作者介紹

上篇文章（《在線教育大數(shù)據(jù)營銷平臺實(shí)戰(zhàn)（四）：CRM線索生命周期及用戶畫像構(gòu)建》）作者闡述了線索的定義、生命周期和畫像構(gòu)建，本篇作者將圍繞上篇文章線索生命周期的篩選培育環(huán)節(jié)，重點(diǎn)是線索培育、以及篩選階段定量評估線索質(zhì)量需要的動(dòng)態(tài)評分模型進(jìn)行闡述，給出相應(yīng)的解決方案，與大家分享。

一、線索培育的必要性

1. 企業(yè)角度

企業(yè)通過為用戶持續(xù)的服務(wù)達(dá)到盈利的目的，企業(yè)都希望用戶高頻高客單消費(fèi)，但前提是先把線索轉(zhuǎn)化為付費(fèi)用戶，這就需要依托潛在用戶培育策略。根據(jù)Forrester的報(bào)告顯示，90%的銷售線索最終都流失了，其中一個(gè)主要原因就是缺乏潛在用戶培育過程，擁有線索培育機(jī)制的公司平均能降低60%的投入成本，經(jīng)過培育的線索比未經(jīng)培育的線索銷售額高出47%。

2. 銷售角度

企業(yè)從多種渠道獲取的線索可能高達(dá)80%是過時(shí)或者無效的，銷售人員需要花費(fèi)大量的時(shí)間、人力去甄別線索質(zhì)量，再加上大部分銷售缺乏線索質(zhì)量篩選的經(jīng)驗(yàn)，造成盲打的情況，會增大無法及時(shí)跟進(jìn)優(yōu)質(zhì)線索的機(jī)會成本。通過線索培育機(jī)制將大量早期潛在用戶線索轉(zhuǎn)化為可跟進(jìn)狀態(tài)，助力銷售縮短成交時(shí)間，另外借助智能運(yùn)營工具實(shí)現(xiàn)個(gè)性化推送，提升效率。

二、線索培育機(jī)制設(shè)計(jì)

線索培育與用戶運(yùn)營密不可分，這是一個(gè)把小魚養(yǎng)大的過程，需要用戶運(yùn)營人員在將線索轉(zhuǎn)給銷售團(tuán)隊(duì)跟進(jìn)之前，把線索轉(zhuǎn)化為滿足銷售跟進(jìn)的高質(zhì)量線索，這個(gè)過程需要運(yùn)營團(tuán)隊(duì)和銷售團(tuán)隊(duì)的緊密配合。

以在線教育為例，用戶運(yùn)營人員需要分別給出購買階段和課程服務(wù)階段的用戶體驗(yàn)地圖運(yùn)營方案（這里我不在展開闡述，各家需要結(jié)合自己內(nèi)部業(yè)務(wù)和用戶運(yùn)營體系建立方案），并保證地圖各環(huán)節(jié)的運(yùn)營策略有效執(zhí)行。

培育機(jī)制的建立尤其各環(huán)節(jié)的打通需要CRM系統(tǒng)的支持來實(shí)現(xiàn)機(jī)制標(biāo)準(zhǔn)化、自動(dòng)化，從而提升整體運(yùn)營效率，下面給出CRM系統(tǒng)針對線索培育的設(shè)計(jì)思路。

• 渠道初篩，線索的渠道眾多，不同渠道來源的線索質(zhì)量也參差不齊，線索初期的質(zhì)量判斷可以基于渠道特征信息進(jìn)行打分。訓(xùn)練渠道質(zhì)量評分模型可以基于業(yè)務(wù)專家經(jīng)驗(yàn)建立打分模型，或者基于無監(jiān)督學(xué)習(xí)對不同渠道線索的轉(zhuǎn)化效果進(jìn)行分層，通過對轉(zhuǎn)化效果的排序建立評分集。高評分的線索需要及時(shí)下發(fā)給到銷售團(tuán)隊(duì)跟進(jìn)，低評分線索先進(jìn)入預(yù)培育池通過運(yùn)營提升其質(zhì)量。

  
  

• 線索預(yù)培育，線索預(yù)培育針對的對象即渠道初篩階段的低質(zhì)量線索，線索質(zhì)量提升的主要?jiǎng)恿葱律脩糍徺I旅程地圖中各階段運(yùn)營策略的執(zhí)行，各階段運(yùn)營策略的實(shí)施都會讓用戶產(chǎn)品不同的行為反饋，我們通過埋點(diǎn)將這些行為數(shù)據(jù)抓取到；用戶質(zhì)量能否提升，取決于穿越的運(yùn)營層級和高意向行為的觸發(fā)，直到我們通過用戶行為數(shù)據(jù)判斷用戶達(dá)到可跟進(jìn)狀態(tài)（匹配到預(yù)定規(guī)則），就激活流轉(zhuǎn)給銷售跟進(jìn)。

  
  

