全文共计7498字,预计阅读时间12分钟,基于DIA数皆智能COO钱永庆先生在第五届数据智能营销论坛的发言稿整理发布。
在宏观经济环境和疫情的长期影响下,经济增速和居民的消费支出受到了较大的影响,企业的经营和生意也受到巨大的挑战。
2023年,我们收获了可喜的“恢复”和“反弹”,虽然看似“重启”了,但离重回高速增长通道,似乎仍然艰难。不论是零售、汽车、金融还是其他大行业,规模化的增量不在的时候,都聚焦在如何更好地“活下去”,寻找第二条增长道路。
近日,由中国市场信息调查业协会数据智能专业委员会(DIC-CAMIR)主办的「格物致知2023」第五届数据智能营销论坛在上海举行。
来自上市公司董事长、顶级品牌CMO、MarTech领域精英,以及来自中欧、清华等商学院和传媒大学的知名教授和学者共计100位数据智能领域的决策人和专家,就数据智能行业的发展头脑风暴、思维激荡、观点交锋,共同为数字化洞察、数字化用户运营和数字化营销的发展贡献力量,共同探讨“AI赋能洞察、掘金单客经济”。
DIA数皆智能作为合作伙伴参与了论坛的全天议程,COO钱永庆先生从产业实践角度分享了单客经济3.0的实战案例。
单客经济并不是全新的概念,纵观经济发展的现代史,我们回归初心看一下,单客经济其实一直都在。企业不管在什么时代,哪怕蒸汽机、互联网、AI时代,都是要通过产品和服务为客户创造价值,现在的重心越来越往客户那一侧转移,并以此获得价值回报。
我们可以通过一个经典的王永庆卖米的小故事,来管窥一下单客经济的原始形态。王永庆(1917-2008),祖籍福建泉州,中国台湾省著名的企业家、台塑集团创办人,被誉为台湾的“经营之神”,在上一个时代,是和李嘉诚并列的闻名遐迩的企业家。
1932年台湾的农业普遍不发达,米店还处于手工作坊经营的状态,售卖的大米里面有很多砂石之类的杂物,街坊买了米之后都要花很长的时间淘米,去细细地把杂物挑出来扔掉。
这似乎已经成为了司空见惯的事情,但王永庆深刻地洞察到了这一个让客户体验“不爽”的点。他和两个弟弟一齐动手,一点一点地将夹杂在米里的秕糠、砂石之类的杂物捡出来,然后再卖。一时间,小镇上的主妇们都说,王永庆卖的米质量好,省去了淘米的麻烦。这样,一传十,十传百,米店的生意日渐红火起来。
不仅如此,他还准确地预判了客户的需求,如果给新顾客送米,王永庆就细心记下这户人家米缸的容量,并且问明家里有多少人吃饭,几个大人、几个小孩,每人饭量如何,据此评估他们下次买米的大概时间,记在本子上。到时候,不等顾客上门,他就主动将相应数量的米送到客户家里。
王永庆送米,并非送到顾客家门口了事,还要将米倒进米缸里。如果米缸里还有陈米,他就将旧米倒出来,把米缸擦干净,再把新米倒进去,然后将旧米放回上层,这样,陈米就不至于因存放过久而变质。王永庆这一精细的服务令顾客深受感动,赢得了很多的顾客。
虽然王永庆卖米只能实现小范围的客户触达,并且只能依靠手工来进行数据的采集、整理、分析和应用,但不可否认的是,王永庆抓住了单客经济的3个要点:洞察用户,满足需求,优化决策。这与数字化大行其道的今天,并无二致,已经隐含有一些单客经济的思想了。
时光荏苒,随着社会,经济,技术的飞速发展,单客经济跨越了史前时代,又从1.0时代2.0时代,进入了全新的3.0阶段。
