勾勒客户全景视图,助推大数据落地

    |     2015年12月28日   |   2015年   |     评论已关闭   |    3669

作者:徐生海

随着大数据的发展,企业“通过产品与服务争夺客户”的背后是一场暗流涌动的数据战,而这场数据战的核心就是如何通过数据来认识客户,只有在充分认识客户的基础上才能依托现代信息技术手段建立个性化的客户沟通服务体系,将市场做深做透,获得预期的效益。

那么如何才能认识我们的客户呢?

在我们认识事物的过程中总是从片面到全面,从主观到客观的一个过程,在以客户为中心的企业信息化建设的过程中也是为了实现全面认识客户这个目标在循序渐进,从最初建立业务系统服务全体客户,到建设企业级数据仓库,集中各个业务系统数据进行分析逐步实现客户的细分,再到现在整合企业内部以及所有可能记录客户信息的互联网中获取并筛选有价值的关联信息构建企业大数据平台,使用户的这张“像”逐渐的从抽象派变成写实派。

这张写实的用户“画像”需要一笔一笔的去描绘,其中每一“笔”就是用户的一个“标签”,当标签逐渐丰满和系统化以后,用户的这张“像”也就逐渐清晰的展现在了我们的面前。

下面我们就来看看这张用户的画像该怎么去构图(确定认识用户的角度)、采用什么样的颜料(用什么样的数据),如何调色(数据之间怎么关联组合,达到多层次多视角效果),在此基础上展示自己的画工(数据分析和挖掘能力)。

一、 确定认识客户的角度

从哪些角度去认识客户是首先要解决的问题,但是对于企业来说不同部门/分公司关注点不同,看待客户的角度也会不同,这就需要通过统一的顶层设计和按需的底层落实来实现,并逐步的完善和演进,最终形成一套体系化的用户标签结构。

以中国移动某省公司为例,在省公司层面构建指标体系如下:
bjyh201512281109
某电信运营商用户标签体系(示例)

各个部门/地市公司又以省公司标签体系为基础,以各自的实际需求为出发点,形成具有自身特点的标签体系,建立各自的标签库。以佰聆数据在某运营商省公司的咨询项目中为例,在省公司的标签体系的基础上又结合用户的上网行为数据扩展了3大类(包括APP类目标签、电子渠道标签、网购类目标签)18个子类(包括兴趣爱好、业务意向、渠道偏好等)共300多个标签,并且基于这些用户标签刻画了若干类的客户群体画像(包括商业精英、忠实彩民、低头族、炒股达人等),其流程如下:

bjyh201512281110
从这个案例我们可以看出,在公司层面看待用户的标签主要是一些客观事实的描述,对具体的业务部门来说就需要根据自身的业务特点进行抽象和归类,这也就导致了在实现认识客户的方法上有所不同,也就是说在画这张用户的“像”的过程中虽然使用的颜料相同,但是需要重新去调色。

除了在电信领域以外,佰聆数据在电力、金融等行业的实践过程中发现,虽然面对的都是客户,但是每一个行业看待客户的角度都有所不同,所以构建客户的标签体系需要针对每个行业来定制,针对每个不同行业、不同部门,基于不同业务需求(如营销、服务策略等)和经验来制定,这更多的是一项业务梳理工作,非任何一种模型算法可以直接得到,需要各个领域的业务专家做整个的规划,确保整个画像的“轮廓”和“骨架”能描绘出实际的需求“面貌”

二、 实现认识客户的方法

采用标签的形式确定认识客户的角度以后,就需要具体的去实现这些标签,也就是展示我们画工的时候了,画像标签不是对数据的直接使用,而是综合了数据特征和业务特征的经验成果,它从业务需求角度出发,通过将零散的各个系统的数据,根据业务的规则和定义,利用科学的统计分析或挖掘算法提炼而出的刻画指标。

在对用户标签进行定义的时候一般采用两种方案

1、 针对可以直观定义、显而易见的特征,直接根据业务经验给出统计口径,比如一些自然属性、社会属性、购买特征、使用行为等;

