外部驱动力之客户篇(五):全方位认知客户

零基础学产品,BAT产品总监带,2天线下集训+1年在线课程,全面掌握优秀产品经理必备技能。了解详情

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open 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职业信息四类。

  1. 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。
  2. 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。
  3. 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。
  4. 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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。

  1. 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。
  2. 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。
  3. 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。
  4. 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,例如像今日头条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。

  1. 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。
  2. 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:

  1. 分享到这,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。
  2. 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。

相关阅读

企业数字化转型:全民超人时代客户的七个特性及应对之道

外部驱动力客户篇(二):应对用户需求的四个要点

外部驱动力客户篇(三):聚焦一切关联需求

外部驱动力之客户篇(四):以客户为中心经营模式的五大挑战

 

作者:李有龙,公众号:IAB物智链

本文由 @李有龙 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

评论
欢迎留言讨论~!
圈子
关注微信公众号
大家都在问