以1970年作为起点,标志着计算机开始进入商业应用和数据管理,给企业提供了初步的客户管理能力,这可以说是单客经济1.0的起点。类似地,互联网、移动互联网、生成式AI的里程碑事件,标志着单客经济的不断演进和发展。
单客经济1.0(计算机时代,1970年-1990年):这个阶段以1970年作为起点,标志着计算机开始进入商业应用和数据管理,给企业提供了初步的客户管理能力。
单客经济2.0(互联网时代,1990年-2010年):以1990年作为起点,互联网的出现使信息流动性大增,消费者和企业之间的交互变得更加复杂和多样。
单客经济3.0(移动互联网时代,2010年-2023年):从2010年开始,移动互联网的出现进一步促进了个性化服务和一对一营销,同时也带来了更多的数据分析工具和能力。
单客经济4.0(AI元年,2023年-未来):以2023年作为起点,标志着人工智能等先进技术开始大规模应用于客户服务和个性化体验,预计将带来更智能、更自动化的解决方案。
尽管在不同的时代,单客经济的核心经营哲学似乎是不变的,但是在每个阶段,却有着不同的特点,从怎么去洞察客户,怎么满足客户的需求,怎么样优化决策这三个角度来看,单客经济也在不断地演进和变化。
在单客经济1.0时代,洞察客户的手段相当原始。尽管计算机开始被用于数据处理,但数据收集主要是通过传统方式,如电话调查、纸质问卷、和面对面访谈。
除了存储和简单计算外,计算机并没有在数据分析方面发挥很大作用。这个时代的企业主要侧重于规模化生产和销售,几乎没有个性化选项。大多数公司采用“一刀切”的方法,产品和服务通常没有太多的差异化,也没有根据不同客户需求做出的定制;决策在这个阶段主要是依赖于管理层的经验和直觉,尽管计算机开始用于简单的数据处理和生成报告。数据的影响相对较小,大多数决策都是由高级管理人员在有限的信息下做出。
在单客经济2.0时代,互联网的出现引发了信息收集和处理方式的革命。企业开始有能力通过网站和电子商务平台收集大量的用户数据,包括点击流数据、购买历史、和社交媒体行为等,这让用户分析变得更加精确;更加重视个性化和客户体验。开始出现定制产品和服务,消费者在互联网上有更多的选择自由。即时反馈和在线评价系统不仅让企业更容易地获取客户需求,也使消费者有更大的话语权;企业开始大量使用数据分析工具,将数据驱动的决策应用到产品开发、市场推广等各个方面。决策不再仅仅依赖于经验和直觉,而是开始变得更加科学和系统化。
在单客经济3.0时代,智能手机和其他移动设备成为主要的数据收集工具,使企业能够实时追踪用户行为和位置信息。这些高度个性化的数据使企业能更准确地理解消费者需求,也更能预测未来的市场趋势;个性化服务和一对一营销的精确度达到了前所未有的高度。大数据和高级算法的应用让企业能够更精准地定位不同群体的需求,甚至个体客户的需求;企业不仅使用传统的数据分析工具,还开始运用大数据和机器学习算法进行决策。实时数据分析和预测模型在各个业务领域得到广泛应用,从市场趋势分析到产品研发,决策过程更加高效和精准。
单客运营逻辑的演进,背后是社会、商业、技术等层面的变迁,未来的生意将会是以客户为中心,来打造经营模式。DIA数皆智能预测到了这个经营范式的转变,从企业这一侧的产品品牌向客户资产这一侧的迁移,始终更加关注客户资产这一侧,并提供客户体验和运营平台。
不管社会如何发展变迁,商业竞争如何加剧、技术加速变革、企业的核心问题总是:在这个复杂和不断变化的环境中,如何像王永庆一样,精准地理解和满足每个客户的需求?
