代,通常的开展周期为1 个月甚至更久。

交付阶段

这里的交付并非整体项目交付,而是对解决方案阶段承诺的内容进行交付。

  1. 指标交付:可视化看板搭建、可视化看板的洞察分析,可视化看板的讲解。

  2. 标签交付:标签的创建和标签规则的讲解,通常和指标交付合并进行。

  3. 运营交付:运营场景的创建,根据售卖合同的约定,可能会有运营效果的评估报告等交付方式。

用户培训

功能层面的交付只完成了交付的一半,优秀的工具需要专业的操作才能产生价值。在用户培训阶段,我们会根据项目情况,对企业客户进行多轮培训,标准培训环节,有产品类培训和运维类培训。

产品类培训主要是针对部署的平台的基本使用方法进行培训,通常面向业务人员。

运维类培训主要是针对运维操作和问题处理方式进行培训。通常来说,基础的服务启停和巡检是标准培训内容,项目实施过程中频繁出现的服务器问题则同样被总结作为专项培训内容。对于动手能力较强的客户,通常
会对底层的数据结构进行讲解和培训。

收尾阶段交付验收

项目完成交付和培训后,便进入了交付验收阶段。按照项目规划对项目完成度进行验收。

总结经验

这是任何项目都必须要经历的过程,能帮助所有项目参与者反思和总结项目进展过程中的经验和教训,通常是组织项目总结会或项目复盘会。

建设 CDP 过程中的常见问题

影响项目进度的常见问题企业数据基础建设问题

前文提到,CDP 建设是企业信息化建设进行到一定程度之后开展的。而我们在服务客户的过程中发现:许多企业的数据基础建设不足, 要想搭建 CDP之前,必须补足数据基础能力。常见的数据基础建设问题如下:

  1. 数据体系不完整。业务基础数据采集无格式管理、缺少满足业务要求的数据管理和分析的工具支撑,在用户行为分析、用户精细化运营过程中无法在线实现闭环管理,造成业务断档、数据不能共享的情况存在。
  2. 数据系统形成孤岛。企业现有的应用系统、对客系统本身是一个信息孤岛,信息传递和数据对接都依靠人工转换,信息的质量和有效性全凭操作人员把控。
  3. 数据应用缺失。现有的信息化系统仅具备信息存储功能,不具备数据分析以及数据再应用能力。即使搭建CDP,也并不能改善这一问题。需要同期开展数据分析、数字化运营等项目。

CDP 定位不明确

CDP 并没有一个明确的建设标准和规范,不同负责人对于项目的理解可能存在偏差。所以在项目规划,必须重点明确以下问题:

  1. 明确自身需要建设的 CDP 是一个什么概念的信息化系统定位。

  2. 明确同体量级的建设目标,在同行业内的实施成本和实施周期,无论自建或外采都应对实施难度和实施风险需有认知。

  3. 明确自身建设的 CDP未来重点服务的业务团队。可能是数据、运营、产品、市场和销售这些部门中的一个或者多个。

服务器硬件资源投入不足

服务器硬件资源是系统能否稳定上线的重要保障。部分企业在项目建设初期吝啬于服务器资源的投入,并希望随着业务量的增长再逐步添补资源。然而新系统在上线试运行时,往往伴随着大量的服务器性能调整、数据调整的运维工作,需要通过大量的硬件性能资源去试错和调优,由于缺乏服务器资源,往往会在此阶段导致系统运维难度增大,业务系统频繁中断,无形中延长了试运行的周期,导致项目上线延期。

埋点风险准备不足

埋点阶段最大的风险在于企业的技术团队并不熟悉自身应用系统的业务逻辑,在埋点时无法准确判断点位的入口、点位的触发时机等情况,往往会造成漏埋、错埋的后果。所以在应用埋点工作开始前,往往需要业务团队和技术团队的负责人,对数据埋点方案进行确认,三方必须对方案中设计的点位、点位对应的场景以及点位的实施可行性达成共识。

建设 CDP 的技术挑战数据对接格式统一性问题

对接不同业务需要提供统一的数据格式,避免因为数据格式不一致导致数据丢失或者部分信息丢失。

我们在项目进展过程中,经常会遇到不同的应用上传的字段类型不一致。比如常见的日期属性,有的应用会上传时间戳,有的应用会上传格式化之后的字符串。属性的字段在一些系统内会通过宽表方式存储,
一些系统会使用 map格式存储,接入时也需要统一。同时对于一些没有值的属性,经常会出现默认值设置不一样,有的还会出现一些语言的null 值, 比如常见的 undefined、None、null 等,处理起来也会出现问题。

应对方案:

  1. 提供标准的 json定义文档,格式非法的数据直接拒绝,避免接收后无法解析引起歧义。
  2. 提供 sdk,使用构造函数发送数据,避免直接传入json,适合团队编程语言种类较少的情况,优点是使用更方便,通过输入参数校验能避免错传和漏传。但是维护不同语言SDK 需要花费额外精力。
  3. 提供数据定义文件,如 protobuf 格式文件,仅接受对应 pb格式的数据。因为 pb格式的通用性,不同团队可以自行适配,不需要提供SDK。为避免不方便使用pb 情况,可提供 json 兼容层,在数据收集服务将 json 转为对应 pb。

大数据系统搭建

建设 CDP需要首先搭建大数据系统,大数据系统搭建过程中需要面对技术挑战、运维成本和兼容性问题。

为应对数据量的变动,建设 CDP 过程中建议使用通用的大数据技术如Kafka、Hadoop、Spark 等,如果企业内部有大数据平台,建议直接使用。

如果是从 0开始搭建数据平台,第一个门槛是各个开源组件的版本选择。大数据开源组件目前的兼容问题比较多,常见的Kafka、Spark、Hadoop、HBase等组件如果版本选择不当,会导致各模块出现冲突。在这里不建议选择最新版本,一般可以选择最近1 年左右发布的版本。

如果对这部分了解不多的,建议直接使用一些商业的发行版,如CDH,避免因为不同组件的版本兼容问题影响开发。

数据平台搭建完之后数据平台的运维初期可以直接由数据工程师负责,后期需要专业的运维团队。选择 我们 CDP产品服务中包含大数据系统搭建和运维。

性能考虑

CDP 通常存在两种分析方式:

  • 批量分析:查看某个事件的次数、人数,使用一些维度拆分事件,使用某个事件创建画像数据;

  • 单用户分析:需要能够通过搜索快速定位到某个用户,查看和分析单个用户的行为、画像。

    • 批量分析通常需要对指标和属性进行预聚合,避免直接从原始数据查询结果。这方面可以参考的技术有 druid, kylin,在规划好维度使用范围后,这类预聚合的引擎能够加速查询效率。如果内部报表比较固定,也可以通过跑离线任务的方式,提前计算好,报表数据直接从计算结果出。
    • 单用户分析需要能快速定位到具体用户,因此需要索引性能较好的存储引擎。目前大部分大数据存储引擎的索引性能都存在问题,可供选择的 有HBase(需要仔细规划 rowkey),Carbondata(提供的索引方式较多)等。如果用户量较少或者属性较少,使用 redis 或则传统数据库也可以。

我们 CDP 采用 BitMap的存储模型,并在多年项目服务经验中不断攻克技术难关,能够兼顾计算和存储优势,面对亿级ID 数量时,也能得到很好的计算效果。我们 CDP的查询速度相比同类产品能够快10倍以上;若想达到同等性能水平,自研所需的时间、周期都非常可观,这也是众多企业选择部署 我们 增长平台的原因。

通用化建模

如果要自建CDP,对于数据模型的能力要求很高。尤其是通用数据模型,需要兼容不同分析模型,比如漏斗、留存、分群、标签、多维分析等。

其次,自建对团队建模能力要求高。需要具备丰富经验的数据架构师、产品经理团队;同时,项目所投入的时间和人力成本极高。在设计数据模型时,还要考虑到通用性,不建议为每个应用建立单独模型,否则会面临不同应用数据不一致问题。

我们 的模型通过 5年的研发经验积累,相较同类型产品具备通用性强、查询速度快以及存储成本低的优势。

分群和标签的规则化实现

标签和分群作为 CDP核心功能,提供了对用户群体的画像能力,这部分能力需要前端提供一些标准组件,让业务人员能够通过简单的操作自助完成创建过程。这些标准组件的规则化实现,需要研发团队具备丰富的开发经验和技术能力。

下面我们列举一下 我们研发团队如何实现分群和标签的规则化。在标准组件的背后,是一些标准化的算子,能够通过组合的方式,完成计算。

常见算子:

  1. 事件过滤:做过支付成功的人
从理论到实践,详细解读如何用CDP撬动业务增长
  1. select user from events where event_key = payOrderSuccess
  1. 事件聚合:做过支付成功在 3 次到 5 次的人
从理论到实践,详细解读如何用CDP撬动业务增长
  1. select user from
  2. (select user, count(1) cnt from events where event_key =
  3. payOrderSuccess group by user) t where cnt \>= 3 and cnt \< 5
  1. 属性过滤:性别为男的人
从理论到实践,详细解读如何用CDP撬动业务增长
  1. select user from users where gender = ‘男’
  1. 事件聚合次数:标签值为支付成功的次数
从理论到实践,详细解读如何用CDP撬动业务增长
  1. select user, count(1) as tag_value from events where event_key = payOrderSuccess group by user
  1. 事件属性聚合:支付成功最多的商品种类
  1. select user, product_type as tag_value from
  2. (select user, product_type, dense_rank() over (partition by user order by
  3. cnt desc) dr
  4. from (
  5. select user, attributes.product_type as product_type, count(1)
  6. cnt
  7. from events where event_key = 'payOrderSuccess' group by user,
  8. attributes.product_type
  9. ) t
  10. ) t2
  11. where dr = 1

