作者：wisehuang 腾讯CDG产品经理
近期开始接触SCRM系统相关的业务，从中接触了“用户线索”这一名词。
它与用户特征、用户行为事件、用户画像非常近似，我也有些混淆。
定义不明，没办法回答其定位与应用场景，更无法进行项目推进以及产品规划。
在缓慢思考的1个月里，思路总算略微清晰。
思路从用户线索的应用平台、定义展开，再由生命周期发散，加深对这个词汇的理解。
01 用户线索的应用平台
用户线索这一名词，发源于线下销售的过程，线上主要应用于SCRM系统之中。
在设计系统的子功能前，应先认识其应用平台。从应用平台的核心功能出发，理解子功能的定位。
1）CRM是什么？
认识SCRM之前，先认识CRM，然后再理解它们之间的差异。
CRM的中文名称是客户关系管理，它是一种客户资源管理及运营方法。通过信息技术帮助企业识别、发展、维护以及服务客户，提升企业收入，并提高户满意度和忠诚度。
YK，公众号：goYangKun漫谈CRM体系化建设1 – CRM与客户管理综述
基于CRM系统的侧重点进行分类，能够粗略地划分MCRM、OCRM、SCRM、ACRM。
Marketing CRM，侧重于运营、营销的自动化，对应企业的运营团队。Service CRM侧重于服务的自动化，对应企业的售后团队。这两者覆盖了用户售前、售中、售后的三个阶段。
而Operational CRM，则侧重在销售自动化，对应企业的销售团队。
这样划分的原因主要有两点：
第一点是组织架构的划分，大多数企业的运营、销售、售后团队是分离的；
第二点是融合性的产品实现难度大、成本高，要将运营、销售、售后的所有需求整合，对产品架构能力要求非常高，实现的周期也非常漫长。
这三个系统的核心功能是相近的，主要为识别用户、运营用户，并追踪效果。只是不同团队的目标用户、运营手段以及监测的数据具有差异，衍生的运营工具也有所不同。
而用户线索则在识别用户环节，是一切的开始。
2）SCRM的S是什么？
近些年，伴随CRM被提及更多的是SCRM，这个S与上文所述不同。指的是社交、简单高效以及智能。
SCRM的全称为社会化客户关系管理，核心在于Social — — 社交。
根据CNNIC的2021年中国社交媒体市场分析报告，2020年2月中国网民规模已经达到10.8亿，随着互联网覆盖广度和深度的提升，流量也变得越来越难以获取。
即使是四五线城市，衣食住行的相关服务，也逐渐的从线下转移至了线上。
用户获取成本的增高，再加上即时通讯app的兴起，使得大多数人的眼光瞄准了即时通讯。
这种模式以前称之为微商，现在叫做私域，不同的企业也逐步借助企业微信等工具，侵占了我们的聊天窗和朋友圈。
根据极光发布的《2020年Q1移动互联网行业数据研究报告》，即时通讯类APP在2019年APP平均使用时长中的占比超过了25%，而占据榜首的微信也成为了销售人员和服务人员展业的重要工具。
Simple，解读为简单、高效。流量红利的消失，规模化的愈发困难，企业的经营策略也从开源转向节流，开始注重效率和成本。
Smart，指的是智能，它来源于科学技术的发展。一方面是自动，使得更多的工作能够让系统承担。另一方面则是推荐和个性化。
从这3个定义看，高效、智能意味着关注线索的价值和精确度，需要帮助一线人员更容易促进成交，提供更好的服务。
而社交，则意味着要考虑一线人员要采用什么样的渠道与用户沟通。
3）CRM和SCRM的区别
了解了CRM和SCRM，才能够回答2者区别。SCRM在CRM的基础上，融合了社交。
但2者的目标是一致的，都是通过更合理、高效的管理和运营客户，提升用户的生命周期价值，所以结果指标上2者并无太大的偏差。
而融合了社交，与用户的沟通方式由单向转为了双向，由触达、电话的单点转为了互动。基于此，在探询用户成交的过程，还会增加类似客户互动率的相关指标。
02 用户线索的定义
用户线索，应用在SCRM系统，服务于识别用户环节，它代表着一次营销或服务机会。
对比原始数据，它是高价值数据的组合。帮助一线的销售或售后同学提升服务人效及转化效率。
服务线索，将售后同学的工作模式由被动接受电话或IM进线转变为主动服务。销售线索，帮助销售同学减少挖掘用户的时间，让其将精力放在促成交环节。
但同样是识别用户，它和用户特征、用户画像又有哪些区别呢？这个问题，从数据定义、数据价值、使用方式三个维度来解答。
1）数据定义
从数据类型来看看，特征和线索是数据的组合，而画像是数据的集合。
年龄大于25岁，是一个用户特征。而“年龄大于25岁”加上“每日工作时长超过12个小时”这两个特征的组合，则可以称为大龄社畜青年。
而用户线索不仅是特征，它还是事件和特征的组合。
从时效性看，事件更多的是实时触发，而特征多为离线清理。前者是开始，而后者是结束。比如说：“我今天乘坐了地铁”和“地铁出行用户”。
用户画像则是多维特征的集合，由基础属性、地理属性、社会属性等一系列不同维度特征呈现用户或者群体特点，从而进行分析工作。
2）数据价值
组合的目的，是为了更高效的使用数据。
从数据价值层面看，用户特征的目标性较弱，不会特别在意数据价值，它主要解决从无到有的问题。
而用户线索由于应用方主要是销售和服务同学，其目标聚焦在如何将用户转变成客户以及如何让用户、客户不流失，希望潜在用户能够更靠近成交，希望服务的能够更为及时。
地铁出行用户这样的特征是无法准确销售和服务的。