这就是为什么数皆智能聚焦于单客经济平台的打造和运营,我们的使命是:提供产品化和高回报的用户体验运营平台;我们的愿景是:让所有的生意都以用户为中心来运营。
结合AI赋能,单客经济3.0时代便有了跨向4.0时代的动能,对于单客经济而言,在技术进步的推动下,更“精准”、更“大规模”和更“个性化”是不可逆转的趋势。在过去,企业口中的个性化或许只是一些概念、尝试和渐进式技术路线,而未来在AI的赋能下,对上亿客户群体实现精准的一对一个性化营销沟通,正在成为现实。
客户体验(CX,Consumer Experience)是一直以来企业在经营中非常重视,并且现在越来越重视的环节。为什么重视客户体验?在过去企业向消费者输出自己的产品和服务,但是没有很好地关注客户的态度,缺乏客户对品牌方感知的探查,这是导致客户的满意度和留存率的下滑的因素之一。
讽刺的是,在数字化技术飞速发展的今天,品牌方可以实时地与数以亿计的客户建立营销触达,但如果你提供的客户体验不佳,也许你重金打造的数字化系统反而会拖累业务增长。
第一个案例便是基于数皆的CEM (客户体验管理)为某头部保险集团提供大规模客户体验反馈系统。该品牌是一家险种齐全,业务覆盖全国的大型保险公司,拥有超过1亿的庞大客户群体。该保险公司的每个险种都有非常多的复杂旅程,全国的分公司在数十个不同的渠道与客户建立营销沟通。全年的体验数据采集量,总量超过上亿。
不仅如此,由于保险的客户旅程及不同的渠道、不同的分公司所关注的点不同,投放的体验采集问卷也各不相同。这样一个超大规模前提下的个性化沟通,我们首创引入营销自动化MA系统来投放海量问卷,从而实现投放策略设置、投放详情跟踪、催答规则、投放情况概览。最终,我们帮助客户实现了每年超百万的问卷回收。
通过持续性的多波次多渠道的投放和回收,积累了大量的客户体验数据并用来指导短期和长期的客户运营工作。短期内,该品牌将客户负面反馈与客服工单进行对接,能够快速了解客户当前痛点,及时安抚负面情绪;长期来看,可以准确识别用户集中的问题,改善企业流程、产品和服务,这对于企业的持续客户运营都是非常有价值的。
未来,我们也探索用CEM与GPT等AI技术的结合,用AI技术提升洞察效率。具体来说,包括了AI生成问卷、智能投放渠道分析、非结构化数据智能解析、AI智能预测、因果模型算法和智能化干预等。
该品牌是一家大规模的连锁餐饮集团,门店遍及全国主要大中城市,虽然有了一定的数字化基础,积累了大量的会员数据,但是有大量的沉默客户。该品牌每年都会消耗大量营销资源和预算进行拉新,但客户流失量也大,会员存在大进大出的现象,会员净增幅度缓慢,在拉新成本日渐增高的情况下,会员增量前景暗淡。此外客户的消费频次有待提升,数据系统内存在着大量的仅消费一次的客户,单客运营在整体上陷入困境。
在我们对行业的研究和实践中发现,这并不是该品牌一家的问题,而是一个普遍存在的行业性问题。
在案例中,我们把传统的客户运营三板斧——沉睡客户促活、流失客户挽回和客户消费提频与算法模型(包括常规的运营模型、AI算法模型)、CDPMA软件执行以及智能化分析复盘相结合,取得了良好的运营数据和ROI结果,帮助企业获得了很好的客户运营收益,从ARPU到复购率、活跃率、流失率等指标,都有非常亮眼的表现。
我们在实战中,也注意到有趣的现象,凡是以SaaS软件解决策略为主导的往往效果不佳。传统的软件解决策略是指单纯采用CDP+MA的软件产品组合,通过对客户自动化推送权益卡券来推动促活、唤醒、挽回等客户,这样的运营方式有着较大的弊端和局限性,软件厂商将SaaS软件作为唯一的实现路径,容易忽略问题的最优解决方案,ROI较难体现。
