在以“場景賦能·驅動有數”為主題的神策 2018 數據驅動大會現場，神策數據技術經理孫文亮發表了名為《客戶全生命週期管理從方法到實踐》的主題演講。
溫馨提示：關注神策數據公眾號，回覆“客戶全生命週期管理”可下載
以下內容根據孫文亮的現場演講整理所得。
- 客戶全生命週期的定義及其與數據的關係
- 實現數據驅動的兩個“攔路虎”
- 解決數據採集問題的關鍵是“打通”
- 數據分析方法論：客戶接觸點+價值金字塔
- 數據的描述、評估、改進價值
神策數據是一家以“幫助客戶實現數據驅動”為使命的大數據公司，因此，不僅重視數據驅動的價值，同時作為一個 To B 公司也非常關注客戶全生命週期，所以，我今天主要圍繞這兩個方面剖析如何從數據驅動的角度真正從 0 到 1 落地客戶全生命週期的管理。
一、客戶全生命週期的定義及其與數據的關係
客戶全生命週期有不同的劃分方式，但其本質上都是描述了這樣一個過程：用戶從剛開始對產品或服務的陌生，到慢慢熟悉，再到銷售轉化成為你的產品或服務的客戶，最後到持續的使用或者慢慢流失。在這個過程中，有不同的部門會在不同的階段參與其中，完成整個客戶全生命週期的轉化。如下圖，描繪了 SaaS 模式客戶的完整生命週期：
在圖中我們可以看到縱座標代表的是客戶的沉浸度，沉浸度是用戶對你品牌的認可度、喜愛度、認知度等的綜合指標。
當我們把縱座標替換成客戶數據量（如下圖），可以看到在最初的時候，企業無法獲取客戶的任何數據，或者只能獲取到一些簡單的公開數據，而隨著客戶在生命週期裡逐漸的推動演化，企業與客戶接觸的越來越多，每一次接觸點，都會產生大量的數據，客戶沿著全生命週期流動的過程，就是數據逐漸完善的過程，像滾雪球一樣，越滾越大，沉澱的這些數據，有助於優化企業效率，驅動企業這個盈利機器越轉越快。因此，企業需要捕捉客戶全生命週期裡各個階段產生的數據並且讓它產生價值。
二、實現數據驅動的兩個“攔路虎”
企業落地數據驅動的過程，會遇到很多挑戰，首先會遇到的兩個問題是：第一，數據如何打通？早期的數據來自於 CRM 工具、企業自有平臺或者一些渠道的第三方平臺上，中期的數據可能來自於 OA 系統，到最後甚至會出現在微信、小程序這些非常規的數據產品裡面。在這種情況下，數據打通是一件很難的事。第二，如何找到具體的場景？客戶生命週期是一個偏概念性的東西，如何在其中找到合適的抓手，是一個難題。因此，這兩個問題基本上把 90% 的人攔在了實現數據驅動管理的門外。
企業的目的是實現數據驅動客戶全生命週期管理，就是產品、營銷、客戶成功持續在數據賦能基礎上演化推進，且這個演化過程的速度將越來越快，因為隨著企業接觸的客戶越來越多，數據量越來越豐富，沉澱的數據價值也會越來越大，這樣一來，對業務的驅動力將日益強大，而且這種驅動是屬於一種內緣性的驅動，不是外來的影響。
因此，對於任何一個企業來說，解決這兩個問題都是至關重要的：一個是數據採集問題，一個是數據分析問題。
1.數據採集問題
數據採集問題可細分為缺數據、數據不準、數據不互通三個問題。
2.數據分析問題
數據分析問題可細分為缺場景、分析層次淺、效率低三個問題。
三、解決數據採集問題的關鍵是“打通”
客戶全生命週期的前半段是偏營銷的部分，重點是打通線上、線下，包括渠道與後續的系統打通、行為採集日誌與業務數據打通。
在打通行為數據與業務數據時，一定要注意標識關聯客戶。To C 產品因為用戶量龐大，基本上都採用用戶唯一標識。但是，很多 To B 企業採用客戶的名稱作為標識，一旦企業名稱更改，唯一標識便消失了，導致後續很難再打通，所以一定要有唯一標識，還要有數據有效性校驗和一致性校驗。
下圖是客戶生命週期後端的部分，以神策客景為例，當銷售已經簽約，客戶在使用產品時的數據流向。
神策客景的重點是打通行為數據、基礎數據和第三方數據，為了方便企業對數據進行一定的聚合和加工，還在中間加了一個模型層。事實上企業收集了用戶層面的數據，但真正需要的可能是客戶公司級別的數據，此時就需要相應的加工和處理，這也是神策客景會實現的價值。
四、數據分析方法論：客戶接觸點+價值金字塔