画像(分群和标签)的管理问题

画像数量过多时,需要提供分类管理能力,如果使用宽表,需要存储引擎支持任意列的扩展,否则需要使用 kv 的方式存储,在查询时再做汇总。

大部分画像需要定时刷新,如果每天刷新一次的话,当画像数量过多时,计算时间会线性增加,因此需要持续优化这部分的计算性能。如果画像本身存在依赖关系,还需要解析依赖,控制计算顺序。

CDP 系统对接问题

CDP的数据(尤其是画像数据)需要能够与其他系统联动,常见的联动方式:分析特定用户的行为,给特定画像的用户发送通知(邮件、短信、推送等),将画像数据导出到其他系统。

一个典型的场景是:运营人员在产品分析,发现最近下单量降低,通过分群功能把最近30天使用过产品但是没有下单的用户找出来,然后在智能运营给这批用户发送一些优惠券。

在这个流程中,需要打通分析、分群、运营等工具,因此需要一些标准导入和导出接口,稳定可预期的查询速度,以及快速的分群计算能力。作为CDP ,需要提供画像接口,方便在其他系统展示。对于较大的企业,
同时需要提供较为完善的权限系统,避免核心数据泄露。

任务调度系统

系统内每天的计算任务,包含统计任务、画像计算任务、导入导出任务,需要一个统一的调度平台。

调度平台部分建议直接使用开源框架,目前比较主流的有 azkaban, airflow, dolphinscheduler等,根据自己熟悉的语言和调度需求,选择一种框架即可。对接开源框架时,需要将自己的业务逻辑,抽象成调度框架的结构,调整好任务序列和任务优先级,最好通过接口的方式去触发任务执行和业务逻辑更新。

如果有一些特殊需求,想自研调度系统,需要在设计时考虑到以下问题:

  • 任务依赖描述方式

  • 任务重试机制

  • 任务优先级分配

  • 任务资源分配和抢占策略

  • ……

自建 vs 采购

关于自建还是采购这件事,我们会听到一些潜在客户出于数据安全、定制化开发以及系统对接的角度倾向于自建CDP 系统。然而真正参与过CDP 搭建的客户,见识过 CDP在技术难度和项目管理难度,无一例外都认为采购 CDP 的性价比要高得多。

曾有一位客户这样对我说:“自建有很多好处,唯一的缺点就是做不出来。”这当然是一句玩笑话,但是相比自建以年为单位、上百人团队的巨额投入,企业更应该将这些时间和精力投入到更专业的市场方案研究。

谈到性价比,除了成本还要考虑性能。虽然自建 CDP 属于 100%定制开发,但是第三方 CDP供应商多年技术积淀和项目经验,在需求满足上反而会更胜一筹。以 我们 CDP产品为例:

从用户洞察到运营落地全面打通

客户在 我们 增长平台,即可通过 「我们智能运营」完成用户触达,无需另外对接营销自动化工具。此外,我们增长平台还能提供一系列数据应用,如「用户 360画像」「产品分析」等,无需额外对接和开发工作,一站式满足数据需求。

集成简便,对接流程产品化

我们 提供标准对接文档,与现有的主流 SaaS工具、软件系统进行集成。支持实时、离线数据上传等多种数据对接方式,同时将导入流程产品化。相比企业自身花费大量精力做对接,我们为企业提供了操作更加简单、快捷、方便的对接方式。

可扩展性和创新性

近年来 我们业务持续增长,不断发布新的功能和应用满足更多企业客户的需求,同时也为老客户提供了更多能力拓展和迭代的选项。

除了以上原因,全球 CDP 的服务市场也在变得越来越成熟。CDP在美国市场发展已经十多年的历史,已经诞生BlueKai、Tealium等一批新兴企业。国内也涌现出了一批第三方供应商,他们更多懂本土企业、懂国内流量运营规则、更加轻量级、能够赋能企业产生业务价值。也有更多成熟的案例证明了CDP 的价值,给了更多企业主信心。

| 用数据驱动企业增长

CHAPTER 03 CDP 如何驱动业务增长

零售行业:构建数据增长体系,多维度驱动业务升级

零售行业发展的趋势与挑战

受疫情影响,2020 年中国社会消费品零售总额有一定下降,2020 年3 月同比降低 15.8%,但整体稳中向好。纵观历史,风险和机遇常常并存,逆境中必有新机遇。

  1. 疫情加速培养了用户线上消费的习惯,2020年以来,中国社会消费品线上零售额占社会消费品零售总额比重逐步上升,5 月已达29%,同比增长 5%。线上消费逆势增长,电商迎来新机遇;
  2. 随着科技的快速发展,用户购买旅程已从“单渠道”逐渐转变为“全渠道”,线上与线下也正努力向“无缝融合”发展。此外,由于疫情对线下消费场景的限制,再加上李佳琦、薇娅等顶级KOL 的出现,直播带货已经逐渐成为企业的常规销售模式,预计 2020年中国直播电商的市场规模将达到 9610 亿元;
  3. 中国消费市场的增速基本见顶,电商正经历由“粗放式获取流量”到“精细化运营用户”的转变。存量竞争的加剧,倒逼企业加速私域流量建设,其中微信生态(自建小程序、微信群、公众号、个人号、企业微信个人号)成为大多数电商“存量”带“增量”的主阵地。

综上所述,如何抓住这些机会,如何建立全渠道购买旅程,如何建立线上与线下“无缝融合”发展,以及如何从“流量思维”转向“用户思维”成为各品牌电商正在考虑的问题。

对于这些问题,品牌零售企业往往会遇到以下三方面挑战:

  1. 获客成本逐步攀升,难以衡量并提升 ROI 。以头部电商平台为例,淘宝、京东、拼多多、唯品会的新客获取成本整体都处于上升趋势。面对越来越高的获客成本,企业也越来越关注营销的ROI。然而面对营销各环节的数据断层,如何进行全域、全购买旅程监测,从「购买」算清市场对营收的影响,是难点。
从理论到实践,详细解读如何用CDP撬动业务增长

图 3-1:获客成本逐步攀升

  1. 自建线上商城缺少数据驱动,难以发挥最大价值。掌握会员、订单、用户行为等数据,并充分利用,才是私域电商的长远发展之道。在自建线上商城的过程中,许多零售企业由于缺乏经验步履维艰。

  2. 多渠道、多类型数据割裂,难以挖掘业务增长点。将数据重新梳理,建立用户唯一标识,才能更好的进行用户洞察,进而优化零售电商的增长策略。然而企业的数据通常散落在线上、线下多种渠道,并且还有交易、用户行为、广告等多种类型的数据。如何搭建客户数据平台(CDP),打破企业数据孤岛,是关键。

“公域 + 私域”流量组合,提升零售企业获客能力

从市场层面看,“公域 +私域”流量组合是获客的长期发展方向。全链路分析渠道表现,提升 ROI是各电商需要考虑的首要问题。企业一般拥有线上、线下多种推广渠道。过去,由于技术限制,渠道分析基本停留在流量分发阶段(PV、UV等数据);现在,通过打通广告、行为和业务数据,可以将渠道分析层层追溯至复购阶段(注册、购买等数据),更全面的分析渠道表现。

随着用户购买旅程逐渐全渠道化,有时转化低的并不一定是质量差的渠道,具体还需要去归因分析。借助首次点击归因、最终点击归因、线性归因、位置归因等归因模型,就可以从不同的用户购买旅程视角,衡量渠道价值。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-2:全链路分析渠道表现

另外,电商需要考虑裂变式增长,寻找最佳带货KOC。在私域电商“种草”、“养草”、“拔草”的三个阶段中,每个阶段都可以发掘可裂变点,具备分享动因、种子用户、激励诱饵、逻辑闭环这四大要素后,即可开启裂变。

比如:在养草阶段,以微信生态中的小程序为中心裂变;在拔草阶段,在用户付款完毕后,设置红包诱饵等引导用户再分享。裂变环节中有一个关键角色,那就是 KOC(Key Opinion Consumer),即关键意见消费者。KOC拥有一定的粉丝群或者影响力,能带动其他用户的购买行为,可以说是私域电商低成本、高效获客的一大途径。对于免费KOC,通过数据找到自发分享最多、带货能力最强的用户,重点培养;对于付费KOC,通过KPI 数据、带货分布分析等,全方位衡量付费 KOC 的价值。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-3:电商裂变式增长

“功能+体验”,对产品进行双重优化

从产品层面看,优秀的产品设计和体验对 GMV的提升有至关重要的作用。因此,零售企业可从“功能+体验”方面对产品进行双重优化。

我们 实践发现:

