如何打造私域流量:构建流量池首先需要一个“数据池”

“流量池思维”的火爆,打开了每个运营人对于流量的关注。运营人如何用好流量池思维?如何构建流量池?本篇文章中,笔者对这些问题分享了自己的思路与看法。

如何打造私域流量:构建流量池首先需要一个“数据池”

流量池思维的横空出世,迅速替代了“增长黑客”,被奉为营销界流量玩法的新宗旨。随后,一阵疯狂的科普浪潮席卷了朋友圈和看一看,在对流量池有了初步的了解后,大家也都四处寻觅构建流量池的方法。

流量池一曰数据二曰运营,要达到运营、发掘数据价值、带来更多流量的目的,需要数据基础+强而快的系统。本期我将就 “构建数据池”分享一些思路。

一、企业为什么需要数据池?

企业或多或少都有自己的客户数据,但他们却很难回答“我们拥有哪些数据”“我们掌握的数据能够反映客户的真实状况”以及“不同部门使用的数据维度是否一致”这些问题。

1. 我们可以一起来看看,企业都拥有哪些数据?

第一方数据

  • 交易订单数据:从ERP、CRM、电商系统中产生的各类交易信息。包括卡券、订单、购物车、退换货订单。
  • 行为数据:客户在微信、网站、App、小程序等各类第一方触点上产生的大量行为数据。比如关注微信,提交表单,访问页面等等。
  • 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。
  • 外部工具产生的数据:现代营销依赖于非常多的外部工具,比如报名表单、邮件、微课堂、微店等系统产生的大量数据。

第二方数据

  • 合作系统传回的数据:如邮件、短信在发送后,客户是否有阅读、点击等。
  • 合作媒体数据:广告投放、视频、门户、垂直媒体等提供的数据。

第三方数据

  • 第三方数据供应商提供的数据,如数据平台,运营商等。

2. 企业都把数据放在哪?

每个业务部门依赖的是客户数据的不同方面,他们都有自己的运用场景。销售部门依赖于CRM(客户关系管理平台),售后部门主要看客服系统,市场营销部门关心微信平台,数据分析团队使用数据仓库或者客户行为分析工具。

各个部门都有自己的主系统,每个系统关注点不一样,针对的也是不同阶段的客户,那么看到的东西当然也是不一样的。

就好像盲人摸象一样,每个部门看到的只是自己关注的部分,而不是客户的完整情况。不同部门使用的工具都各自产生新的、孤立的、片面的客户数据,无法快速同步。

割裂的数据为运营造成极大的挑战。

举个例子,某企业想做个客服小程序,结果发现Billing数据在ERP中,订单信息在电商系统中,行为数据在网站后台。尽管他们要做的功能非常简单,但企业却需要三个开发人员从三个不同的系统中取值。

好不容易搞懂了不同系统的取值规则之后,还需要写大量逻辑去合并。然后,下次再做另一个小程序的时候,又得把以上步骤再重复一遍……

因此,企业需要一个数据池作为基础,保障后续的流量运营。需要明确的是,数据池它不是一个产品,你可以将它理解为企业的一类数据资产。

二、我有其他的数据工具,可以将其作为数据池吗?

答案是,不行。

1. “行为分析工具” 可以成为数据池吗?

很多人都会问“行为分析工具”也会收集客户行为数据,也会提供可扩展的数据结构。那么“数据池”的区别在哪里?其核心区别在于数据的粒度。

比如,企业有多个App。“数据池”存储的时候,会按照不同的App分门别类,将数据存储在一起。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。

2. “数据湖”可以用作数据池吗?

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,并且可以大规模统一,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,所以数据湖对于不懂IT的人来说很难使用。

“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

没有较为完整的全渠道数据,会使运营受阻,因此企业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。

这样就可以让数据在各个系统各个部门之间流动,从而打破公司的“部门墙”,让每个人都可以对客户有全面的了解,同时也有助于建立公司基于数据、基于事实说话的文化。

进而节约开发成本,提升运营效率,让团队更专注。

2. 数据归一化处理

各种重复记录、字段缺失、跨系统数据值的不匹配,一直是困扰运营的问题。

因此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

以上两步可以说是数据筹备阶段,接下去就应该是数据洞察阶段。

企业可以将收集到的零散的客户属性、行为数据转译成标签,为每个客户打上独一无二的“烙印”,比如他们最喜欢的产品类别、购买频次等等,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,企业还可以根据自定义业务条件进行标签分组,这样就能在与客户沟通时候,知道应该说什么,为客户提供独特的体验。

4. 管理完整行为数据

客户的行为数据可以为客户画像进行良好补充。随着客户与企业互动渠道激增,知道客户的喜好往往还不够,有时可能还需要知道客户行为发生在何时,从而更精准地对症下药。

企业可以通过捕捉客户的完整行为数据,敏锐洞察客户意向, 基于不同阶段制定运营策略,充分挖掘客户生命周期价值。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、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。

本文由 @Linkflow 原创发布于,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

(0)
小多多的头像小多多创始人

相关推荐

发表回复

登录后才能评论