数据分析对 To B 类企业的价值、瓶颈与实践

乔一鸭
+ 关注
2021-04-01 16:05
934次阅读

企业服务模式是一种全新的商业模式,不只是把软件、服务搬到网上那么简单,它意味着我们和客户之间的长期伙伴关系。企业服务的本质在于:了解客户和真实业务诉求,并为其提供优质的产品与服务,帮助其走出复杂商业环境中的发展困境。

数据分析对 To B 类企业的价值、瓶颈与实践

 

这对供职于企业服务的产品经理、运营人员、市场人员来说,提出更高的要求,因为他们需要从客户成功角度去重构整体业务。通过围绕“以用户为中心”的数据分析赋予了企业小伙伴们一定的便利,他们希望通过数据分析解决以下问题:

  • 如何以较低的成本获取高质量的客户?

  • 如何快速判断线索跟进优先级,有效提升销售线索转化率?

  • 如何诊断易流失客群和高价值客群,实现客户全生命周期支持与管理?

  • 如何根据数据提供优质的客户服务,增强客户黏性,保障客户续约率?

  • 对于 B2B2C 类型的客户,如何提供给 B 端客户自有业务运营情况数据?

实际在实际着手这件事的时候,不难发现有需要难以解决的问题与挑战,例如:

  • 数据孤岛:前端行为数据和线下、CRM、ERP 等后端业务数据无法打通

对于企业管理者而言,了解各个推广渠道,分别带来的流量和用户量是多少,每个渠道带来的用户的后续转化和留存情况如何,是最基本的诉求,但是我们最终关心的转化不仅仅只限于注册,我们希望了解到该批线索用户有没有转化为客户,有没有最终付费。

遗憾的是,大部分企业的现状是,营销推广数据与企业 CRM 系统没有打通,所以就不能衡量每个渠道最终真正完成付费转化的有多少,从而不能筛选出最优质、ROI(投资回报率)最高的推广渠道,优化营销投入产出比。

  • 产品功能复杂,动辄上千个埋点,不知如何定义和管理数据模型

企业服务相较电子商务、互联网金融等行业而言,由于产品功能复杂,涉及产品模块众多,经常会出现埋点无序混乱、数据采集缺失,而且这整个过程会涉及两个用户主体,一个主体是用户,一个主体是企业,那么如何设计数据模型更有利于分析就是一件令人比较头疼的事了。

  • 跨部门、多业务线数据完全独立,无法全局分析

To B 类产品一般会有多条业务线,涉及团队和业务线人员众多,如何将多条业务线整合统一在一个平台进行分析,满足不同团队不同人员按需提数,而不是给开发提出需求后,排队等排期,就显得很迫切了。客户的整体情况及健康度、渗透率等基础分析都依赖于多条业务线统一分析。

 

以 A 公司——一家提供移动 CRM(客户关系管理)系统软件的企业服务商为例。同样,A 公司同样是坚持以客户为重,希望对客户获取、潜客线索管理和优化以及客户服务等业务流程进行持续优化,从而实现整体经营绩效的提升。A 公司的一些尝试值得借鉴。

一个埋点事件支撑 5 条业务线 21 个团队数据分析需求

我们知道,企业服务类企业成功的关键是促使企业用户活跃,提高企业客户的留存,降低企业客户的流失,所以 A 公司需要对企业的健康度做一个比较全面的分析,及时发现健康度不佳的企业。

A 公司一直关注活跃的企业数和员工数有多少,以及每天的变化趋势;并进行企业质量的衡量,如平均一个企业中有多少个用户使用,在线的员工占企业开通员工的比例。

A 公司一共有5条业务线,任何一个业务线的大多数操作请求都会触发一条后端业务请求,这个过程会涉及 3000 多个接口,在任何一个接口被调用,那么需不需要设计 3000 多个埋点事件呢?

A 公司通过设计一个事件通过属性的扩充去覆盖所有请求。首先,梳理所有的接口,如果接口设计的很规范的话,就能够按照一定的清洗规则对接口进行切分,最后将 3000 个接口数据清洗转化为一个埋点事件,它具有的属性有员工 ID、一级分类接口、二级分类接口、具体接口名、产品版本、Event_value 、FullAction 等。其实,结合丰富的用户属性,如企业 ID、企业名称、企业规模、企业分组、企业付费类别、企业一级行业、企业二级行业、注册时间、开通时间、代理商 ID、企业开通账号数、购买账号数、独立用户 ID 等。通过事件属性和用户属性的交叉分析,实现对企业的精细化运营。

如此上千个事件整合为一个事件再配有详细的属性就可以解决了。每个业务线每个团队的人员只需要按照自己业务线的需求灵活配置出自己想看的企业指标数据就可以了。

打通 CRM 和数据分析平台, 快速判断线索跟进优先级

由于来自营销渠道的线索量大,CRM 系统通常记录客户基本情况,如公司名称、跟进状态、联系方式及客户所在地等;销售团队往往通过电话第一时间去判断客户需求、购买意愿,至于每条销售线索的处理优先级、哪些需求紧急、客户赢单的可能性大小,较难进行快速和客观判断。

这或许是对于任何一家有 CRM 服务的企业都面临的问题,这家公司通过判断销售线索的跟进情况来判断优先级,比如 SaaS 公司产品 Demo 的注册、使用等行为数据,引入企业 CRM 系统,辅助销售进行快速判别。

数据分析对 To B 类企业的价值、瓶颈与实践

CRM 系统客户基本情况(图片来源:神策数据)

以自身的产品为例,假设,A 公司非常关注用户在 Demo 上,“A 功能”、“B功能”、“C功能”、“D功能”、“E功能”等核心功能的使用情况,于是创建一条虚拟事件,如图所示。创建好后,通过后端 API 采集的方式将该条事件的计算结果(总查询次数)传入 CRM ,从而辅助销售团队去查看产品试用情况、快速判断用户需求和销售切入点。

1、优先联系总查询次数高的客户

如果客户的核心功能使用次数或总查询次数从申请试用后,一直保持一个比较高的趋势的话,说明这个潜在客户转化的可能性比较高,销售团队会高优先级联系这批客户。

2、根据最近登录时间判断客户的使用动态

优先选择最近登录时间比较靠前的客户,对于沉寂的客户,可以放低优先级,如果某个客户在沉寂一段时间后,某一天突然登录了,这时就可以及时跟进该客户,尽早掌握客户动态,确保最终的转化。

后来,销售人员在拿到有价值的信息后,有针对性跟进,在策略实施一个月后,销售线索的有效线索转化率提高了 6%,间接提高了最终的赢单率。

除此之外,通过客户分层管理,可以构建企业画像,实现客户全生命周期的支持与管理。

伴随企业服务全流程数据应用的启动阶段、粘性阶段、增长阶段和营收阶段四个阶段,每个阶段企业的关注点有较大差异,业务不会揭示问题,用户行为会揭示问题。用户行为为企业服务增强客户黏性、提升客户满意度,构建用户为中心,保障客户续约率和提升 NPS(净推荐值)有着不可低估的价值。

作者:张乔,神策数据内容营销高级经理,用户行为洞察研究院负责人。

 

如果您想了解更多BI干货知识,欢迎访问36氪企服点评!

[免责声明]

原文标题: 数据分析对 To B 类企业的价值、瓶颈与实践

本文由作者原创发布于36氪企服点评;未经许可,禁止转载。

资深作者乔一鸭
0
消息通知
咨询入驻
商务合作