但是如果采用逆向SaaS模式,即Service-as-a-Software,往往业务效果比较好。以业务目标/KPI/OKR为起点,建立端到端的解决方案服务策略,再结合算法赋能、运营陪跑、分析复盘,综合性地解决运营难题。而软件在整个解决方案体系内则起到承接算法的落地、固化运营SOP和降本增效的作用。
在案例中,我们也在探索生成式AI如何赋能营销。整个MA营销的策略背后也可以用形式的语言表达,我们可以运用一些类似于Drools这样的规则引擎,针对不同的人群,采用AB分流测试的策略,或是通过不同的营销渠道和触点进行自动化内容分发。采用数字化营销工具来进行客户运营,其本质上就是将沉睡客户促活、流失客户挽回和客户消费提频等营销场景,通过规则引擎去给不同的客户建立营销触达,以期望这些触达策略可以帮助品牌方改善运营。
通过AI算法和模型的深度学习,我们可以对MA营销自动流程策略进行深度分析和AI建模,当达到一定的策略基数后,便可以输出智能化的营销策略,并且能够帮助我们不断地迭代和调优现有的营销策略。 这是未来营销产品和AI结合的美好前景,目前已经进行了一些实践和探索,未来将会更加成熟和更广泛的应用。
客户旅程编排CJO是通过向客户提供实时的个性化的卓越互动体验来保持客户满意度的一种运营策略,我们通过分析和优化客户的旅程,可以有效改善影响客户体验的卡点,从而提高客户转化率,带来可持续性的增长。
我们通过某知名的汽车主机厂商的案例来拆解一下基于XO数据融合的客户旅程编排是如何提升各车型的零售销量的。该品牌是一家领先的汽车品牌,深耕中国市场并积累了大量的车主群体,在项目中,我们结合大量的客户行为数据和体验数据,把从了解品牌到最终提车的完整旅程中的每一个关键节点进行了拆解和分析。
案例中,我们通过数据分析发现客户的试乘试驾环节满意度比较低(仅有18.1%),明显低于其他转化环节,此外从试乘试驾到大定环节的平均转化周期,长达12.3天,转化率也偏低只有22.9%,X数据和O数据的表现趋向于一致性。
针对试乘试驾环节的转化卡点,我们进行了快速的问题定位,结合客户画像和客户行为数据,分析出试乘试驾环节流失的客户大多属于“时间敏感型”,觉得试驾时间太短了,还不足以让他快速产生购车决定,于是产生了一段很长的犹豫期,最终直接影响到了后面链路的转化。
在得到结论后,我们给这部分人群打上了一个“时间敏感型”的标签,并针对这部分人群调整运营策略。对时间敏感型客户,针对性地向其提供一个30分钟加时券,让整个试驾的过程增长,满足了这部分客群希望充分了解车辆的期望。
在短期内就迅速提升了试乘试驾环节的客户满意度,进而通过运营O数据的监测发现,转化率得到明显提升,平均转化周期也大大缩短,最终帮助企业获得实实在在的运营提升。客户旅程编排领域XO数据融合应用的探索,在汽车、房地产、教育培训等一些客户旅程周期较长的行业有着非常大的应用潜力。
第四个案例是通过建立NPS北极星指标,融合XO数据,实现客户体验和客户运营指标的双增长。
该品牌是一家国际会员制零售商,在国内发展迅速,以良好的客户体验赢得了口碑。对于该品牌来说,零售并不单单是指经营商品,而是经营客户和经营体验。这里的难点就在于体验是如何去进行系统化的表达。
在案例中,该品牌建立了完整的NPS北极星指标,基于客户旅程和客户营销触点(包括线上和线下的触点)进行满意度数据采集,再经过复杂的算法建模,最终汇总成一个综合的NPS体系。
在体系建设中,我们有着大量的X数据和O数据融合的实践。如在NPS问卷设计环节,会根据客户行为O数据的表现基于具体的场景来设计问卷,做到了问题的靶向定位;在问卷投放环节,会根据客户行为数据筛选合适的目标客户来进行投放,避免无差别的粗放式投放,实现了问卷投放的个性化和精细化,问卷回收的质量度和准确率也大幅上升;另外在分析环节,各个NPS关键触点的权重是各异的,会根据客户行为数据以及客户运营转化指标来合理分配权重R值。在我们通过XO数据的融合,获得了完整的、准确的NPS数据指标后,就具备了智能运营的基础。
