B2B营销平台搭建实战（三）：基于营销数据中台的精准营销体系

搭建完核心链路的营销渠道系统和Leads管理系统，我们已经支持市场运营从多个渠道收集Leads、进行简单的清洗分层、将高质量Leads直推销售了。

以笔者团队的业务为例，平台上线第一年，Leads数提升500%，效果显著。

P.S. Leads数提升的原因是多方面的，一是活动搭建更容易，运营有精力做更多的活动；二是之前官网上很多流量是浪费的，现在通过内容营销尽可能做了沉淀；三是广告和市场策略的变更，这个话题以后有机会详细写。

Leads数提升，市场团队皆大欢喜，但销售转化率一下子降低很多，销售团队抗议了。经过几方沟通，当前的问题如下：

1）缺乏Leads成熟度判断

Leads数大幅增加，即使经过机器清洗和人工清洗，仍然超出了销售团队能承载的范围。有时候销售联系客户，发现虽然客户质量不错，但只是在兴趣阶段，远未到采购阶段，占用了销售精力，错失真正有购买需求的客户。

2）缺乏Leads聚合评分

客户每次留资都会生成一条Leads。Leads的定义是事件维度，而非“人”的维度。同一个客户，1月1日参加了线下活动，1月2日点击了营销邮件，1月3日参加了线上活动，1月4日下载了官网白皮书。

这4个行为会分别生成一条Leads，独立清洗分发。单条Leads貌似质量不高，但综合全部交互行为，已经是非常优质的Leads。从事件维度评估Leads质量容易造成错判。

3）缺乏完整客户画像

销售收到Leads推送，往往是“该客户参加了XX峰会，请联系客户”之类的信息。殊不知这个客户之前已经线上线下多次留痕，需要以“客户完整画像维度”而非“Leads事件维度”向销售下发，增强销售对客户的了解，提升销售转化率。

因此，建设一个基于One ID体系的营销数据中台，支持精准投放、精准评分、精准孕育、精准分发，已经迫在眉睫。

一、营销数据中台产品架构

1）One ID同人体系

营销数据中台的基础是One ID体系，从大到小分别是EID（Entity ID，实体ID）、CID（Company ID，公司ID）、PID（Person ID，客户ID）、LID（Leads ID，线索ID），此外还有UID（User ID，用户账号，官网注册或者签订合同时生成，UID生成后，UID=PID）。

以笔者团队的实践为例，营销数据中台的搭建是以PID为核心的。One ID体系详细介绍见3.1。

2）数据中间层

基于PID，我们能从纷杂的系统和底表中，抽取出一套数据中间层，包括：

• 客户的公司信息：公司名称、所属行业、公司规模、融资阶段等；
• 客户的个人信息：电话、邮箱、姓名、职位等；
• 客户的交互行为：参会行为、邮件打开/点击行为、白皮书下载行为、联系销售行为、网站浏览行为等。

3）数据应用层

在数据中间层系列底表的基础上，搭建数据应用层，包括客户标签、客户圈选、客户评分、客户画像等，最终支持精准化的业务场景。

二、营销数据中台业务定位

营销数据中台通过对客户数据的整合处理，横向支持核心链路各环节业务，提升各环节转化率。

1）支持官网千人千面的精准投放

没有营销数据中台前，所有客户打开官网看到的是一样的内容。有了One ID体系，只要客户浏览过网站（记录cookie id），或者报名过活动（cookie id和leads id绑定），再打开官网都可以看到一些定向投放的营销内容。

以笔者团队的实践为例，精准投放可提升官网核心资源位点击率高达30%。

2）支持Leads精准孕育

运营给客户发短信、发邮件，不需要再群发，而是精准圈选目标人群定向发送。不仅减少对无关客户的打扰，还可以提升邮件和短信的打开率。以笔者团队的实践为例，精准孕育可提升营销邮件点击率达12%。

3）完整客户画像赋能销售

销售不再接收单条Leads，而是接收客户完整属性和交互时间轴，加强对客户的了解。这部分效果很难用数据衡量，提升销售转化率的因素过多，考虑用客户画像页面的UV/PV衡量。