  1. 首页资源位对零售企业自建的商城来说至关重要,对营收有很大的贡献。企业需建立首页资源位监控与优化体系,衡量各模块的吸引力,合理优化资源位的分配,实现首页流量分发效率的最大化。我们建议首页资源位的优化步骤可分为三步:第一步,首页流量盘点,明确各资源位的定位和业务目标,并应对流量分配做好规划,铺设导购路径源头;第二步,首页流量价值评估,从流量占比和用户关键行为,结合流量的规模价值和业务价值综合评估。第三步,资源位重新分配,不断评估、迭代首页流量分配策略,实现流量分发效率最大化。
  2. 搜索框基本作为用户直达目的地的快捷通道,聚焦在页面的最上方。用户往往面临搜不到、搜不准的问题,这将大大影响产品体验。通过建立搜索监测与优化体系,可有效衡量搜索效果、指导优化策略,进而达到不仅让用户搜得到、搜得准,还能借助搜索带来有效的业绩转化。我们建议分析可拆解为四个维度:搜索无结果热度词监控、用户对搜索结果满意度分析、用户搜索方式监测、搜索词业务贡献监测。
  3. 品类列表是帮助用户快速找到想要商品的快捷方式。通过搭建品类列表监测与优化体系,衡量不同品类的浏览、加购、销量等表现。通过数据不断优化,建立层次分明逻辑清晰、符合用户习惯还能提升销量的品类列表。一般电商品类可分为导流型品类、高利润型品类、高转化品类、以及未来明星型品类。我们建议可通过监控不同品类的点击表现,品类-商品详情-加购-购买转化,以及不同品类的浏览、加购、销量表现三个维度对品类进行分层分类分析。
  4. 种草模块能帮助零售企业构建更具社交化的“场”,增强用户粘性的同时,还能大幅提升转化率和客单价。通过、搭建种草模块监测与优化体系,对种草模块的内容引流效率进行评估,不断引导优质内容的产出、提升内容带货量。我们建议关注种草模块人数与留存率、种草模块带来的架构与订单数、种草达人关注人数、以及种草帖子的生产量与消费量四个核心指标。
  5. 除了产品的结构优化外,体验优化也十分重,尤其是加入购物车、订单支付等用户成交的关键节点,用户都怎么进行产品交互?如何给用户提供更优体验?我们 建议分两步进行分析:第一步,通过 UJM(User Journey Map,用户旅程地图)可视化,了解用户在产品使用中的路径:查看用户如何进入、退出产品以及如何与产品互动;从中找到用户意外退出或唤回的位置,找到用户体验的痛点。第二步,漏斗分析与用户细查。经过第一步找到痛点后,就可以针对该痛点处,通过漏斗发现转化瓶颈;然后针对转化率低的步骤进行用户细查,找到体验优化的机会点。比如,通过用户细查发现“3小时后再来访,打开购物车显示为空,浏览商品列表页后离开再也未回访”问题,就可以对登录前加购的商品,登录后也记录保留,保证流程简单通畅。

商品运营、活动运营和直播带货

随着电商行业巨大的“流量红利”渐渐平复,越来越多的电商认识到了运营的重要性。以前,做电商不懂运营可能会存活,但现在,不懂运营必死无疑。我们建议从商品运营、活动运营和直播带货三个方面开展工作。

  1. 商品运营需要进行一系列有效动作,把商品卖出去。通过实时监测、分析,单一/系列商品的浏览量、点击量、加购数、下单数等数据,快速定位哪些用来打爆品、哪些用来引流、哪些作为长尾款、哪些是品牌代
    表性产品等,进行商品组合以实现营收最大化。我们 有三方面建议:第一,改变以往周度/月度获取数据的滞后性,实时了解商品销售情况。第二,改变以往只看商品销量数据的单一性和局限性,融入用户的关键行为数据(商详浏览、加车等),帮助商品运营团队最大限度地发掘商品的销售潜力,找到头牌商品,以及时调整促销策略,提高动销率与 GMV。第三,优化供应链补给:根据商品的曝光、点击、加购、下单全生命周期数据,及时优化库存。
  2. 活动运营是运营工作中的另一个重要的方面。一个优秀的活动运营除了具备全面体系化知识,对于项目把控、流程推动、各部门协调、资源整合都应该有高效的执行力,来推进整体活动KPI的完成。爆款活动是每个品牌电商都致力于打造的,运营一场活动相当于布一个局,而运营的艺术就在于让用户一步步参与其中,最后水到渠成。活动节奏、活动引爆点、活动玩法、活动推广和活动杠杆这五大要素,对于爆款活动的打造来说缺一不可。我们建议建立全流程数据监测分析体系,助力爆款活动打造。
  3. 直播带货能帮助品牌商很好的实现“品效合一”。通过邀请导购、明星、网红等直播带货,再通过数据对直播效果、对不同网红的带货效果、不同商品的带货效果进行评估,并持续优化迭代,促进GMV
    和品牌影响力快速提升。我们建议打造直播带货全局数据看板,通过直播过程中实时监测,方便管理层和品牌方通过数据看到效果。直播结束后,对直播用户参与度、分享情况、销售带货情况全盘分析,告诉品牌方直播效果,并对下次直播策略的设计提供建议。
从理论到实践,详细解读如何用CDP撬动业务增长

图 3-4:直播带货迭代流程

保险行业:构建标签和画像体系,助力企业数字化转型

疫情之下,保险行业的变革与选择

据《中国保险行业研究报告》数据显示:保险行业 2018 年保费规模为 3.8万亿。虽然总量达到世界第二的水平,但是保险密度仍与世界平均水平有明显差距。与此同时,近年来保险行业同比增长不足
4%,过去“短平快”的发展模式已经不能适应新时代的行业发展需求,行业及用户长期存在难以解决的痛点,限制了行业发展。

2020年,新冠肺炎疫情唤起用户的保险需求,也改变着消费者对保险行业的刻板印象。疫情加强了用户线上消费偏好,加快保险行业数字化建设步伐,为保险行业线上转型插上“翅膀”。

  • 保险意识不断增强:疫情期间,人们的保障意识逐步提高。外部环境不确定性增强,促使人们通过购买保险的方式为自己寻求保障,保险需求迅速膨胀。

  • 行业认可稳步提升:疫情期间,保险企业及时推出与肺炎有关的短期保险、为医护人员提供免费保障等行为,提升了我国消费者对保险行业的认同。

  • 线上转型全新尝试:线上保险商城成为当前保险行业转型的基础形式。部分保险公司更是推出 App,方便用户通过线上渠道自助服务、建立保险企业智能营销体系。

  • 数字化经营目标:保险公司通过搭建自己的数据平台或数据仓库,将数据增长的理念和方法应用到业务当中,向数字化经营的最终目标迈进。

    目前,保险行业的最大痛点是用户与保险公司的耦合度低。完成投保后,用户与保险公司的互动随即停止,导致企业获取用户数据非常困难,数字化转型为保险企业增加用户互动、优化投保体验提供了四大机会:

    • 机会一:整合分散数据,解决数据孤岛

      • 精准的用户画像依赖于多方数据有效整合。而过去,以半结构化方式存在的用户数据获取难度大,渠道数据、广告投放等第三方数据与自有数据割裂,导致企业无法精准识别用户。

      • 如今,数字化经营帮助客户搭建数据平台,整合多渠道多平台数据。企业通过用户标签体系,能够精准绘制用户画像,识别高价值客户群体。

    • 机会二: 深化指标体系建设,联动线上线下双渠道

      • 企业可以利用大数据、智能化技术,实时获取用户线上行为数据,建设适应互联网运营的指标体系。通过共享线上线下数据,运营团队能够识别用户来源与线上交易行为,提升活动投放和产品运营效率。
    • 机会三:有效衡量用户体验,提供个性化服务

      • 保险企业通过数据分析,可以优化线上渠道的用户体验。以保险行业为例,通过线上埋点监测用户行为,企业能够快速定位用户投保转化障碍,完成场景优化。
      • 在传统模式下,系统异常、链接失效等障碍造成的投保失败,均需通过电话投诉的方式才能获得反馈,效率十分低下。而当企业建立起用户行为的检测,一旦出现转化异常,运营人员就可以立即在数据上发现问题,
        定位问题。
    • 机会四:精准描绘用户画像,实现精细化运营

    • 通过数据整合,企业掌握了完整的用户数据,并精准描绘用户画像。通过将用户画像与用户生命周期各阶段运营策略相结合,企业能够更有针对性地进行产品运营、活动策划,初步实现“千人千面”的精细化运营。

以 CDP 为基础,构建保险企业数据增长体系

保险行业的核心需求就是围绕以用户为核心的主题,致力于用数据实现更精准的用户触达,更高效的用户服务,更低廉的运营成本。针对保险行业的痛点与机会,我们建议保险企业构建以 CDP为底层,整合线上线下渠道的数据;构建串联多方数据的业务应用系统,用数据分析驱动业务增长。

主要有以下四个流程:

高效集成多方数据,构建用户标签体系

用户数据整合有两大核心。一是通过 ID mapping打通跨屏、跨渠道、跨平台的用户数据。二是扩大底层开放性。除了自有数据外,其他三方数据也需通过数据库进行对接,服务后续应用场景。

以 ID mapping 整合的用户数据为基础,我们系统可以构建用户标签体系,服务业务部门的精细化用户运营目标。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-5:从业务分析模型到用户标签

我们 通过 ID mapping打通用户各来源数据,构成用户标签系统和用户画像系统的数据基础。通过数据整合的方式,满足业务部门在日常运营当中统一用户数据,提高运营效率的需求。我们提供具有强大计算能力的系统,为运营部门提供用户标签和分群能力,支撑实际活动运营。