數據打通之後，如何通過數據分析找到驅動業務的抓手呢？我從眾多實踐中總結了一些數據分析方法論，現在分享給你們（如下圖）：
上圖左側是以客戶接觸點為主的數據閉環，右側是數據分析的價值金字塔。
客戶接觸點，既是數據產生的場景，又是數據應用的場景，接觸點產生的數據，在其它接觸點產生價值。比如，To B 企業像神策數據的客戶接觸點就是指客戶與神策數據的產品和服務有所接觸的一些點，如打電話、見面、線上企業廣告等。這些點都是客戶有效地感知產品和服務的點，同時也是數據生成和價值發揮的點，就是每一個觸點都會產生一些數據，同時數據進入接觸點的時候也會釋放它的價值。
那麼，釋放它的價值如何體現呢？通過圖中右側從收集&打通、描述、評估到改進的一個金字塔過程來體現，越往上它的價值越大，同時實現難度也越大。
下面以神策數據為例（如下圖），將神策數據的客戶全生命週期按接觸點排列的時候會發現我們與客戶有很多密密麻麻的接觸點，每一個點都讓我們更瞭解客戶，以及讓數據不斷地增值，同時我們產生的這些數據會在自己的點或者其他的接觸點有所體現，當我們將這些點有機的整合，你就會發現數據驅動是一件水到渠成的事。
因此，全生命週期，每個接觸點，都是獲取數據的好時機，對數據的增值。關於數據分析的價值金字塔，前面我們已經介紹了數據收集&打通的價值，現在我們來看看數據的描述價值。
五、數據的描述價值
為了更直觀理解，下面我以神策數據首次電話接觸點為例，來介紹金字塔描述端的數據生成和數據價值體現過程。
神策數據通過 Demo 試用、查閱資料等官網行為產生的數據，提供給企業「首次電話」這個客戶觸點，具體來說，通過試用、資料等方式獲取銷售線索，銷售根據銷售線索進行相應的追蹤，追蹤的過程就是後置場景可以利用前置場景發揮價值，比如銷售做客戶電話拜訪前首先可以看到它的所在地區、最後登陸時間來篩選目標客戶，查詢次數確定後續跟蹤頻率，通過最後的登錄和查詢次數我們可以選定不同的客戶優先干預，優先找那些最後登錄次數近，而且查詢次數多的，根據 Demo 分類、查閱內容確定話術等，如果沒有這套系統，銷售是沒有切入點的，但是參考前置數據，銷售可以輕鬆地拿到與客戶的接觸點。我們在實踐過程當中把 30 多個字段都注入到 CRM 系統中，幫銷售環節賦能。
另外，當客戶使用產品的過程中，我們會記錄下客戶的行為數據，當客戶成功接觸客戶，如為客戶做相關培訓、拜訪或者諮詢服務的時候就可以利用這些數據產生價值。
再比如如果數據沒有打通的情況下，當我們拜訪一家客戶的時候需要先了解客戶，系統上搜他的各種各樣的拜訪記錄，有些拜訪數據可能沒有被記錄，就要諮詢對應的客戶成功或銷售企業的情況，這樣一來，當管理的客戶多了之後，不一定每個人都會記得那麼清楚。但是如果企業集中採集這些數據，並且對其進行加工、整理之後，再輸入系統中，當銷售或客戶成功去拜訪客戶，或者用任何後端的方式去接觸客戶的時候都可以利用這些數據找到相關的切入點。
舉個最典型的例子就是培訓，企業給客戶培訓與客戶實際學習到是兩個概念，如果講的越多，對方接受的不會越多，而是越少就是一個問題。因此，在觀察客戶的使用深度和廣度的時候，可以先通過前置數據看到客戶在不同的產品功能上的使用程度，這樣企業可以靈活調整把一次性的填鴨式灌輸式培訓週期拉長，變成幾次的持續性培訓，每次培訓關注一個點，培訓完了可以評估他的效果，反過來再去下一個點，這樣定製化就更強，培訓的效果也更好。
六、數據的評估價值
除了用數據描述客戶、構建客戶的畫像以外，還可以通過數據評估企業的下一步動作。
渠道評估是一個典型的例子，如上圖顯示了多個後置環節對一個前置環節的優化，這個是神策數據對 SEM 關鍵詞的審定和評估，事實上，對任何營銷渠道的評估都可以採用這種形式，但是如果企業沒有打通數據，評估的大部分只是點擊率，但是點擊率的好壞不一定能判斷渠道的真實好壞，因為點擊之後還有註冊、在線聯繫、簽單拜訪、成單等一系列流程，很可能出現點擊率高，但是成單低的情況，因此，需要使用多種數據綜合評估。除此之外，企業還可以把後端接觸點的一些數據前置使用，這樣可以產生各種各樣的預測性評估，如評估登錄率。