• 培育&跟進(jìn)，此階段的線索是滿足可跟進(jìn)狀態(tài)的線索，用戶購買旅程的運(yùn)營策略要配合銷售的跟進(jìn)流程，核心目的就是促使客戶成單；這個(gè)階段的線索質(zhì)量好壞不是一成不變的，隨著客戶心理，對產(chǎn)品和環(huán)境的認(rèn)知程度的變化而變化，其變化通過用戶行為反饋出來，我們需要通過動(dòng)態(tài)評分模型將其量化，此階段評分模塊需要考慮用戶所出去的購買旅程階段、銷售跟進(jìn)的購買意向階段（參見上篇的意向階段SOP）、線索行為評分。

  
  

• 服務(wù)&復(fù)購，新用戶付費(fèi)后進(jìn)入此階段，此時(shí)的運(yùn)營目的是滿足用戶服務(wù)體驗(yàn)的基礎(chǔ)上盡可能讓客戶復(fù)購，動(dòng)態(tài)評分機(jī)制需要考慮用戶學(xué)習(xí)旅程階段、復(fù)購意愿程度。

三、線索激活下發(fā)方案

1. 人工打標(biāo)簽

線索預(yù)培育和激活跟進(jìn)在系統(tǒng)功能不具備的情況下可以通過運(yùn)營人員人工操作的方式先跑起來，具體流程如下圖。運(yùn)營人員在數(shù)據(jù)平臺基于規(guī)則圈選預(yù)培育池中具備銷售跟進(jìn)特征的用戶，導(dǎo)出圈選用戶的uid列表，人工上傳CRM系統(tǒng)并打上相應(yīng)的特征標(biāo)簽表示這部分用戶，通過CRM的數(shù)據(jù)流轉(zhuǎn)機(jī)制分配給合適銷售跟進(jìn)。

人工打標(biāo)簽的方案雖然能保證流程跑起來，但是存在明顯短板：

• 圈選維度少、準(zhǔn)確率低

• 重復(fù)性搬磚工作，耗費(fèi)人力

• 觸達(dá)及時(shí)性欠佳

2. 系統(tǒng)自動(dòng)化

（1）方案構(gòu)建

分析完人工打標(biāo)簽的方法劣勢后，筆者給出基于系統(tǒng)機(jī)制自動(dòng)化解決的方案。我們是通過將神策系統(tǒng)與CRM系統(tǒng)通過webhook打通的方式構(gòu)建的解決方案。

• 在神策智能運(yùn)營上設(shè)定圈選規(guī)則，規(guī)則類型有定時(shí)和觸發(fā)兩種，多維度綜合圈選可以選擇定時(shí)規(guī)則；高意向數(shù)量少行為建議采用觸發(fā)型的，能夠保證及時(shí)性。

  
  

• Webhook1：跨品類leads裂變通道，進(jìn)入預(yù)培育池后的線索由于一系列運(yùn)營動(dòng)作的引導(dǎo)，可能會產(chǎn)生相似品類購買意愿以外的其他品類的購買需求，鎖定這部分用戶可以起到流量復(fù)用的效果，無疑能幫助企業(yè)平攤流量成本。

  
  

• Webhook2：高質(zhì)leads激活通道，通過運(yùn)營策略的執(zhí)行來不斷影響培育線索，直到線索觸發(fā)高意向行為，達(dá)到可跟進(jìn)條件，就通過此通道激活下發(fā)讓銷售跟進(jìn)。

  
  

• 與CRM打通的通道需要設(shè)定一些自定義參數(shù)，尤其是標(biāo)簽名稱需要用戶自定義；數(shù)據(jù)系統(tǒng)與CRM系統(tǒng)的用戶唯一性標(biāo)記參數(shù)要一致。

  
  

• 要對CRM系統(tǒng)銷售跟進(jìn)情況進(jìn)行埋點(diǎn)，通過對埋點(diǎn)數(shù)據(jù)的分析診斷跟進(jìn)情況，為策略的優(yōu)化提供數(shù)據(jù)支持。

（2）策略配置舉例

• Step1：設(shè)定觸發(fā)條件，需要設(shè)定的參數(shù)包括：計(jì)劃類型（定時(shí)單次、定時(shí)重復(fù)、觸發(fā)型）、觸發(fā)時(shí)間、起止時(shí)間、對照組占比等。

  
  

• Step2：受眾用戶圈選規(guī)則，從用戶基本屬性、用戶行為、或者用戶行為序列三個(gè)維度進(jìn)行設(shè)置，多個(gè)行為的組合關(guān)系可以是且、或的邏輯關(guān)系。

  
  

• Step3：觸達(dá)配置，選擇對應(yīng)的webhook觸達(dá)通道（裂變、激活），并設(shè)定相應(yīng)的配置參數(shù)。

  
  

• Step4：激活后目標(biāo)設(shè)定，用來跟進(jìn)激活后的轉(zhuǎn)化情況；比如圖示設(shè)定了兩個(gè)目標(biāo)，首要目標(biāo)是銷售是否及時(shí)跟進(jìn)，第二目標(biāo)是5天內(nèi)是否成單。

四、動(dòng)態(tài)評分模型簡介

1. 規(guī)則評分

（1）流程架構(gòu)