我们将NPS北极星指导的客户运营分为三个层级:即时运营、战术运营和战略运营。
即时运营是最基础的策略,一旦客户在体验管理中出现比较难以忍受的反馈,我们会即时地针对关键指标超低分的客户发起行动预警,实时进行处理,了解超低分的原因,第一时间消除客户抱怨。
在日常的客户运营中,我们可以根据客户的行为和运营数据,实时筛选样本进行客户体验的数据反馈,以帮助我们改善运营动作,提高运营效率,比如针对线下活动渠道,浏览了商品详情,但放弃了购买的客户群体,比如线上APP,加入了购物车进入,但未下单的客户群体,洞察客户需求,了解影响客户满意度的关键因子,从而针对性地改善营销活动设计,改进APP、小程序商城的UI设计等等,提高满意度,促进成交。
同时在战略层面,基于NPS、满意度构建的客户全生命周期体验模型,利用独创的驱动算法穿透各类中间环节,根据大量数据实时测算出影响北极星指标的关键因子及权重,及时给出战略性的优化建议。
在项目中,我们实现了分层分级的分析洞察能力,从管理层到区域到门店,都可查看对应的指标看板,我们可以精准地洞察NPS变化情况以及各个触点的下钻分析结果。帮助我们改进客户运营策略、提升战略级的运营能力。
如在案例中,我们根据满意度高低和重要度(权重)高低,将影响客户体验的关键因子划分为四个象限。 满意度低重要度高的因子,我们应优先改善; 满意度低重要度也低的因子,我们放在次要改善的位置; 满意度高重要度也高的因子,我们应重点保持; 满意度高重要度低的因子,我们维持现状即可。
通过NPS整体的运营闭环,我们发现所搭建的运营策略是非常智能且能够抓住要害的,实实在在地通过NPS北极星指标驱动了客户留存率及新客转化率的双增长。我们通过对会员的各类场景的NPS监控和趋势分析,结合影响值算法,计算出NPS对会员留存率和新客转化率的影响值高达60%+。这是一个令人震撼的数据,也是我们在XO融合实践中一个极具价值的实践结果。
展望未来,我们相信也许从今年开始就是单客经济4.0的元年,未来DIA数皆智能会从私域到超级洞察,到个性至上,到自主运营,在此期间任何技术(包括AI技术)的进步都可以对单客经济运营的手段、模式产生深刻的影响。
在AI的助力下,企业将不仅能够进行全面和深入的客户分析,而且能够实时、动态地更新这些洞察。这意味着企业能够预测客户的行为和需求,甚至在客户自己还未意识到之前。
这将是一种多模态、跨界的洞察,涵盖情感、行为、生理等多个方面,实现真正的全方位、多维度的客户理解。
由于拥有更加全面和精准的客户洞察,企业将能够提供极度个性化的体验。
AI和机器学习算法能够实时调整和优化客户体验,确保每一次互动都是独一无二和最优的。
新兴技术,如虚拟现实、增强现实等,可能也会被更广泛地应用于提供个性化体验。
在这个阶段,决策将不再完全依赖于人类,AI将在一定范围内自主进行决策。
AI不仅能够根据历史和实时数据进行分析,还能预测未来趋势,从而做出更加全面和远见的决策。
这一点也意味着企业需要建立相应的伦理和监管机制,以确保AI决策符合法律规定和道德标准。
假定王永庆穿越到现代卖米,他会怎样超级洞察,提供真正个性化的产品?怎样提供真正一对一的超级体验?如果他继续经营一家米店,怎样利用AI技术做到自主经营?这是一个非常有意思的话题。
未来已来,从单客经济的早期时代,到现在的3.0时代,我们有幸参与了四个标杆性案例的时代,我们也希望DIA数皆智能在未来能够持续陪伴品牌方,一起步入单客经济从3.0到4.0持续的演进历史大潮。