三、营销数据中台功能设计

1. One ID同人体系

很多人会挑战，为什么要做EID – CID – PID – UID – LID这么复杂的ID体系，说好的One ID呢？

首先，CID – UID – LID体系，是大部分B2B公司的标配。CID用于识别公司，UID用于识别账号/合同，LID用于识别单条线索。

但实际业务中可能面临CID过多。以宝马为例，可能会有宝马中国、宝马华东、宝马华南等几十个CID，这些CID间需要一定的联系，规范折扣、合同、供应商等，避免销售恶性竞争。EID（实体ID）应运而生，一个EID下面可以挂多个CID。

PID的诞生原因前文已经写过，营销获客和孕育，需要从“人”的维度，而非“获客”的维度。在生成账号（UID）前的满满培育长路，需要从“人”的维度进行多方数据关联。

2. 整合客户属性和行为的数据中间层

数据中间层由客户的公司信息、个人信息、交互行为构成。表结构的设计需要和BI讨论，精心规划。以笔者团队的实践为例，写一套思路。

首先有一张表，记录以PID为主键的ID关系。

其次需要记录以PID为主键的个人信息，和以CID为主键的公司信息。

最后需要建设以LID为主键的多张行为表。不同的行为，属性字段肯定不一样，但需要尽可能规范部分字段，为后续的结构化圈选和评分打好基础。

比如所有的行为表都需要有event_type和event_time字段，event_type在邮件打开行为时=email_open，在浏览行为表时=web_visit，在白皮书下载行为时=whitepaper_download，以对不同的行为做聚类。以邮件打开行为为例：

3. 基于客户匹配度和兴趣度的二维评分模型

当我们获取了一个线索，与客户联系的时机是很微妙的。如果销售联系的过早，客户尚没有购买意向，可能觉得是一种骚扰；而销售联系的过晚，可能又会失去这次机会。那如何把握这个尺度呢？我们通过一个二维评分模型，对客户的匹配度和兴趣度进行打分。

1）匹配度Fit

对客户的公司属性和个人属性打分，比如可以给公司规模大于1000员工的公司加20分，给融资阶段>D轮的公司加30分等，分值越高，代表客户自身的属性和我们的目标客群越接近。

2）兴趣度Interest

对客户与我们的交互行为打分，比如可以给近3个月内打开2次营销邮件的客户加10分，近半年内访问过官网的客户加20分等，分值越高，代表客户对我们的兴趣度越高。

通过追踪不断变化的分值，市场运营可以调整孕育和分发策略。比如客户评分达到60分，就推送到CRM分发给销售，没达到60分的留在孕育池中不断培育，持续低于某个数值的作为低质量留资抛弃，全程通过跟踪转化效果持续优化评分模型。

以客户评分形成产品闭环，持续优化营销系统的获客、孕育、转化策略。

4. 客户圈选

客户圈选的目标是支持运营通过已知的客户属性和行为数据自定义客群，简单说就是支持不会SQL的运营在UI界面通过拼接已有标签和组合行为数据捞取目标人群。

这个功能的应用场景主要是以iframe形式嵌入到其他系统，提供人群圈选能力。比如在官网定向投放策略的配置阶段、营销邮件发送的配置阶段等，调用客户圈选能力，支持运营实时查看该条件的圈选人数。

以邮件发送为例，运营发送推广产品A的营销邮件时，在配置的最后一步，需要支持运营拼接“近7天内打开过邮件标题含产品A的人 or 近30天内浏览过官网url={1,2,3}的人 or 近7天内加购过产品A的人”，实时显示圈选出2300人。运营可对这2300人定向发送产品A的营销邮件。

5. 客户画像

在数据中间层基础上搭建客户画像比较容易，只需将属性信息排列展示、行为信息以时间轴形式展示即可。既支持以iframe形式提供给营销平台内其他系统，也支持直接提供数据，由其他系统自行拼装页面。

需要注意的是数据安全问题。客户画像集成了大量客户隐私数据，数据权限需要严格控制。比如销售不可查看非自己库内的客户数据，比如敏感信息脱敏展示，比如画像页面加载工号水印，比如读取需要日志留痕等。

四、总结

营销数据中台是赋能精准营销、提升各环节转化率的重要系统。营销数据中台以One ID体系为基础，通过One ID将客户的属性信息和交互行为从离散的系统、纷乱的底表中抽取出来，组成营销数据中间层，以支持客户评分、客户画像、客户标签等数据应用，为营销获客、孕育、转化的业务流程提供数据支持。

本文作者 @车厘产品笔记

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！