客户-客户关系管理

编辑整理：整理来源：腾讯视频，浏览量：99，时间：2022-10-09 08:28:01

客户，客户管理系统平台192.168.0.1，客户管理系统平台192.168.0.1

本文跟大家讲的是用户数字化中最关键的部分，看如何全方位的去认知客户。

以下是数字化转型的分享线路图，您现在所在的位置为序号①的分享：用户层数字化中，最关键的一部分，外部驱动力之客户篇，全方位认知客户。

以下是正文：

超级360°用户视图的构建主要分为三部分：构建超级360°视图、数据原料、关键应用场景。这一篇非常重要！

一、构建360°视图

构建用户360°视图总结为一句话就是：一中心、四维度。

1. 中心

构建用户360°视图的第一步，是建立一个用户ID，围绕用户IDs所补充的所有关键身份信息，统称为一个中心。

用户ID的建设，需要金融公司将账户限制充分放开，从金融账户（开户的三要素五要素）开放到一个手机号，一个IMEI（国际移动设备识别码），甚至是用户网络行为下，系统分配的一个ID。通过这个ID记录用户所有的网络行为数据，并通过各种渠道（合作、互换、购买等）获取其它更丰富的数据，进而不断的完善用户数据。

这个过程创建一个可依赖的ID至关重要，至于用户ID具体内容是什么，并不重要。没有足够低的账户门槛，企业就可能将用户创建金融账户之前的所有行为数据，拦截到系统外面。大多数数据，企业一旦错过，即可理解为永久性错过。

IDs的构建，主要包括身份信息、金融账户和数字世界账户三类。

（1）身份信息。一般用户身份识别信息包括：姓名、性别、出生日期、证件类别、证件号等等。金融公司所谓的三要素、五要素都包含在里面。

（2）系统及设备标识。系统可用的标识可以是系统分配的一串数字、设备IMEIs等等。

特别需要强调的两点：多设备号的数据记录，同一个设备同一个注册的ID也不一定是同一个人的数据。

举个简单的例子，淘宝用户性别标签有18个，也就是有18种性别。特别明显的现象是：

一个已婚男士的淘宝ID，在上班日，早上可能是父母老人在逛，行为主要围绕早餐订餐；中午和下午是男士本人在逛，主要是在浏览数码产品；下班后的一段时间行为集中在超市用品及生鲜用户方面，这时候使用的人既可能是男士本人，也可能是妻子；晚上看直播看女装的一般是妻子；半夜起来看尿不湿和奶粉的也是妻子和丈夫的混合行为。

同时，早上登录手淘App的设备是iPad，上班时间是MacPro，下班路上是华为手机，晚上是iPad和iPhone来回切换。

更复杂的情况是周末。此类情况下，如果系统简单的将数据标签全部标记到男士ID上，是有很大问题的。这也是为什么，后面会一再强调构建家庭视图的原因。

（3）金融账户。包括储蓄卡、信用卡、理财账户、保单账户、证券账户等等各类账户信息，甚至账户相关的交易明细（明细在后面维度会有）。

（4）数字世界账户。主要包括社交媒体、网站、App等各类账户账号信息。新型场景不断出现后同样会丰富此类账户信息，例如：共享单车出现诞生的账户；例如：微信成为基础设施后，微信op ID应该是所有用户账户信息的最基础的部分。

2. 维度

构建用户360°视图的第二步，围绕用户IDs，通过四个维度构建视图（打标签）。

构建用户360°视图的做法，每个企业都有所差异，通用的做法是利用大数据平台，通过算法对海量客户行为数据进行建模分析，再通过模型预测，分别从不同维度来描绘个体，并形成用户标签的多维度、多层次化，从而达到实现目标客群的快速定位，以及后续服务效果的持续跟踪的目的。

两种描绘的维度：

一个是从统计特征、价值特征、态度特征、行为特征四个特征维度来描绘；一个是从自然信息、社会信息、特征信息、业务信息四个特征维度来描绘两种分类方式，本质上没有任何差异。

重点通过介绍其中一种方式提供企业思考，即：四个维度。

2.1 自然信息

自然信息主要包括身份信息、健康信息、客户人生信息和职业信息四类。

身份信息：主要有线上线下两种，线上包括互联网身份识别、生物特征身份信息等等；线下信息包括用户在传统渠道的身份，像各种各样的会员卡等。健康信息：主要是健康档案为主的所有信息，包括体征、体检、基因信息，生物传感器（如Apple Watch）提供的习惯信息，电子病历（就诊、医疗、用药等）信息；另外，投保过程中的健康告知信息也应该单独考虑。客户人生信息：一般包括物理世界中，用户当前的人生阶段信息和数字化世界的人生信息。物理世界的婚姻状况、学历状况、家庭关系、社交关系链等等。职业信息：主要包括职业类别信息，包括行业、单位、职务、工作变动、在线职业、虚拟世界的职业信息等等。