2、 针对无法直接定义,蕴含在数据中的规则,需要采用数据挖掘算法来实现,比如产品偏好、情感偏向等。采用数据挖掘的方法来定义用户标签是至关重要的,他直接影响到我们对客户认识的准确性和全面性,从业务角度看因果,数据角度看关联,而数据挖掘正是从这两方面入手寻找到那些隐藏在数据背后用户的特征。

从这两种方案来看,对于企业层面更多的是采用第一种,来客观的描述出用户的各种特征标签,而对于业务部门/分公司来说更多的是采用第二种,在基础特征标签的基础上延伸出更多有助于自身业务运营的客户标签。

以佰聆数据在某省移动公司客服部门为例,为了实现投诉退费这个业务场景,需要给客户的画像上增加一个“投诉退费客户信用度”标签,即用户的这个信用分值达到某个等级以后就可以立即进行退费,不需要走原有的流程,而这个信用度由于只在当前这个投诉退费场景下才具有应用的意义,所以需要客户部门来单独实现,不需要在省公司层面来做。

实现这个标签就是采用了我们认识客户的第二种方法,综合了客户的基础类信息、经济类信息、交互类信息、性格类信息、行为类信息,而这些信息在省公司的用户标签规划中都是有的,在客服部门只需要对这些信息重新组合、赋予不同的权重再运用逻辑回归、决策树等数据挖掘算法即可定义出用户在投诉退费这个应用场景下的信用评分模型。这种方式从数据、算法、业务三个角度去发现主观认识上无法得出规律和信息,也是我们用标签去认识客户最核心的手段。

三、 建立客户沟通的机制

通过以上两个步骤一副清晰的用户“画像”就呈现在我们的面前了,但是必须要依靠这幅画像对用户采取行动才具有意义,所以还需要在这张画像的基础上对用户建立针对性的沟通机制。

目前与客户的接触渠道多种多样,而客户往往会通过多种渠道来与我们接触,所以需要给客户统一且一致的感受,尤其是在移动互联网时代,客户的需求随时变化,订购方式也多种多样,只有把握住客户订购的那个关键时刻才能完成一次销售过程,这就需要我们的用户标签要更加的精细化和具备实时性,并以此为基础建立IT层面的多渠道协同机制。

以一个客户业务意向标签为例,客户通过手机APP了解了我们的一个业务,我们会根据他对这个业务的关注度打上一个业务意向的标签(这个标签的实现会根据客户对该业务的浏览次数、停留时长等指标来定义),当他随后拨打了客服电话的时候,客服人员就向他推荐这项业务,然后客户订购了业务,随后客户的这个业务意向标签消失。

以上是一个比较简单场景,目前佰聆数据在实践的过程中可以做到多渠道联动营销和服务,按照客户在服务和营销过程中所处的阶段,实时给用户打上标签,下一个渠道知道客户在上一个渠道上销售过程走到了哪一步,并自动在上一步渠道的基础上与用户沟通,继续完成销售过程,而这个过程中伴随着客户标签的不断变化,也是我们大数据技术发挥作用的时候。

当大数据已经成为企业的战略方向,技术的发展也在逐渐完善,在过往的几年里,各个的行业,各个的企业都建立起了自己的大数据平台,在软硬件条件上已经可以满足对大量的、多数据类型的数据处理和分析,在业务上不同的企业也在依据自身的业务特点不断的探索。

而当前以用户为中心的运营已经成为企业的共识,这就为大数据在业务上的的落地找到了一个立足点,即在大数据技术的支撑下不断的去整合用户维度的所有相关数据形成一个客户的统一视图,再基于业务的需求,通过数据挖掘的方法,形成一个个的客户标签,最终形成一套完善的用户标签体系,这样呈现在企业系统中的客户形象会更加的鲜活和全面,我们也才能有的放矢的为客户提供产品和服务,与客户建立亲密关系。

作者单位为广州佰聆数据股份有限公司

转载请注明来源:勾勒客户全景视图,助推大数据落地

相关文章

噢!评论已关闭。