而如果是“我今天乘坐了地铁”，看了手机的“车辆降价广告很久”，“我没有车”但是“月收入能够支持车贷”这样的数据组合，就能够比较清晰的制定运营策略，从而进行服务或销售了。
3）使用方式
在使用方式上看，线索和特征是“圈选->运营”的步骤，我们明确知道要对什么用户进行运营。
而用户画像则会额外经过分析过程，即“分析->圈选->运营”，它偏重于经过分析结合数据模型后进一步制定运营策略。
03 用户线索的生命周期
明晰概念，规划才能够清晰。
在进行产品规划时，可以从事物的流转过程及状态着手。思考用户线索提供给销售和服务人员的前、中、后分别有哪些阶段，以及每个阶段需要做什么样的事情。
完整的流转过程，也是用户线索的生命周期。由此可以制定最小可执行版本，然后再有序、有效的进行产品规划以及迭代。
1）线索收集
线索的收集和数据的整合并没有太大的区别，目标是数据越多越好。
数据量越多，意味着客流量越大，在10000个人经过的道路开便利店和在1000个人经过的道路开便利店，两者每日成交的概率是不同的。
其次数据维度越多，意味着给运营人员决策和分析的维度越多，我们不仅能基于性别采购商品，还能基于年龄、收入去采购商品。
而分析也是相同的道理，样本量大分析的结果代表性更高，决策的风险更低；维度多，分析的角度也更多。
在这一阶段产品同学的考量是，基于不同的数据来源，协助研发同学设计统一的数据上报规范。
对元数据进行可视化的管理后，再依据不同业务对数据的时效性要求提供服务。
功能上可以参见数据集市，在这里就不过多展开了。
2）线索清洗
这一环节，主要包含了数据落库后的清洗、过滤、去重、合并4个步骤。
清洗指发现并修正数据中可识别的错误，包括检查数据一致性，处理无效值和缺失值等。
而过滤步骤主要面向运营，不可运营的用户是不具备价值的。这里的运营指的用户拥有能够被触达、互动的数据。
如：具有实名手机号特征，能够进行电话外呼；具有添加企业微信且未删除特征，能够使用企业微信与用户互动；具有公众号openId且关注公众号，能够通过公众号发送模板消息。
除了渠道触达的数据，当然也还包含防骚扰、红黑名单等过滤维度。
去重及合并的概念，关于数据上的理解可以查阅的这篇文章:《Tableau基础·如何合并你的数据？理解与逻辑（上）》，Tableau已经描述的非常全面了。
从业务角度的理解，合并及去重是为了减少冗余数据，保障名单数量。
一线人员每日收到的名单是有限的，重复的名单数据会使销售基数虚高，所以我们需要进行合并以及去重。
当意向客户分配给销售人员后，会有一定的保护时长。这段时间内，这名用户不能被其他的销售人员二次销售。
当保护期内这名用户产生新的行为时，我们需要将它的数据合并到已分配给销售人员的用户中，从而保护名单。
3）线索组合及评分
线索的组合，可以是特征间的组合，也可以是事件与特征的组合，这部分在前文已经有了比较全面的描述。
产品同学在这一环节设计的是“用户圈选”功能，其包含了实时事件及离线数据的融合、数据的提取频次、数据的交并差等。
产品参考上可以体验易观方舟、神策数据，在此同样不进行展开。
理解线索评分可以从线索的目的出发：提升服务人效，避免被动等待用户，节省寻找用户的耗费时间。
而评分则是进一步的过滤方式，它也决定了后续的分配规则和转化效率。
评分高的线索更多的分配给处理时效快、转化效率高的销售同学。
其次，也依据评分帮助一线进行优先级及时间管理，将更多的精力投入至高质量的线索之中，降低其无效投入。
4）线索下发
线索下发，回答的问题是：用户分配给谁、分配多久、以及分配后应该怎么样做。
分配策略则指的分配给谁，各自分配多少比例，上限又是多少。分配后，什么时候会失效。线索的有效期能够帮助我们监控跟进过程，以及制定释放流转的规则。
运营策略指的当销售或服务人员接收到用户数据后，应该采取什么样的操作步骤展开销售和服务，每个操作步骤也会关联运营人员建议的沟通方式以及内容。
5）线索跟进
上图中，仅体现了线索跟进的正向流转过程。
实际上，在意向确认后可能直接进入商机转化，又或者直接进行服务转交。
确认用户意向后，基于成交意愿执行不同的运营步骤，对于暂无成交意愿的客户目标是建立联系，进行用户关怀及教育。而如果有成交意向，则进一步采集诉求，进行商品的推荐。
而在成交后，则通过服务不断提升用户的信任感，以期从服务中再次发现成交的机会。
在这个阶段产品应该考量的是，线索应该怎么流转到下一阶段，什么时候又应该释放回到公海。
6）效果追踪
效果追踪，在设计上会涉及业绩的匹配方式，依此进行佣金结算、排行激励及报表分析。
在这一环节中，简单介绍用户自识别至成交的漏斗，其定义如下：
- 名单总数：线索组合后的用户总数
- 下发成功数：经过防骚扰屏蔽、红黑名单或运营策略过滤后下发成功数量
- 互动数：下发给销售或售后人员后，用户响应的数量
- 意向数：响应用户中，有成交意向的用户数
- 成交数：有成交意向的用户中，最终成交的数量
- 复购数：成交的用户中，二次购买的数量
上面的每一步还有更为详细的拆解方式，杨堃老师的文章《以在线教育销售CRM为例，谈谈业务大盘拆解优化的六步法》已经描述得非常全面，有兴趣的朋友可以进一步阅读。
近期热文
【漫谈】用户画像：方法论与工程化解决方案
损失函数漫谈
QQ浏览器：小说召回中的DSSM模型优化实践
让我知道你在看