企業的營銷本質是為了成單，評估的環節越靠後，越接近成單，評估結果也越接近於真實的數據，而不會受誤導。舉個例子，局部指標做的很好，但是環境指標沒有變化，這並沒有起到相關的優化作用，通過拉長評估線，讓更遠期的結果去暴露出來，就會取得更好的效果，甚至我們可以評估不同的渠道，不同關鍵詞的 CAC 是多少。
再舉個客戶全生命週期後端的例子，即一個場景為多個場景賦能。
在這個過程會涉及風險與機會評估，因為作為一個客戶成功或者是客戶運營，在干預客戶的時候會出現找不到切入點的問題。但是風險與機會評估相當於為客戶成功提供了一個任務線索，通過這些數據的結果，可以找到相應的切入點。
舉個例子，當出現風險時，即相應的行為指標出現急劇下降，這種情況下可能是出現相應的變動導致，如對接人離職，或者業務出現變更等。我們都知道風險越早介入，干預成功的可能性會越高，通過指標的方式可以讓客戶成功極早的干預，然後機會的部分就可以用來找最佳實踐，就是他為什麼會突然出現了使用的量的爆漲，這種爆漲有沒有可能被複制到其他客戶裡去，逐漸通過機會發現，就可以不停地積攢最佳實踐，繼而擴大到更多的客戶群。
數據的評估價值的另一個典型例子是健康度評估。
通過客戶的行為數據來評估會比較科學。以神策數據為例，作為一個大數據工具，客戶的使用習慣直接決定了他的付費好壞，我們通過機器學習的一些算法，可以評估客戶的使用情況，基本上客戶的行為數據可以解釋 81% 的流失和續費行為，另外的 19% 是偏主觀的原因，可能是無法評估的。但是，神策數據會把客戶劃分為三個等級：危險（流失概率大於 73.1%）、一般、優秀（續費率大約 94.6%）。通過這些模型客戶成功在培訓客戶的時候可以針對性地篩選客戶，找到相應切入點。
七、數據的改進價值
企業做數據驅動的理想目標是不斷地評估和改進自己的行動，讓企業機器的效率越來越優化，跑的越來越快。
數據的改進價值最典型的例子是產品的改進。以神策數據優化神策分析產品和官網為例，網站的用戶行為數據可以幫助優化網站，包括每一個步驟的轉化率、Demo 的設置與拆分等的優化，通過數據反饋評估可以精準定位改進點，以及包括我們去對續約客戶做相應的分析，也可以起到這種效果。
數據的改進價值的另一個體現——服務改進。
如果沒有客觀的數據評估客戶成功為客戶提供的培訓服務、諮詢服務的價值，往往都是客戶成功自己去評估，這時候很多時候存在主觀的偏見和認知在裡面。如果用客觀的行為數據來認知，就不會出現這種問題。舉個例子，做培訓的時候客戶成功、分析師不同，即使培訓的內容相近，導致的結果也不一樣，這種情況下，如果不用數據評估是很難判斷培訓質量的。
最後我總結一下，如下圖是神策數據建立客戶全生命週期的一條主線，這個線描繪了客戶在客戶全生命週期各個接觸點產生的相關數據，以及這些數據是怎樣連接的。
大家可以理解成每一條數據都在釋放相應的數據價值，每一條線建設的成本也是不一樣的。我們發現一件特別有意思的事是這根線連接的長度越長，成本越高，線越短，價值越大，成本越低，因此，企業應該先做短線，也就是好摘的蘋果先摘了，難摘的放到後面。我看見過很多公司，當業務奔跑的時候再去建設數據驅動是非常困難的事，很難再把業務停下來打根基，但是初期如果能做好數據驅動的一系列的準備工作，它就會變成一個企業內在的驅動力，在後續的發展中持續地給企業賦能。
神策數據的神策客景就是在探索這條路，助力企業以最高效的方式實現數據驅動客戶全週期管理。因為我們發現很多企業存在這樣的問題，付出很大的成本推動數據驅動但效果不理想，比如推進一個數據驅動項目可能要耗 4-5 個人一個月的時間，但是沒有什麼效果。當然企業也可以選擇 MVP 的方式推進或者找第三方合作推進企業的數據驅動，在這裡也希望神策客景將來能成為各個企業第三方合作的首選目標，幫助企業在全生命週期下實現合理的數據驅動。
以上就是我今天的全部分享，希望對你有幫助！
更多數據驅動乾貨和案例，可關注【神策數據】公眾號瞭解~
閱讀更多 神策數據 的文章
