金融科技系列 ｜如何 0-1 快速构建数字化客户运营体系

近几年，“私域流量”一词大火，更多企业开始将目光对准已有客户的运营，希望能在自己的流量池中挖掘更多潜在商机，想要牢牢把握如何在适当的时机，把合适的商品带给正有采购需求的客户，而客户运营正是其中的关键。

挑战

但想要做好客户运营却并非一件易事。

首先，在今年疫情的影响下，由于没有及时了解客户踪迹和需求，错失了客户关怀和引流的时机；另外，即使在没有疫情的情况下，企业也面临许多常见的问题：

• 回访客户时，因为客户信息不精准导致电销人员回访成功率低；
• 推销员在推销产品时，因需求识别不及时，潜在客户近期已购买同类产品；
• 对客户的消费场景不了解，没有数据支撑，无法触及客户的消费需求；
• 经营和监管部门要求财务和业务明细匹配，但企业却无法获知客户的明细数据。

许多企业为了解决上面的这些难题，就想到了“数据中台”、“智能营销”、“客户画像”等方法，但即便立即着手也无法快速显著提升公司业绩，无论是智能营销还是数据中台都需要耗费极大的精力。

数字化客户运营

对于企业来说，首先需要明确客户数字化/可视化运营究竟需要什么？根据以往跟客户的沟通交流，总结下来就是以下五大点：

1. 可见的客户池
也就是可以明确知道客户在一个时间跨度中跟企业有什么交集、买了什么、看了什么、对应的采购时长等等，也需要了解客户在不同的渠道有哪些不同的行为表现。

2. 发现消费场景
在流动客户池里面，重要的是发现客户现在的消费场景是什么。比如这个客户正在差旅出行，企业能给他提供什么服务？对于用户体验来说怎样才能更好地提升粘性。

3. 识别有效触点
客户在火车站，有很多数字大屏和广告牌，客户还有各种移动端设备，是不是可以跟用户产生及时有效的信息沟通？这就要能够及时地识别与客户互动的有效触点。

4. 获得潜客名单并转化
企业能否快速获得潜客名单并赢得第一次转化？当企业知道客户在哪里，了解客户的消费场景，并识别了有效的渠道触点，就需要找到这样一批目标人群，做服务推荐或产品销售，如果能尽可能降低运营成本，这种精准服务转化收益就将更高。

5. 让客户持续创造价值
最后也是最关键的，就是不断让客户创造更多价值，同时，企业也需要分析出客群可持续的粘性度有多高。

在这个基础上从 0-1 快速构建数字化运营体系，还需要慎重考虑三个方面：

1. 预期目标不应过高
因为各机构基础设施和数据能力参差不齐。所以 0-1 的建设对每一个企业不同阶段建设内容是不同的，如不同银行要建设的平台目标和数据能力是不一样的。

2. 选择能真正“靠近”业务的工具
现在市面上有各种各样的工具平台，没有统一的标准和依据，比如直接部署运用一些已经定制好的场景，但会发现没有真正融合企业的数据和业务，无法分析客户现在的关联需求在哪里，也就无法针对现有流量或是存量的客户进行精准营销。

3. 产品/服务的创新跟上需求的变化
以保险产品来说，重疾险以往是比较长期的，但现在像支付宝推出了很多场景险、定期险，此时就需要一个平台，通过把这些客户的情况统计出来，从而推理出用户画像，持续地对这些用户或相似用户做推广。 

如果想满足上述需求，客户运营体系就必须具备这三点特性：可查、可见，可用。

可查也就是用户可以从一个端口查到所有客户相关信息，将原本散乱在不同系统中的客户信息对接到统一的平台。对于业务分析师来说，可以快速的在统一的入口查询到所有客户信息，即可满足 0-1 的建设需求。 

可见从两个维度来解释，第一种就是能看到用户的初始未经过加工信息，例如登陆了什么平台，登录时间、消费记录等。因为现在有很多数据仓库和数据平台，数据往往经过多重加工，与原始数据有一定的偏失。第二种指能看到更细粒度的客户信息、交互信息等。 

可用平台对公司的数据分析师、业务运营人员都可以做到“开箱即用”，能满足快速的、安全的输出、调用，并且不受操作系统、查询方式的限制。

0 - 1 冷启动建设要素

基于“可查-可见-可用”的要求，0-1 构建数字化客户运营体系中对应平台建设就需要具备以下要素：

• 可查即由统一的数据平台来对接各类数据源用于查询取数；
• 可见即明细级别的多维数据模型，可在同一界面展示围绕客户的全部信息，可以灵活的拖拽分析；
• 可用即操作简便的界面，可以实时快速发现运营的真实情况和变化、快速统计和识别客户特征需求。

Kyligence 统一的数据服务平台解决方案

Kyligence 提供的统一数据服务平台跟上面提到的“可查-可见-可用”三个方面是对应的。

第一部分：数据融合服务
通过对接多种数据源，将数据抽取到统一的智能分析平台，用户可以通过一个入口查询。 

第二部分：模型制作
这个部分既可以延续使用企业现有的主题模型，做所有数据集的规整，建立统一的指标和标签库。也可以采用 Kyligence 明细级建模方式，快速构建主题清晰可查的数据集模型。 

第三部分：可视化部分
这个部分在 0-1 阶段可以相对弱化一些，但需要满足三个要素：第一，可以看到客户所有信息的界面，第二，要有能够灵活探索多维度分析，第三，能满足客户画像的初步挖掘，能够识别用户的需求。

为了让大家更好的了解 Kyligence 的产品应用，我们准备了三个 Demo 场景：

场景一：智能回访
快速拉出保险企业中客户的初始保单信息，并快速筛选无效（信息不全的，如手机号为空）的客户名单，提高回访精准率；

场景二：用户画像分析
根据不同的指标维度快速获取客户消费画像，或者通过算法精准在存量客群中挖掘潜在相似客群，进行相关产品/服务推荐；

场景三：精细化运营看板
准实时监测指标变化趋势，快速归因分析。

点击此处可获取完整 PPT

关于作者
韩娟，Kyligence 行业专家顾问，有 8 年多的金融行业咨询服务和数据分析从业经验，在数据指标/标签体系设计、数字化运营、智能营销、数字化转型规划、投行业务、监管合规等领域有深入的研究和丰富的实践经验。

第一时间获得 Kyligence 的资讯，请扫二维码，关注公众号。