2.2 社会信息

社会信息主要有联系信息、关联信息、财富信息和特性信息。

联系信息：包括传统的联系信息，如邮件、通讯录等等；互联网的联系信息，包括社交媒体、SNS、游戏社区等等各类信息。关联信息：保险公司寿险要考虑保单上的关联人信息，同时包括利用通讯录、社交通讯录分析后获得的社会关系链，像人脉关系信息、朋友圈等。财富信息：主要常规收入、支出与理财信息。常规收入是个人收入、家庭收入等信息。常规支出即日常消费信息，生活消费支出，通过此类信息能够获得非常多的衍生信息，如消费的地理位置和商家、类型等等，从而判断用户日常行为和消费能力，另外车辆也属于常规消费信息。投资理财方面信息包括房产、投资、收益、资产负债、消费能力等等。特性信息：主要包括出生地，语音、语调、声色等等信息，特别是方言特征。这个类别的信息，要结合前面健康档案中的体征类信息。

2.3 特征信息

特征偏好信息，主要包括客户价值、信用信息、行为偏好信息和客户分层信息。

客户价值：主要包括客户消费价格信息、积分状况信息、互联网账户（钱包）信息等等。信用信息：主要包括用户的交易信用信息，内部信用信息、外部信用信息、评级信息、网络信用信息、职业信用信息等等。如果属于企业法人，还要记录对应企业的信用信息。行为偏好：主要包括销售接触偏好信息，服务接触偏好信息，消费偏好信息，网络访问偏好信息，兴趣爱好信息，在线检索信息，在线关注信息，网站与App的行为信息等等。客户分层信息：根据企业划分的客户等级，根据外部渠道获取的客户等级信息；价值主张信息，客户分层信息，客户脸谱信息等。

2.4 业务信息

业务信息主要包括交易服务信息、客户接触历史信息、客户之声信息、风险保障信息。这一部分行业特质明显，不同行业有所不同。

交易服务信息。主要包括在线订单、交易历史，保单信息、社保信息、缴费信息、投保信息、理赔信息等。客户接触历史信息。主要包括在线聊天历史、增值服务使用信息、客户接触的其它信息；保单服务的信息、回执回访的信息、客户服务的信息，特别是拜访、电话和网络视频等服务信息。客户之声信息。主要包括交易评价、客户群管理、保险需求、保险偏好、客户情绪信息；客户投诉信息、NPS、满意度调查信息、智能投顾信息、保险需求分析信息和用户意见反馈信息等。风险保障信息。主要包括风险保障意识，风险保障缺口，保险需求等等。

超级360°视图，是一个不断补充和完善的动态扩充的用户虚拟身份。不是一尘不变的，更多时候，提供的用户数据都是历史数据。

二、数据原料

数据做为洞察用户，匹配服务的原料，在使用过程中，动静态数据在不同场景下的占比是不一样的，规则设定的时候，权重参数应该根据该用户在当前场景下的决策模型动态匹配。

一般情况下，超级360°视图，主要是静态数据的动态补充，主要集中在历史数据的归类上。另一个重要的补充部分是动态数据，即当前场景下产生的交互数据、交互数据的实时处理、分析以及结合动、静态数据收敛出一个可以用来匹配服务的数值。

从数据原料到提供具体的服务，需要满足：对当前的服务进行画像；依据数据，利用模型和算法，对当前场景下的用户分析并抽象出一个可以收敛的数值；服务或产品与用户的实时匹配。

1. 用户分析

用户分析，主要是根据用户历史数据，当前场景下的动态数据，将用户在该场景的需求，数化成一个可以让计算机读懂的值。一个人在特定场景下会怎么决策，先要把他抽象成一个模型，然后要找到一套数学的方法，让它能够收敛，用模型去优化他的决策，然后第三步把这个算法用计算机能够理解的程序写下来。

也就是说，系统要通过用户的历史数据（360视图）、场景动态数据，通过一系列技术手段，计算出用户需要什么样的服务。同时将该需求发送到供给端，供给端收到需求后，开始根据服务、产品画像进行查找。

