某客户:“我们收集和整合了很多客户数据,包括历史采购,社交媒体,营销反馈…我们为了处理和运营这些数据投入的资源越来越多,到底收集和运营数据的边界在哪里?”

笔者:“直到这些数据建立的客户画像能支撑您的业务应用场景为止”

什么是客户画像?

客户画像在B2C被称为“Persona”,B2B被称为“Customer Profiling”,以前也被称为“360度客户视图”。作为广告主有很多渠道收集到各种客户数据,大致包括:

  • 内部系统中留存,以历史采购和PII数据为主的“传统CRM数据”(Traditional CRM Data)

  • 通过外部调研和营销收集的客户反馈数据(Response Data)

  • 社交媒体,电商等平台的API接口提供的第二方数据(2nd Party Data)

  • 营销技术收集的,描述客户行为的“数字数据”(Digital Data)

  • 通过爬虫技术收集的开放数据(Open Data)

在收集了大量数据后,再通过客户识别(同人技术)打通数据源,以客户为中心建立各种标签体系,帮助广告主能更深度的了解客户

客户画像有什么用?

根据以上的定义,似乎客户画像和普通数据的差别只是不同数据源的打通,在实际应用的时候,手上只有历史采购数据同样可以做客户细分,只收集到客户电子邮件地址一个字段同样可以EDM营销,那为什么要花精力去建客户画像呢?

1.客户洞察

这是客户画像存在的最大意义,如同本文标题所列,为了让业务侧(决策层,营销人员,销售人员,产品经理等)读懂和会使用客户数据,将对数据的应用上升到“洞察”的层面。

如图所示,技术和业务侧人员对于数据的理解往往南辕北辙,之间的沟通也大多是鸡同鸭讲。技术侧人员往往会热衷于:

  • 更多的数据源

  • 更快的数据处理速度

  • 更好的数据完备度

  • 更便捷的数据抽取和应用

而对于业务侧的人员来说,天生没有数据解读能力,需要把复杂的技术侧数据语言对于客户的描述,通过数据挖掘等手段简化成业务侧能理解的客户标签(洞察)。

比如,如表所列的两条客户数据,业务侧人员需要判断哪个客户更有价值,如果只从前面几个字段,业务侧人员是很难做出判断,但是如果通过数据挖掘,最后数据分析人员给出单一的指标“客户价值”,在实际使用的时候,业务侧人员可以简单的要求“这次营销只针对A和B级别客户”,而不用去搞懂背后的复杂逻辑。

2. 统一口径

对于B2B客户的描述往往会由于口径的不同而造成误解,比如行业的划分,就有GB(中国国标代码),SIC(美国政府标准),IDC(某IT咨询公司自编码)等。

例如“中国银行“毫无疑问是“金融业”的客户,但是互联网金融的客户呢?现在没有一套标准会对这一新出现的事物进行编码,有的广告主把互联网金融客户归类到“金融业”,有的划分到“互联网行业”甚至“服务业”。当广告主的决策层决定营销重点是“金融业”的时候,其实存在着是否包含互联网金融这一细分领域的重大歧义。

在客户画像的建立过程中,有一个核心步骤是制定各种标准,保证在广告主内部各部门对于同一客户描述有着同样的理解。

3. 通过客户画像完成对于行业理解的传承

对比B2C的客户采购决策链,B2B更加复杂而且个性化,没有一个专家敢说自己了解每个细分行业的所有客户特征。客户画像的建立是一个长期的积累过程,在业务侧不断发生人员变动的时候,每一代人员对于行业的理解都会在客户画像中体现。

例如医疗行业的“X康公司”,直接隶属于某省国资委,负责该省除了三甲医院以外的所有医疗系统的设备采购。这种非常个性化的行业理解,很难直接从数据层面得到,需要业务侧的专家输入后在客户画像中体现。

云客销售管理系统利用人工智能技术主动学习企业的兴趣特征、销售行为轨迹等,建立企业客户画像,为企业推荐潜在客户线索。免去了企业自己建立客户画像的流程,还可以根据企业的客户画像,为企业从云客大数据库中匹配符合的潜在客户线索,提高企业找客户的效率。


2018年04月18日

拜访客户的4个阶段,看完收藏!

浅谈B2B客户画像:让业务侧人员读懂和会用数据

明确并建立自己企业的客户画像,对企业营销来说至关重要,产生什么样的内容去吸引潜在客户来到你的平台,需要根据企业的客户画像去进行规划,而不是凭空产生的。通过云客,可以快速解构客户的行为,根据真实可靠的数据为企业构建出一个客户画像。

添加时间:

实例分析:一通3分42秒电话竟然有这么多错误!

云客动态

每一次进步我们都愿意与您分享