优化获客渠道节点,提升线上数据价值

保险行业具备线上线下多种触点,线上触点可以通过加载 我们SDK 进行数据采集。而线下数据, 如经纪人的邀请码, 则可以通过我们提供的一人一码进行追踪。每一个代理人分享的都是他个人的专属链接,这就改变了我们对线下经纪人行为的追踪与衡量方式。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-6:保险行业客户数据平台应用

传统运营效率评估关注活动参与和转化人数指标,忽视指标质量。我们全流程监测用户来源和用户转化行为,帮助业务部门寻找最优用户接入渠道,筛选高价值用户群体,进而建立与业务目标相匹配的ROI 评估方式。

优化业务流程是渠道数据化的另一应用。通过监测用户线上点击、登录、停留、购买等全环节数据,产品部门能够实时发现线上产品设计中的程序错误,大幅度提升用户体验。

获取全流程行为数据,优化用户线上体验

当我们实现了对用户保前、保中、保后触点的监测和采集,用户体验的优化也可以基于这些数据来进行。当前移动互联网进入下半场,用户对线上产品的体验要求逐步提高。线上消费的每一个环节都会影响用户线上体验,进而影响运营效率。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-7:保险行业数据运营目标

我们的产品能够监测用户业务交易的整个流程。以保险线上理赔环节为例,我们可以获取用户连接客服、上传资料、申诉成功等理赔数据。通过底层用户信息分析产品设计漏洞与程序错误,优化线上保险商城的购买流程。

构建用户标签体系,落定精准营销策略

拥有了基础客户数据平台后,企业就可以利用数据进行用户分层,精准管理各类用户,进行精细化运营。

保险用户有两个生命周期,一个是基于互联网思维划分的用户生命周期,详细可分为以下四个阶段:

  • 导入期用户:当新用户进入了保险商城、或与保险代理人进行沟通时,便进入导入期。
  • 成长期用户:完成保险商城首投行为的用户便可定义为成长期用户。
  • 成熟期用户:成熟期用户的主要战略在于引导其二次投保或用户推荐。
  • 流失期用户:在线上转化过程中,任何一个环节都存在用户流失的可能。
从理论到实践,详细解读如何用CDP撬动业务增长

图 3-8:不同维度的用户运营策略

另一个是用户的自然生命周期。保险用户会随着年龄的增长产生不同的保险需求。青年时购买意外险的需求较大,中年后对房产、儿童类保险需求增加。针对保险用户不同年龄阶段的需求,保险团队可以根据生命周期管理原则制定差异化的运营策略。

所有策略的执行都能依靠 我们增长平台实现。系统中的标签体系可以快速定位用户,满足不同业务场景需求。如筛选出多次浏览旅游保险的用户推送年度旅游险广告、或向购买过某个地区旅游险的用户进行二次营销等。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-9:我们 增长平台运营过程

有了用户画像后,系统可以洞察用户需求,自动发送已经设置好的广告短信及优惠券,引导潜客完成商品购买。同时,通过A/B测试,业务人员可以评估不同广告内容的效果,灵活快速地完成活动策划与产品迭代,
有效提升业务效率。

运营商行业:搭建数据增长引擎,助力电子渠道建设

运营商数字化业务现状和挑战

随着时代发展,运营商所覆盖的业务种类越来越丰富,从传统的语音业务扩展为语音、数据、互联网应用等多业务种类,面对的客户也由原来单一的个人客户变为个人客户、家庭客户及集团客户等多个客户群。而以各类
App、小程序为载体的电子渠道,由于获客成本、用户操作方便、不受时间和地域限制等优势,正在逐步成为全业务运营时代的主流服务营销渠道。

全业务时代更多的业务种类、更复杂的业务处理流程,要求电子渠道具有更强适应性的承载能力;此外,在产品及服务承载完成后,如何吸引用户使用电子渠道,培养用户的电子渠道偏好,将电子渠道打造成主流渠道,也是面临的挑战之一;最后,在移动互联网时代,利用电子商务模式向用户提供销售和服务是大势所趋,运营商怎样克服自身机制、团队、系统平台等方面的制约,探索出适合自身特点的电子商务运营模式,也是值得思考的问题。

下图是目前运营商电子渠道运营的现状:

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-10:运营商电子渠道运营的现状

目前,运营商电子渠道的挑战主要可以总结为以下四点:

  • 各系统数据孤立,形成数据孤岛,数据价值难以最大化利用;

  • 线上电子渠道与线下实体渠道存在隔阂,缺乏甚至没有交互;

  • 电子渠道缺乏核心竞争力,设计缺乏人性化,交互体验不佳,被微信支付宝取代严重;

  • 对用户多为被动等待,缺乏培养用户使用习惯的手段,空有巨大的用户基数无法重复利用。

打通业务脉络,电子渠道实现结构化、平台化

为了解决以上问题和挑战,我们从数据基础入手,打造涵盖数据治理、产品体验优化和会员精细化运营体系搭建的运营商数字化转型解决方案,全面解决电子渠道数据运营问题。

建立数据整合与治理体系,打通业务脉络的基础

想要建立数据整合与治理体系,首先应当明确运营商行业最具价值的几类数据:

  • 通信数据和时序数据:运营商通过每次通信行为数据(包括语音,短信或彩信)的记录进行计费,这个数据其实也有很大的价值,除了可以了解用户的通信服务使用情况(比如本地,漫游,长途,国际等),还可以通过对端解读更多的信息,从而为用户提供更为便利的服务。同时,这些行为按照时间排列,可以了解更多规律,从而提供更多服务;

  • 身份数据:目前,无论是手机、宽带都为实名认证,运营商不仅用户信息覆盖完整,还可以基于实际行为进行验证,这是一般银行及其它企业无法比拟的;

  • 消费数据:用户每次愿意在通信商怎么花钱,能够深刻的反映用户的很多特征,如:支付能力、消费类型;

  • 社交数据:运营商拥有天然的社交数据,即通信交往圈(含语音, 短信及彩信等);

  • 位置数据:手机所在位置;

  • 上网数据和终端数据:每个人的线上生活(衣食住行)记录。在保障信息安全和用户隐私的前提下,对这些数据源进行整合和处理,能够产生巨大的业务价值。如:可以通过对用户行为进行分类和绘制标签,提升营销精准度和广告投放 ROI ;通过数据挖掘和分析,产出消费者洞察报告,支撑商业决策。

CDP 在技术层面能够有效集成不同类型、不同数据源的数据,通过ID mapping 技术进行打通。

而实际应用过程中,除了硬件的技术水平,还要一套数据模型作为数据体系搭建的“架构”。我们 在服务运营商客户时,会结合用户旅程,按照产品结构对这些数据指标进行梳理。所依托的模型便是 OSM + UJM 模型。

OSM(Object Strategy Measure) 模型:

  • O
    代表业务目标(Object)。需要我们思考或者回答,我们的业务、产品、甚至是其中的一个小的功能存在的目的是什么、能够解决用户什么问题、满足用户的什么需求?
  • S
    代表业务策略(Strategy)。是指清楚业务目标之后,为了达成上述目标,我们应当采取的业务策略。
  • M
    代表业务度量(Measure)。用于衡量我们的策略是否有效,反映目标的达成情况。「业务度量」涉及到以下两个概念:一个是KPI,用来直接衡量策略的有效性;一个是Target,是预先给出的值,用来判断是否达到预期。

UJM(User Journey Map)模型:

  • UJM模型就是我们在设计一款产品的过程中,必须要去梳理的用户生命旅程。前面我们通过 OSM 模型设计好了业务目标、策略和度量指标之后,

需要进一步梳理整个产品的用户生命旅程,以校准我们的业务目标,判断它能否与用户每个阶段的旅程进行吻合。

也就是说,UJM模型是用来与我们的业务目标不断进行耦合的,两者相互影响、相互作用,促使业务目标能够更好地贴合用户需求、业务策略能够更好地回答业务问题。

我们把 UJM 模型与 OSM 模型相结合,就可以激发有趣的“化学反应”: OSM模型将迫使企业高层思考,现阶段最重要的目标是什么,哪些业务承载这些目标;而业务部门则可以通过UJM模型,将公司目标、策略与业务流程快速耦合在一起,最终形成一个清晰、明确的数据采集体系,数据语言变成了公司上下协同的统一语言。

有了数据体系的模型和数据整合与处理的技术保障,我们就能够得到运营商的数据指标体系。下图是数据管理指标体系全景展示:

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-11:数据管理指标体系全景展示

拥有了数据指标体系规划,即可落地体系化数据监控。通过监测PU、UV、跳出率、访问时长、不同城市数据、不同入口数据等基础数据满足日

常各部门的看数需求,可以根据客户需求定制基础数据的看板。也可以根据业务需求自定义核心业务指标,例如套餐详情浏览、充值、支付,并通过对业务指标的维度下钻分析发现指标波动原因,完成核心业务数据监测与分析。下图是运营商数据监控体系示意图:

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-12:运营商数据监控体系示意图

线上电子渠道与线下实体渠道融合,构建体系化业务系统

从业务划分上来说,电子渠道和实体渠道在受众和业务类型等方面是相互补充的关系。

电子渠道以边际成本低的特点,适合覆盖大用户量、标准化的业务流程,如:

  • 充值缴费

  • 预付卡号销售

  • 合约机销售

实体渠道以灵活的用户接触,适合处理用户的个性化需求及特殊服务需求,如:

  • 预体验厅
  • VIP 服务厅
  • 超市化营业厅
  • 移动话代办点

在“渠道一体化”的大背景下,渠道服务已经不再是一项运营成本,而成为了最为重要的竞争优势所在。如何充分利用好这项战略资产,挖掘各渠道里隐含的无缝运转模式和由此而激发出的全新整合的行销力量是运营商需要重新思考的重要主题。因此,我们建议充分挖掘用户自身价值,刻画用户画像,通过各类数据的融合打通,打造以围绕用户为中心的渠道一体化营销体系。

举例来说,王女士到营业厅体验缴费,营业厅系统基于王女士手机号查询标签服务查询到:王女士有一个12 岁男孩,曾有过在线查看家庭套餐

但最终未下单的历史记录。同时,王女士月租套餐消费超过 500 元。因此,建议营业员推荐家庭套餐活动增值服务给王女士,可享半价为儿子充值无限流量服务。

在这个例子中,通过分析王女士线上行为,掌握用户画像,可以精准了解用户特点,挖掘用户“未知”需求,配合线下到店体验场景,服务营业员精准营销,交叉销售,从而达到利益最大化。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-13:线上线下整合营销流程

在存量用户运营方面,我们建议提高产品核心竞争力,优化产品体验,将流量利用率最大化。基于标签和画像系统,构建会员用户运营体系,全面提升电子渠道营收。

提高产品核心竞争力,优化产品体验,将流量利用率最大化

产品核心能力的提升能够有效的提升用户的活跃和留存。在产品优化之前,回答以下问题可快速定位核心用户消费场景中出现的问题,并有效制定能力提升策略:

  • APP 内的转化是否高效?

  • 用户的使用体验是否顺畅?

  • 对用户的引导是否清晰准确?

  • 会员权益是否有效感知?

  • 不同功能的用户粘性如何?

针对上述问题,可通过以下数据监控策略还原业务场景、定位业务问题、制定产品提升方案。

  1. 商品转化分析:细分各类商品的销售效率,还原每个步骤的购买转化效果,评估拉新及商品销售效率;

  2. 销售品类分析:按照商品点击量、浏览量、搜索量等相关行为,统计品牌偏好、商品偏好,关注 TOP 商品排行;

  3. 落地页匹配分析:根据商品搜索关键词、活动推荐位等转化匹配度,优化商品营销投放策略及曝光配置。

  4. 搜索转化分析:结合特定关键词及人群的搜索及购买的转化效率,评价搜索关键词设定、搜索结果匹配准确度;

  5. 基于标签和画像系统,构建会员用户运营体系,全面提升电子渠道营收。

    近些年,电信运营商市场的饱和,促使运营商更加关注存量客户经营,加之运营商资费、流量费不断下调,运营商营销资源不断收缩等客观因素,广撒网粗放运营的传统模式不再适用,精细化运营,科学投放资源,不断提高资源投放效益是运营商需要考虑的运营策略。

    因此,对于坐拥结构化的、多维度的大数据的电信运营商,依靠数据做精细化运营是必然的。在传统思维中,运营商曾是“世界”的中心,但是这一切正在发生改变,以客户为中心的营销服务体系正在日渐完善。我们运用数据的 CPCT策略(Customer、Product、Channel、Time),对合适的客户在合适的时机,通过合适的渠道推荐合适的产品。

常用的用户细分方式可分为三种:客户价值度细分、客户稳定度细分以及建立用户标签。

  • 依照客户价值,可将客户细分为高价值客户、中价值客户、低价值客户。电信运营商在资费较贵时期,客户价值是遵循二八定律,即20%客户能贡献80%价值。但随着电信资费逐步降低后,客户价值分布变化较为明显,高价值客户只能贡献40-50%价值,中低价值、低价值用户也需要被关注。这是在产品不同生命周期要侧重运营的用户有所不同。常用的分析方法模型为 RFM 模型;

  • 按稳定度可将用户划分为高稳定用户、中稳定用户、低稳定用户,稳定度可以根据用户在网时长、交往圈大小、是否优质号码、粘性业务、是否合约等指标按照权重进行划分。用户交往圈越大、在网时长越长、粘性业务越多,离网概率就越小;

  • 用户标签用户行为和特征的抽象与描述。按照业务特征划分,标签可以分为人口属性标签、交易属性标签、兴趣偏好标签等。标签可以帮助运营商更加全面地描述一个用户,当用户标签足够细化时,
    营销活动可直接针对特有某种用户标签用户营销。

    我们 根据运营商手机营业厅常客行为特征和使用习惯,吸取商业领域著名的 RFM模型经验,构建移动通信行业特色的 RFV行为分群模型。用户信息标签化,把具有一定规律特性的用户群体进行归类,再次观察该群体的具体行为。

此模型的特点包括以下四个方面:

  1. RFV 模型可动态地显示一个用户的全部轮廓,对个性化沟通和服务提供了依据;

  2. 跟踪整体常客保有、活跃程度、行为偏好、潜在需求及发展健康度;

  3. 定位潜在流失常客,及时开展风险干预;

  4. 定位问题常客、高价值常客、潜力用户,并与价值模型关联,为重点业务营销策略做支撑。

从理论到实践,详细解读如何用CDP撬动业务增长

图 3-14:RFV 用户运营模型

CHAPTER 04 CDP 实践案例

蜜芽宝贝客户案例

电商数据化建设之路

受益于计算机技术的发展,现在基本上所有的信息都可以数据化,当越来越多的信息都能数据化之后,我们对数据的依赖也会越来越大,对数据的期望也会越来越强。从电商行业的数据化来看,主要分为以下四个步骤:

步骤一,建立指标体系

如果数据只是一堆数字,没有足够的信息量,那是无意义的。我们需要建立完整的指标体系来衡量工作成果,比如用N 个 9 来衡量技术系统高可用性,或者用 KPI 指标来衡量各条业务线。

步骤二,发现业务问题

指标通常是工作结果的呈现,业务存在的问题一定会体现在结果数据中。从数据中挖掘价值点不容易,但发现问题却比较容易,就像每天开车路上发生的车祸总是令人印象深刻,但实际上绝大多数车辆都是安全行驶的。当业务存在问题时,结果数据呈现的速度越快,留给解决问题的时间就会越多。

步骤三,挖掘数据价值

从数据中发现问题,本身就可以促进问题的解决,但我们对数据的期望并不仅限于此,我们肯定希望能从数据中挖掘出更多的价值,来驱动业绩更快的增长。想要达到这样的期望,首先需要的是尽可能的将用户的所有行为都数据化,记录下来用户跟业务之间的每一次接触。

想象一下当所有人在任何时间、地点,发生的任何行为都被采集并整合到一起,再叠加各种算法和模型,那具体某个人的未来轨迹将大概率会被预测到,这个世界的未来或许会变得极具确定性。

步骤四,驱动业绩增长

当以上三个步骤完成以后,就相当于给座驾配备了最新的自动驾驶技术,在驱动业绩增长的漫长旅程中,我们将获得更加轻松极致的驾驶体验。

搭建电商指标体系

搭建电商指标体系是用来发现问题的。接下来主要看看怎么对电商业务进行抽象,提炼出数据指标。

电商业务比较流行的一种抽象是“人、货、场”。商品、用户、场景以不同的方式组合在一起往往意味着不同的电商模式。我们先抛开不同模式之间的差异性,围绕共性来进行抽象,共性可以简单归结为一句话,谁在什么场景下买了什么商品。

商品角度

从商品角度,我们最关心的肯定是卖了多少,赚了多少。具体到数据指标,我们会看销售额、毛利额、毛利率、件数,再进一步还会细到每个品牌、单品、品类。

但如果只看这些数据指标的绝对值,并不能知道是好还是不好,那么怎么判定呢。我们可以从以下维度进行比较:

  • 跟业务目标比。看达成率,是超额完成还是没达成;

  • 跟自己的过去比。是越来越好还是越来越差;

  • 跟同类比。例如,企业层面就跟同行比、部门内部就是各组跟各组比、再就是各品类或者品牌或者单品之间进行排行对比。

    看到数据,知道好坏,就可以酌情对商品结构进行调整,让好的商品越卖越好,不好的进行淘汰。

购买角度

接下来,从购买角度。这里隐含的主语是用户,什么时间买的、第几次购买、这次购买花了多少钱。进一步我们会关心这个用户一个月或者一年一共购买了几次、总共花了多少钱。

具体到数据指标,有购买用户数、客单价或者 ARPU值、以及人均购买次数、单次购买金额这几个数据指标。

对电商而言,通常都是一手做新客拉新,一手做老客留存。对于新客,一般都会有比较可观的拉新费用,用新客在首单或者半年或者一年内贡献 的 ARPU值比上费用,可以计算出不同维度的 ROI 。只要ROI 合理,新客多多益善。

当新客流入的速度大于老客流失的速度时,假设客单价不变,销售业绩就会越来越好,反之就有陷入衰退的风险。

我们需要根据数据指标展示出来的问题,快速调整运营策略,是加大新客拉新的力度还是老客留存的力度,或者双管齐下。

场景角度

我们再来看场景。例如,当你在刷抖音时看到“兔头妈妈甄选”这个母婴品牌“6·18”的大促广告,你正好想在“6·18”囤货,随即点击广告进入到该品牌的天猫旗舰店,并在该品牌旗舰店的直播间买了购物袋里摆在第一个位置的纸尿裤。

在这个转化链路里,我们显然会关心:

  • 有多少用户看到和点击了广告

  • 有多少用户进到了天猫旗舰店里

  • 最终购买了什么商品花了多少钱

  • 有多少用户进到了直播间这个场景

  • 并通过直播间里的哪个位置进行了加车购买具体到数据指标,就有流量、点击率、转化率、客单价这几个指标,还可以额外增加一些点赞率、分享率相关的指标。有了这些数据指标,就可以把各个场景按照UV、转化率、客单价等进行综合排行,哪个场景好,哪个场景不好,一目了然。我们就可以依据数据结果,快速调整具体场景的设计。

我们分别从商品、用户、场景三个角度进行了数据指标的提炼。这三组指标是有关联的,他们之间存在一个等式,即SUM(商品销售额)等于购买用户数乘以客单价等于 UV 乘以转化率乘以客单价。

我们把这三组指标进行分解关联,得出这张指标体系层级图。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-1:FRM 模型下的用户标签

我们把这三组指标进行分解关联,就可以得出完整的电商指标体系。第一层,主要是六个一级指标,通过这些指标的各种同比、环比、以及目标达成率,就能知道业务状况是好是坏,以及是由哪个或哪几个指标导致的。第二层,是三组指标分解后的数据,具体分为三类,用来继续寻找业务好坏的具体原因。第三层,是三组指标分解并进行关联后的数据,进一步细化到图中的四类。

客户数据平台搭建实践

在电商指标体系中,如果问题指向了商品或者场景,调整起来相对比较容易。但如果指向的是用户,就要复杂很多。如何了解用户、洞悉用户需求,帮助我们提升用户生命周期价值,CDP就至关重要。

在蜜芽宝贝搭建 CDP的过程中,主要由用户行为数据采集、标签计算、分群营销和画像应用,这四个循环迭代的步骤组成。

第一步,用户行为数据采集

首先是保护用户隐私的前提下尽可能多的采集用户行为数据,越全越好。在电商的业务场景里,用户的浏览行为、购买行为、评论行为、分享行为都是比较有意义的行为。

其它的行为还有售后行为、异常行为、在玩法中的行为、在社群中的互动行为、参与问卷调查的行为、参加市场活动的行为、以及其它系统监测不到需要借助人工采集录入的行为等。

这些用户数据需要从不同的源头采集,大致分三类:

  • 一类是可以直接采集的。像自建的 App、微信小程序、H5 中的用户行为;

  • 一类是内部系统数据同步。像客服系统、社群管理系统以及其他的内部服务系统;

  • 一类是第三方。像天猫、京东、拼多多、微信公众号、线下门店等第三方系统的数据同步。

这些用户数据我们统一采集到 CDP 里,异构数据源需要做一些 ID映射,让所有的用户数据最终都聚拢到具体的每个用户身上。

第二步,标签计算

有了这些用户数据之后,需要经过分析提炼加工,才会产生价值,我们接着要做的就是在用户数据之上,计算出有意义的标签。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-2:电商业务中常见的标签

电商业务中的标签需要对应相应的标签值。像生命周期阶段、品类偏好、渠道偏好等是常见的标签,成熟期、母婴类、App等则是相对应的标签值。例如,生命周期阶段这个标签,在蜜芽宝贝一般会被划分为五个标签值:

  • 新客期:最近一个月才开始下单的用户;

  • 成长期:最近三个月内有重复下单的用户;

  • 成熟期:最近半年下单次数超过 4 次的用户;

  • 沉睡期:最近半年没有下单但以前下单较多的用户;

  • 流失期:一年内都没下单的用户。

具体的划分规则,需要根据具体业务情况和使用的结果进行不断调整。有了生命周期阶段这个标签,我们就可以通过一定的策略使得更多的用户,快速地从成长期进入成熟期,并尽可能地使用户停留在成熟期,再通过其
它策略去唤醒沉睡期的用户。

像品类偏好、品牌偏好等标签都可以归入消费偏好,比较好计算。价格偏好可以先计算出平均客单价,再划分高、中、低几个档位,作为标签值。

像互动积极性、传播积极性、社交影响力,这些标签需要把活跃用户从沉默用户中识别出来。我们可以设计一些策略或者玩法,通过这些活跃用户进行二次传播,影响更多的潜在用户。互动、分享、邀请这类用户行为可以分别用来计算出这三个标签,同样可以划分高、中、低几个档位,作为标签值。

第三步,分群营销

物以类聚,人以群分,有了标签后,最简单的用法就是分群营销。

例如,当某母婴品牌,准备推出一款新的纸尿裤,在正式推出之前计划拿出 100份新品进行试用,那这 100份新品该给谁、怎么给。通常的做法是,做一个试用活动,邀请所有用户来参加,用户提交试用申请,审核通过后发放试用商品。

但这种做法实际上会伤害到用户。一是申请通过率低,二是审核过程无标准,随意性很大。还有一点,我们肯定想要质量高的试用报告,最好还能影响到更多的潜在用户。

在这个场景中,更好的做法是选取精准的目标群体,进行定向邀请。我们可以选择符合特征的用户群,通过push、短信、站内弹窗等触达方式进行定向邀请。如果已经建立私域运营体系,也可以一对一邀请。

第四步,用户画像

除了第二步提到的标签外,我们还可以收集用户的人口属性标签、业务属性标签等,计算出更有意思的预测标签。当这些标签都丰富后,就可以称之为用户画像,在系统中勾勒出用户的形态。

有了清晰的用户画像后,除了分群营销,还可以对接销售系统、客服系统、以及社群管理系统等,促进我们的业务更加高效运转。此外,还可以通过用户画像进行千人千面的个性化推荐。

以上就是蜜芽宝贝客户数据平台(CDP)的搭建和应用过程。

架构师的工具箱

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-3:蜜芽宝贝指体体系搭建的架构

最后,介绍一下蜜芽宝贝的技术实现方案。这是指标体系搭建的过程中,通常会采用的架构。从下至上,分别由数据源、数据采集、数据处理、数据储存、数据分析组成。在架构设计中,有两点是需要我们值得注意的
地方:

  • 第一点,线性扩展支撑规模增长。数据只会越来越多,架构一定是要能线性扩展的,分布式的存储和计算都是比较好的选择。

  • 第二点,不重复发明轮子,尽量选择成熟的开源架构,或者购买成熟的商业产品,把团队的主要精力聚焦到我们的业务特色上。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-4:蜜芽宝贝客户数据平台(CDP)架构图

这是我们客户数据平台(CDP)的系统架构图。数据流向很清晰,不同的系统不同的职责,互相高效配合,可供大家参考。

招商仁和人寿客户案例

招商仁和人寿,2017 年由招商局、中国移动、中国航信三大央企,联合多家企业共同发起设立。其前身仁和保险拥有百年历史,是中国近代民族金融保险业的开创者。招商仁和人寿的成立,也宣告“百年仁和”成功复牌。

近年来招商仁和人寿各项业务快速发展,面对不断积累的数据和涌入的业务,招商仁和人寿选择携手我们 共同搭建企业数据增长平台。以 CDP为基础,沉淀用户数据资产,重构业务流程,打造智能运营体系, 将以仁和 App为抓手的数字化战略落地。

打造数据新基建,实现一体化、体系化、可视化

为落实公司数字化战略,招商仁和人寿近年来陆续上线 App、官微、H5等终端。多终端在提升用户体验、布局线上渠道的同时,也给数据整合、治理和应用带来了很大挑战。

首先,用户行为数据具备维度多、数量大、细节丰富以及时序性强的特点,同一用户在多终端登录加剧了数据采集的难度,导致错误率高。其次,保险客户具有较长生命周期,想要还原其行为路径、洞察用户需求,需要大量的数据整合和分析工作。

为此,招商仁和人寿选择部署 我们 客户数据平台(CDP)。

对用户行为数据进行全面采集的同时,对接企业内部“核心业务系统”“大数据湖”等系统,导入业务数据、保单数据、客户数据等历史数据,完成了数据一体化管理

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-5:招商仁和人寿数据一体化示意

招商仁和人寿采用 我们 独创的 OSM +UJM 模型搭建数据指标体系,用于体系化管理核心数据、 剔除无效数据。业务方通过我们增长平台查看、分析和调用数据,随时掌握核心指标波动、线上经营健康状态等信息。数据报表的可视化展现,也方便了日常数据汇报、跨部门沟通等工作。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-6:指标体系示意

实现数据驱动,做到“业务有数,心中有路”

为了更好地满足用户个性化需求、规范服务流程,招商仁和人寿计划将客户服务流程搬到以仁和APP为载体的线上渠道。在产品上线初期,产品体验和业务路径设计只能通过团队经验和业务数据进行优化,虽然取得了一定成绩,但没有展现出团队应有的实力。

在 我们增长平台部署之后,产品团队有了完善的指标体系和用户行为数据+业务结果数据双模型,完整还原用户路径、监控每一次转化或流失。通过全面数据驱动扫清用户线上化迁移的阻碍和摩擦,在原有优化增速上实现了更好的增长。仅仅App 注册转化率这一项,从 2020 年 1月到 6 月就提升 11 个百分点。

除了用户线上化迁移,招商仁和人寿团队在许多环节中落地数据驱动,实现工作效率和用户体验的双重提升。数据驱动增长体系让招商仁和人寿团队做到了“业务有数,心中有路”,每一位同事都在心里有了指北针。