2. 服务画像

服务也要进行画像，服务或产品的画像，是我们在为保险公司数字化转型过程中提出的概念之一，服务画像的目的是为了更好、更准确的提供服务场景下的用户需求。

服务画像特点包括：

（1）准确性

对服务的画像，越清晰越好，描述服务的数据越详细，收敛的结果越准确，在和用户服务匹配的时候，效果越好，从而用户体验越好。

（2）丰富性

零售行业的用户体验本质是多·快·好·省四个字，可以说用户对零售的需求，特别是商业的边界，是无界的。另一方面，用户追求个性化（千人千面）到个性规模化（一人千面），带给企业的挑战是要从以前的一个产品满足所有用户，转换到一个用户提供数千种产品或服务，而且是实时的。

简单举个例子，中国10亿网民，你的企业定位服务全部10亿用户，那数字化时代要求企业客户分群至少有10亿个。同时配合一人千面的趋势，那简单计算，企业满足个性化需求就很可能要提供10 000亿中解决方案或者服务。这就是丰富性的要求，回头看看自己企业的数据。

另外，截止2017年底，世界最大社交平台Facebook用户标签已经突破2000亿个。

（3）颗粒度

服务或者产品，也可以进一步拆分，前面在场景化设计（点击蓝色字体阅读）中，我们提到，服务场景的颗粒度越小，用户体验会越好。服务也是，极细的的颗粒度，会让机器在对服务画像是，提供更加准确的评分值，从而在物理世界中，匹配度更高，用户体验更好。

颗粒度的另一方面，也可以对服务或者产品进行拆分。保险产品的拆分就是将产品拆分成条款+费用这种“最小颗粒度”；车险投保场景的拆分就是将整车投保，拆分成零部件投保或者针对性的条款备案等等。颗粒度越小越有利于提升用户体验。

PS： 服务画像也会面临很多问题，例如像今日对资讯内容进行画像，这就会导致机器的计算量极其庞大，算力资源过度消耗也是一种浪费。不同类型的服务，要具体讨论。

3. 智能匹配

最后一步是根据用户需求的打分、服务召回后二次打分，将需求与服务进行智能匹配的过程。主要包括：匹配、推送、反馈再匹配。

（1）匹配

得到用户决策方式的一个概率性结果、根据结果召回匹配的服务，此时动态匹配就是一个动作：推送，将最合适的服务推送到最合适的用户设备上。

（2）推送

通过用户的各类IoT设备，用最佳的方式推动给用户。例如手机App服务需求用户，第一时间在当前页面实时推送相关服务尤其重要；手机、Pad等设备休眠状态下，可以将一些对客户至关重要的服务，通过智能手表推送到用户。

推送另外一个很重要的步骤是，一定要将用户与设备交互的数据推送到后台，记录，并反馈到模型中，再次优化，这就形成了反馈闭环。

（3）反馈闭环

反馈闭环是一切学习的先决条件，前面用户分析得到的结果，一个概率论的结果，是根据当前条件获得“最优解”但并不一定是用户最偏好的解。这时候将结果推送到用户设备，想尽一切办法，和用户进行交互，进行反馈，是提供更优解的前提。

得到用户交互反馈后，再将前面所说的动作跑一遍，得到更好的结果，再次快速匹配推送给用户。

所有前面的这一切，应该是在毫秒内完成的。当数亿万亿计的用户在向企业发起服务请求的时候，靠传统的人工是根本没办法完成的。

三、关键应用场景举例

360°视图，具体有哪些应用场景？

答案是所有需要服务用户的场景，包括销售，都至关重要。下面提供几个非常典型，应用比较深的场景，简单介绍，方便更加深入的理解。

智能化在线服务平台。 智能客服，智能问诊，智能聊天机器人，智能个人助理如siri等等，是目前应用较为成熟的场景，后台知识库，可以简单的理解为服务的画像。数字化营销平台。如下图，数字化营销的关键，是对用户的洞察，同时类似的模式还有精准营销、智能分发等等。

PS：

这，外部驱动力用户（客户）篇主要的五部分已经全部结束。最后一篇是“挖掘潜在需求”，是对未来的预测，我们明天分享。案例部分并没有展开，一方面会导致篇幅巨大，另一方面，后续在具体章节都有详细的分享。

行业热门话题：

【客户管理系统】【客户名单】【客户关系管理】【客户管理系统192.168.0.1】【客户管理系统平台192.168.0.1】【客户欠钱不还怎么办最有效的方法】【客户名单第一季】【客户负责管理的DNS通常被称作】【客户英文】【客户服务】