金融科技系列 |如何 0-1 快速构建数字化客户运营体系

Author
韩娟
Kyligence Industry Expert Advisor
2020年 7月 27日

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。