沉淀企业数据资产,落地用户精细化运营

在部署 我们增长平台之前,招商仁和人寿只能基于传统的交易数据、保费数据等信息,勾勒出模糊的用户画像。用户运营所需的标签和分群也依赖手动流程——业务部门提出需求,数据部门写算法,拉用户名单。这个过程通常需要两天时间。

而现在业务团队可以通过 我们 增长平台自助创建标签。仅需2小时即可完成一次小规模用户运营实验。整个用户运营流程完全基于数据,更加体系化,也更精准高效。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-7:项目一期总计创建近 400 个标签

以仁和 App 冬至活动为例,活动目标用户不再是粗放的全量推送,转为通过标签精确筛选需要激活的用户。整个活动全程数据监控,随时调整活动策略。相比同类型活动,参与人数超过既定目标
3 倍以上,转化率提升 5 个百分点。

招商仁和人寿活动运营同事说:“从宏观层面上的位置分布、年龄分布等信息,到个人层面的偏好标签、活动标签,数据为我们洞察客户打开‘天眼’,同样的活动形式产生了截然不同的业务价值。”

完成用户运营的自动化、体系化改造

招商仁和人寿具备精细化运营能力之后,就需要对整体运营策略进行升级,实现用户运营的自动化和体系化改造。

我们分析师与招商仁和人寿业务团队一起,从产品销售、续期、理赔等保险业务出发,体系化梳理了40 余个相关场景,并匹配相应的触发形式/时机、触发内容以及触发后的页面承接。

我们以续期业务为例,用户在续期过程中会出现三个关键业务节点:

  • 保险续期提醒

  • 续期缴费成功提醒

  • 电子发票下载提醒

此外,还会通过特定活动促进用户续期。运营团队通过 我们增长平台的流程画布功能,自动设置整个续期业务的用户触达流程:

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-8:通过 我们 流程画布实现续期场景的精细化运营

从理论到实践,详细解读如何用CDP撬动业务增长

相较于过去要么全量手动提醒,要么无提醒的状态,通过 我们增长平台配置精细化运营规则,自动触达用户,促使用户完成下一步动作。提醒功能上线后,综合站外短信、站内弹窗提醒,用户线上自助续期完成
人数大幅度提升。保证不打扰非续期用户的同时,做到实时精准触达续期用户,线上运营效率提升 3 倍以上。

图 4-9:自助续期人数大幅提升

整个精细化运营体系,就是由无数个这样的运营场景按照设定好的关系方共同组成的。保险行业监管严格,运营动作既要符合监管标准,同时还要富有新意、为用户提供切实的价值。我们凭借上百家客户的咨

询服务经验,结合保险行业专属定制化方案,与招商仁和人寿团队一起探索出满足业务场景的精细化运营策略。

打造仁和超级账户体系,实现招商生态全链接

未来,招商仁和人寿将会与 我们在数据领域展开更深度地合作。其中最核心的,是以标签体系和分析工具为基础,以APP会员体系为策略,打造仁和用户“超级账户”体系,将招商局集团的特色优质资源通过APP
提供给用户。基于全面的数据驱动,构建丰富的场景促进用户活跃,为用户提供精准的一站式服务,实现用户资源在招商生态圈的全链接。

江西移动客户案例

随着运营商业务不断变化,电子渠道凭借获客成本、用户操作方便、不受时间和地域限制等优势,正在成为全业务运营时代的主流服务营销渠道。如何培养用户电子渠道消费习惯,以及找到具备运营商特色的运营模式,成了全行业的挑战。

我们携手江西移动,从数据基础入手,打造涵盖用户数据治理、电子渠道产品体验优化和会员分层精细化运营体系搭建的电渠数据驱动运营解决方案,加速了江西移动数字化转型的步伐。2020 年 9 月,该项目荣获 MarTech领域重磅营销大奖——非凡奖典型案例奖。

打破数据孤岛,构建数据整合与治理体系

江西移动推出了以和我信 APP、HUI 买WAP、微厅为主的多个移动端渠道,为电子渠道用户提供方便快捷的查询、充值、业务办理等功能服务。强大的电子渠道背后需要业务团队努力以及多应用平台共同协同支撑。

但多应用平台的共同协作在客观上也导致了数据的分散,制约了电子渠道产品体验的持续优化。如何针对丰富的数据源进行有效应用,也是运营商行业面临的普遍问题之一。

江西移动携手 我们共同构建起客户数据平台(CDP),为产品体验优化和精细化运营提供了数据基础。

数据采集层面,江西移动通过 我们 增长平台实现了 APP、H5、Web 及微信小程序等平台用户数据的全面采集。同时对接内部 CRM等平台,整合历史数据,全面打通多渠道的用户数据。

数据治理层面,基于 我们 独创的 OSM+UJM模型打造的数据治理体系,让企业不再去孤立地看待 KPI指标或者用户行为类指标;而是把整体战略目标与用户旅程(行为)之间的联系变得更加紧密,让整个数据治理体系更精准、更完善、更加体系化。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-10:指标体系示意图

以数据驱动业务增长,培养用户电子渠道消费习惯

在完成数据体系的基础建设后,各类用户数据得到了有效整合,并成功引入到功能设计、用户体验优化等业务流程之中。而在以前,产品的体验优化只能以点为单位展开,效率上还有提升空间。

近年来,运营商服务的对象正在从单一个人客户变为个人客户、家庭客户及集团客户等多个客户群。为了更好地服务家庭客户,江西移动在电子渠道上线了对应专区。首要目标是提升专区的访问量及业务转化率。

基于 我们增长平台所提供的数据,业务团队对专区核心场景进行了全方位评估。以访问用户量、渗透率等指标进行计算,绘制出功能留存矩阵。业务团队发现:流量转赠功能渗透率表现良好,且对业务整体留存贡献较高,如果优化其转化效率,将会有效促进个人用户组网。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-11:爱家专区功能留存矩阵示意图

接下来,业务团队梳理了流量转赠的完整路径,并进行针对性优化。

如:流量索要方索要成功后,被索要方同意转赠流量时,可省去选择对象步骤,且将转赠的流量直接充入索要方账号。改版之后,流量转赠成功率、组网率以及整体留存均有有效提升。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-12:流量转赠完整路径

以数据治理体系为基础,江西移动实现对线上渠道的流量分发、功能体验以及转化留存情况的监控、预警和优化。一期项目累计输出有效产品优化意见上百条。经过三轮迭代,产品用户体验和关键指标均都得到了大幅度提升。

构建会员体系,探索运营商特色运营模式

近些年,电信运营商市场的饱和,促使运营商更加关注存量客户经营,加之运营商资费、流量费不断下调,运营商营销资源不断收缩等客观因素,对于精细化运营的需求愈发迫切。

我们 根据运营商用户行为特征和使用习惯,吸取商业领域著名的 RFM模型经验,构建移动通信行业特色的 RFV 行为分群模型。

此模型的特点包括以下四个方面:

  1. RFV 模型可动态地显示一个用户的全部轮廓,对个性化沟通和服务提供依据;

  2. 跟踪整体常客保有、活跃程度、行为偏好、潜在需求及发展健康度;

  3. 定位潜在流失常客,及时开展风险干预;

  4. 定位问题常客、高价值常客、潜力用户,并与价值模型关联,为重点业务营销策略做支撑。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-13:我们 RFV 模型示例

基于 RFV 模型,江西移动把具有一定规律特性的用户群体进行归类,构建可自定义指标的用户分析体系,用科学的方法评估用户健康度。同时,针对不同用户群制定个性化运营策略,实时监控数据反馈,及时调整优化。通过数据形成运营闭环,逐步提升运营转化率。

数据驱动业务增长的脚步还在继续。我们正在与江西移动一起探索通过数据智能的应用,实现“一客一策”的智能运营体系。传统的商业分析由人力实施,只能进行一维、二维的低维度分析。我们利用机器学习技术和人工智能模型,能够对企业用户进行多维度、海量数据的智能分析。

目前,双方已成功构建基于用户行为的套餐变更预测模型、套餐建议推荐模型等多个人工智能模型,数据智能的应用初见成效。后续合作中,江西移动将与 我们 一起深挖数据价值,提升数据应用的能力边界,构建完整的运营商行业增长解决方案。从线上增长拓展到全域+生态赋能,全面驱动个性化营销价值。

蛮牛健康客户案例

蛮牛健康平台,是中国人寿入主万达信息以后打造的第一个核心板块独角兽,定位于全民、全流程、全生命周期的健康管理服务平台。蛮牛健康平台的正式推出,将会助力中国人寿以互联网医疗为切入点,完善直连
保险用户能力。让中国人寿掌握第一手用户健康数据,积累用户数据资产,打造私域数据银行的同时也将私域流量管理起来。

想要更高效地采集、处理和应用第一手用户数据,搭建企业客户数据平台( CDP)是绕不过的话题。为此,蛮牛健康平台在 2020 年与我们达成合作,共同搭建蛮牛健康数据增长平台。整合多数据源,重构数据驱动业务流程,为精细化运营奠定基础。

整合多种数据源,建立“私域数据银行”

蛮牛健康平台具备健康筛查、医疗服务等六大模块,功能非常强大;同时,后续万达信息将会逐步搭建起“蛮牛伙伴”“蛮牛员福”“蛮牛健康”“蛮牛医生”四端联动,以科技赋能保险销售;加上原有的公司内部订单数据、CRM数据等相互独立的数据源,想要搭建起全面的数据监控、分析体系充满了挑战。