• 線索初期的質(zhì)量判斷可以基于渠道特征信息進(jìn)行打分。訓(xùn)練渠道質(zhì)量評分模型可以基于業(yè)務(wù)專家經(jīng)驗(yàn)建立打分模型，或者基于無監(jiān)督學(xué)習(xí)對不同渠道線索的轉(zhuǎn)化效果進(jìn)行分層，通過對轉(zhuǎn)化效果的排序建立評分集。最后會換算到10分制，此分?jǐn)?shù)作為線索動(dòng)態(tài)的初始分?jǐn)?shù)；

  
  

• 分值計(jì)算包括加分機(jī)制和減分機(jī)制，不同機(jī)制有其對應(yīng)的評分規(guī)則；

  
  

• 線索分?jǐn)?shù)更新本期采用T+1模式，凌晨計(jì)算更新；

  
  

• 動(dòng)態(tài)評分滿分100分，要換算到標(biāo)準(zhǔn)分10分，并映射為例子等級

（2）行為因子識別方法

規(guī)則評分是對行為因子的分層量化，因此準(zhǔn)確識別出與線索質(zhì)量相關(guān)性高的行為因子至關(guān)重要。行為因子識別過程中，主要借助頭腦風(fēng)暴法和德爾菲兩種方法。頭腦風(fēng)暴法要求參與者有較好的素質(zhì)，尤其是主持人的能力要求更高，主持人必須遵守延遲評判的原則，對各種意見、方案的評判必須放到最后階段。

這些因素是否滿足會影響頭腦風(fēng)暴法實(shí)施的效果。為了保證行為因子識別結(jié)果的準(zhǔn)確性，建議同時(shí)采用德爾菲法。

行為因子識別的過程需要反復(fù)進(jìn)行不能低于3輪，每一輪的流程如下：專家組成員根據(jù)以往經(jīng)驗(yàn)和專業(yè)知識給出影響線索質(zhì)量的用戶行為因子，產(chǎn)品經(jīng)理對收集到的結(jié)果進(jìn)行匯總歸納，并將匯總結(jié)果再次發(fā)送給專家成員，讓專家基于匯總后結(jié)果重新評判行為因子并反饋給產(chǎn)品經(jīng)理。下面舉例一個(gè)衰減行為因子集的識別結(jié)果供大家參考：

2. 算法評分

基于機(jī)器學(xué)習(xí)算法的評分可以借鑒經(jīng)典的評分卡模型，下面給出一個(gè)基于Logistic的評分卡模型的開發(fā)流程。

• 數(shù)據(jù)獲取，選取的數(shù)據(jù)主要包括線索基本信息、行為數(shù)據(jù)、標(biāo)簽數(shù)據(jù)、交易數(shù)據(jù)等；對獲得的原始數(shù)據(jù)進(jìn)行進(jìn)一步的探索，觀察樣本的總體分布情況，正負(fù)樣本是否均衡。在原始數(shù)據(jù)的基礎(chǔ)上，根據(jù)業(yè)務(wù)需求、數(shù)據(jù)性質(zhì)、結(jié)構(gòu)及內(nèi)在邏輯，對數(shù)據(jù)進(jìn)行歸類、合并、分組，最終建立數(shù)據(jù)集，這個(gè)過程可以在數(shù)倉完成。

  
  

• 數(shù)據(jù)預(yù)處理，主要工作包括數(shù)據(jù)清洗、缺失值處理、異常值處理、數(shù)據(jù)標(biāo)準(zhǔn)化等，主要是為了將獲取的原始數(shù)據(jù)轉(zhuǎn)化為可用作模型開發(fā)的格式化數(shù)據(jù)。

  
  

• 模型開發(fā)，類別變量根據(jù)類別直接進(jìn)行WOE變換，連續(xù)變量要先進(jìn)行變量分箱再進(jìn)行WOE變換，在用邏輯回歸、決策樹等模型方法構(gòu)建分類模型時(shí)，經(jīng)常需要對自變量進(jìn)行篩選，基于信息價(jià)值（IV）進(jìn)行，然后基于邏輯回歸算法訓(xùn)練模型。

  
  

• 模型評估，該步驟主要是評估模型的區(qū)分能力、預(yù)測能力、穩(wěn)定性，并形成模型評估報(bào)告，得出模型是否可以使用的結(jié)論。

  
  

• 實(shí)施優(yōu)化，該環(huán)節(jié)是模型生產(chǎn)后上線工作，包括模型部署、策略制定、模型監(jiān)控并基于監(jiān)控指標(biāo)進(jìn)行參數(shù)調(diào)優(yōu)不斷迭代優(yōu)化。

五、寫在最后

本章針對CRM線索培育篩選機(jī)制及動(dòng)態(tài)評分模型給出了相應(yīng)的解決方案，下篇文章會針對線索資源量相對較大、數(shù)據(jù)類型多樣、銷售團(tuán)隊(duì)人員多（上千人）面臨的數(shù)據(jù)流轉(zhuǎn)和銷售跟進(jìn)的問題進(jìn)行分析，并結(jié)合筆者實(shí)踐經(jīng)驗(yàn)給出相應(yīng)的數(shù)據(jù)分配和資源跟進(jìn)機(jī)制解決方案，感興趣的讀者請持續(xù)關(guān)注！

-END-