猖狂的科普浪潮包括了“微信朋友圈”和“微信看一看”,在对超级流量池有了一定的理解,大家都在探索构建“超级流量池”的玩法。
想要获取到更多用户流量,就达到服务运营,挖掘用户数据价值。
需要数据基础加上强大又快捷的系统。
构建流量池首先需要一个“数据池”,这里打窝大师小编就讲一些构建“数据池”的一些思维。
一、企业为什么需要“数据池”?
这些企业多少都会有自己的一份客户数据,但是这些企业遇到几个难题,“拥有哪些数据”、“企业拥有的数据是否反映客户的真实情况”、“企业不同的部门种所使用的数据维度是否没有分歧”
跟着打窝大师来看企业都掌握了哪些数据?
数据一:
交易订单数据:从电商系统、ERP、CRM中产生的各类交易信息。包括订单、退换货、卡券、购物车订单。
行为数据:客户在网站、App、小程序、公众号等各类应用触点上产生的大量行为数据。比如说关注公众号,访问页面,提交表单等数据。
产品等业务对象数据:这些数据不是客户数据,但会和分析极度相关。比如库存和产品价格,就是许多零售客户分析时必需的数据点。
外部应用产生的数据:现代化营销依赖于非常多的外部应用,比如邮件、微店、微课堂、报名表单等系统产生的大量数据。
数据二
合作系统传回的数据:比如邮件,在短信发送过后,客户是否有出现阅读、点击等行为。
合作媒体数据:比如广告投放、视频、门户、垂直媒体等提供的数据。
数据三
第三方数据供应商提供的数据,比如数据平台,运营商等。
企业到底把数据放在何处?
企业的每个业务部门都取决于客户数据的不同方面,并且企业具有自己的应用程序场景。
企业的销售部门依靠客户关系管理平台(CRM),企业的售后服务部门主要取决于客户服务系统,市场营销部门则关注微信流量平台,数据分析部门使用客户行为分析工具或者数据仓库工具。
每个部门都有自己的操作系统,而每个操作系统关注不一样的东西,当然,处于不同阶段的客户也有针对性,因此他们所看到的当然是不同的。
就似盲人摸大象一样,每个部门只关注他们的部分,而不关注客户的全部情况。
企业不同部门使用的工具都各自产生独立的、片面的、新的的客户数据,无法快速同步这些数据。
分割出来的数据为运营用户造成重大的挑战。
打窝大师小编举个例子,某些企业想做客服小程序,结果发现排名数据在ERP中,而订单信息位于电商系统中,行为数据位于网站后台,数据都在不同的系统中。
即使企业想做的功能易如反掌,然而企业要三个技术开发人员从不同的系统中取出这些数据变量值。
就算技术开发人员好不容易理清不同系统的取值步骤,还要大量逻辑判断去合并这些数据。
不仅仅如此,如果下次还想做其他的小程序,又得把上面打窝大师小编说的步骤再重复一遍……
所以呀,为了保证可持续的流量运营,企业则需要“数据池”作为基础。
这里打窝大师小编需要明确的是,“数据池”并不是一个产品,你也可以理解为企业的“数据资产”。
企业有其他的数据应用,可以当作“数据池”吗?
两个字,不行。
1.“行为分析工具” 可以成为“数据池”吗?
这里很多人就反驳“行为分析工具”也能收集客户行为数据,也能提供可扩展的数据结构。
那么“数据池”的区别到底在哪里?
“数据池”核心区别在于数据的粒度。
例如企业有许多App,而“数据池”存储的时候,都会按照不同的App分类,把数据存储都放一块。
在查看的时候,您可以看到各个渠道的数据流入流出的情况,也可以将一个人按照不同的渠道进行切片。
但是“行为分析工具”一般会建议您将各个App的数据隔离处理,因为其设计目的不是做跨渠道数据整合的。
“数据湖”可以用作数据池吗?
这里打窝大师小编需要强调的是,“数据池”和传统意义上“数据湖”是不一样的。
“数据池”只关注收集客户数据并且能够大规模统一,标准化和激活这些客户数据资产。
通过“数据池”,收集的数据不是简单的合并,而是可以通过将各个渠道的数据切片保存。
而“数据湖”则是一个存储大量原始非结构化和结构化数据的库,所以对于不懂计算机的人来说,“数据湖”很难使用。
“数据池”是之前的业务系统无法代替的,它是企业存续运营流量而重组的数据资产。
对企业来说,“行为分析工具”收集的数据和“数据湖”都是不同类型的数据资产,只是在构建流量池这个场景中不适用而已。
三、数据池应该如何构建?
1. 打通数据壁垒
如果没有比较完整的全渠道数据,会使运营受到阻碍,所以企业则需要一个共享的数据来源,连接每个渠道上的每一个客户互动,从微信到网站,从门店到ERP,支付服务,客服系统,甚至是CRM。
然后,再将数据传递到各个部门使用的系统中去。
这样数据就可以在各个系统各个部门之间流动,从而打破公司各部门之间的“墙”,让大家对客户有一个全面的了解,它还有助于根据数据和事实建立公司的文化。
这样可以节省开发成本,提高运营效率并增加团队关注度。
2. 数据归一化处理
因为各种重复数据、字段丢失、跨系统数据值不匹配,一直是运营的阻碍问题。
所以企业需要在整个组织内实施通用的数据标准,定义构成良好数据的内容,并从源中删除错误数据,让整个企业相信数据是正确的。
3. 构建画像
以上打窝大师说的两点可以说是数据事先筹划的准备阶段,接下来就是数据洞察阶段。
公司可以将收集的分散的客户属性和行为数据转换为标签,为每个客户印上独一无二的“烙印”,例如用户最喜欢的产品类别,购买频率等,并对这些特征进行分析、统计,以挖掘潜在的价值信息,勾勒出客户画像。
打上标签之后,公司还可以根据自定义业务条件对标签进行分组,这样,您可以知道与客户交流时该说些什么,并为客户提供独特的体验。
4. 管理完整行为数据
客户行为数据可以很好地补充客户画像。
随着客户与企业互动渠道激增,仅仅了解客户的偏好通常是不够的,有时可能需要知道客户的行为何时发生,以便更准确地开出正确的药方。
公司可以捕获客户的完整行为数据,洞悉客户意图,根据不同阶段制定运营策略,并充分挖掘客户生命周期的价值。
拥有了完整的行为数据后,企业对于同类型的客户,还可以预设针对性运营策略。
数据池是流量池的数据基础,那么高质量的数据就是必不可少的。
高质量的数据是进行分析决策以及完善精细化运营的重要参考,进而企业更好的为客户服务,达到发掘数据价值、带来更多流量的目的。