为此,蛮牛健康团队也曾考虑自建埋点系统以及用户数据平台,但是考虑到技术研发所需的时间、技术成本以及风险等因素,最终选择采购成熟可靠的第三方供应商。

蛮牛健康项目经理谈到最终选择 我们 的原因时表示: “我们不仅在技术和项目交付能力上足够专业,能够满足我们的需求;同时具备行业领先的方法论体系,在产品上线和迭代过程中,能够赋能业务团队实现数据驱动增长。”

蛮牛健康平台部署 我们 CDP后,实现了对用户行为数据的全面采集,企业内部数据系统对接,以及业务数据、保单数据、用户数据等历史数据导入,完成了对App 、H5、小程序以及内部系统等多数据源的有效整合。

同时,蛮牛健康团队采用 我们 独创的 OSM +UJM模型搭建数据指标体系,用于体系化管理核心数据、剔除无效数据。还凭借我们提供的数据接口,将采集、整合后的数据对接到 BI系统、运营系统等内部系统,供业务团队查看、分析和调用数据。

重构业务流程,让产品设计实现数据驱动

蛮牛健康平台将会承担起直连用户、满足用户健康管理需求的重要任务。然而在上线初期,产品体验和业务路径设计只能通过团队经验和业务数据进行优化,整个流程缺乏数据支撑,也很难通过数据发现增长机会。

在 我们增长平台部署之后,蛮牛健康团队有了完善的指标体系和用户行为数据+业务结果数据双模型。依据数据进行决策成为了团队工作的标准流程,这不仅帮助蛮牛健康团队大幅度提升了产品体验,还发掘

了许多增长机会。

例如:经过一定时间的数据积累,产品团队发现原本位于二级菜单的「健康筛查」功能用户转化率非常高。产品团队在多次产品优化实验之后,确定了将入口迁移至首页的方案,在转化率基本不变的情况下,流量增加400%。将产品功能和用户需求精准匹配,增强了用户粘性。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-14:在转化率基本不变的情况下,「健康筛查」功能流量提升 400%

构建标签体系,奠定精细化运营基础

对于蛮牛健康而言,庞大的用户群体和丰富的功能设计,运营团队需要大量的精细化运营手段才能帮助用户需求和产品功能精准匹配。以前业务团队要进行特定用户群体的运营,只能通过数据部门和
BI部门获取用户数据和交易数据。因为涉及到多个部门,即使数据量较小也需要半天到一天,数据量较大的话甚至需要2-3 天。

部署 我们 之后,蛮牛健康采用 我们 独创的 OSM+UJM模型重构了数据指标体系,并在此基础上搭建标签系统。数据源涵盖了用户基础数据、用户行为数据、业务数据等。一期项目累计设计了近百个埋点事件、500+ 事件变量,以及大量用户标签,初步满足了业务部门对用户的精细化分层需求。

从理论到实践,详细解读如何用CDP撬动业务增长

图 4-15:蛮牛健康平台的部分标签

以此为基础,业务团队可以设置自动化的运营规则,告别人工拉名单、发推送的工作流程。基于每个用户ID下的标签,针对性推送新功能或活动。整个运营过程不再需要业务团队和数据团队的人工参与,为后续规模化私
域流量运营体系奠定了坚实的基础。

以上是蛮牛健康平台与 我们 合作第一阶段的成果。未来,蛮牛健康平台将通过物联网、大数据等技术对健康管理能力进行升级,推出2.0 健康照护版以及 3.0 慢病管理版等,持续为用户健康管理保驾护航。我们也将作为数据增长解决方案供应商,助力蛮牛健康在私域数据银行的基础上,增强用户直连能力,落地全域营销

蛮牛健康增长团队负责人表示:“我们在数据源整合、指标体系规划以及标签系统搭建等方面的能力非常强且经验丰富,帮助我们在短期内建立起高效的数据增长体系。同时,我们在整个项目交付过程中展现的专业能力和服务态度,让项目合作变得非常愉快,期待在蛮牛健康后续版本的建设过程中,与我们 共同摸索出更多数据驱动增长的方法和经验。”

我们 CDP 解决方案

我们是国内领先的一站式数字化增长整体方案服务商。为产品、运营、市场、数据团队及管理者提供客户数据平台、广告分析、产品分析、智能运营等产品和咨询服务,帮助企业在数字化转型的路上,提升数据驱动能力,实现更好的增长。

我们 客户数据平台(CDP)通过整合跨平台、多类型数据,帮助企业构建以用户为视角的数据池,搭建用户标签和画像系统,提供从数据采集、整合、分析到自动化运营的一站式用户运营闭环,发掘业务增长点,快速落地企业数据化转型;配合 我们 特色三层服务保障体系,“产品+服务”双管齐下提升企业数据驱动能力,实现更好的增长。

高效集成,打破企业数据孤岛

想要构建数据增长体系,数据源问题首当其冲。我们 CDP能够对行为、活动、交易等多种数据类型、线上线下渠道、短信推送等各类触点实现高效集成。

此外在多种数据类型之中,用户行为数据由于维度多、数量大、细节丰富以及时序性强,成为数据工作的难点。而我们 凭借 5年经验和技术积累,与同类产品相比具备采集效率高、数据维度丰富等众多优势,能够为企业提供精准而高效的数据采集方案。

智能处理,推动数据结构体系化

仅仅完成数据集成是不够的,我们 CDP 通过 ID mapping技术对数据进行智能处理,有效解决数据源分散、类型零散且缺乏唯一标识的问题。

在招商仁和人寿等项目过程中,我们就帮助招商仁和人寿完成了官网、APP、官微、大数据湖及核心业务系统等众多数据源的采集和对接。经过数据智能处理,招商仁和人寿团队实现了以客户视角展现数据,像拼图一样将用户在不同时间、不同设备的不同行为连接在一起,还原用户完整路径。

灵活应用,落地精细化运营策略

标签是个性化运营的基础, 也是企业用户最强烈的需求之一。我们 CDP基于数据整合和处理能力,为客户提供一套快捷高效的标签和画像系统,赋能企业构建体系化标签能力。

我们 CDP标签和画像系统具备自定义规则、自动更新等多种技术优势,满足业务分析模型落地过程中标签和分群需求;同时还能让业务部门快速上手、自助操作,释放数据部门人力资源。除我们 智能运营所提供多种触达方式以外,CDP还能全面对接企业内/外部优惠券、短信等运营平台,保障运营策略落地。

“产品+服务”构建数据增长体系新基建

CDP建设在企业内部耗资巨大、影响深远,数据供应商仅具备数据能力是远远不够的。我们依靠业内领先的数据驱动增长方法论和上千家客户服务经验,提炼出客户服务、咨询服务、培训服务三层服务保障体系,“产品+服务”双管齐下保障项目顺利落地。

首先,我们为每个客户划分明确的服务周期,如实施上手期、稳定使用期等,制定完备的落地方案和里程碑,保障用户从0 到 1 用好产品。

其次,客户掌握使用方法,却往往受限于数据分析能力,导致数据价值无法最大化。我们 基于服务上千家客户所积累的各行业最佳实践,提供数据指标体系、用户标签体系及精细化运营场景搭建等咨询服务,将行业标杆能力赋予企业,提升客户数据驱动能力。

同时,数据工作起步较晚的企业往往受制于员工数据基础,项目顺利交付后可能碰到新的问题和挑战。我们的培训服务体系,帮企业制定完备数据能力提升计划,如提供专属测评模型、认知/应用/实践培训等一系列课程,手把手提升员工数据应用能力。

数字化和数据化是企业快速增长的必经之路,也面临着诸多挑战。我们 CDP解决方案,为正在进行数字化转型的国内企业,带来更多数据驱动增长的能力。通过CDP 构建数据化的基础,一步步推开数据价值宝藏的大门。

为上千家企业级客户提供服务

从理论到实践,详细解读如何用CDP撬动业务增长

术语表

客户数据平台: Customer Management Platform(CDP) 数据管理平台:Data Management Platform(DMP)

客户关系管理:Customer Relationship Management(CRM) 数据湖:Data Lake

数据仓库:Data Warehouse

仪表板:Dashboard 数据库:Database

数据库管理系统:Database Management System

数据中心:Data Centre

数据建模:Data Modelling

数据挖掘:Data Mining 数据订阅:Data Feed 数据挖掘:Data Mining

数据清洗:Datacleansing 数据质量:Data Quality

元数据:Metadata

实时数据:Real-time Data

路径分析:Routing Analysis

行为分析:Behavioural Analytics 页面浏览量:Page View(PV) 独立访客:Unique Visitor(UV) 访问:Visit

留存:Retention

跳出率:Bounce Rate

点击率:Click Through Rate(CTR)

投资回报率:Return On Investment(ROI) 流失分析:Churn Analysis/Attrition Analysis

用户细分&画像:Customer Segmentation & Profiling

用户的生命周期价值 :Lifetime Value( LTV)

从理论到实践,详细解读如何用CDP撬动业务增长从理论到实践,详细解读如何用CDP撬动业务增长 从理论到实践,详细解读如何用CDP撬动业务增长从理论到实践,详细解读如何用CDP撬动业务增长
版权声明:zisheng 发表于 2022-03-30 0:39:13。
转载请注明:从理论到实践,详细解读如何用CDP撬动业务增长 | Assistants-产品经理导航
休闲小游戏

暂无评论

暂无评论...