>

GrowingIO 徐主峰:构建标签和画像体系,助力零售企业数据化转型

GIO 增长团队 2020-07-17
132

大家好,我是 GrowingIO 企业事业部总经理徐主峰,自 2015 年加入 GrowingIO 以来,陆续服务了唯品会、汉光百货、喜茶、蜜芽宝贝等众多品牌零售企业。


我们发现,近一年来,很多零售行业客户都从一味关注流量和订单转化率的提升,逐渐过渡到以用户为视角的精细化运营。今天就围绕「搭建客户数据平台,助力零售企业数据化转型」为大家展开主题分享。


1,挑战之下,零售行业的新增长机会


突如其来的疫情对零售行业产生了很大的影响,用户减少的同时,受经济大环境的影响,用户的购买力也随之下降。


虽然疫情使很多零售企业的营收大幅下降,但像百果园、三只松鼠等零售企业,营收却不降反增;还有生鲜、商超等行业的线上营收占比,相比去年同期,几乎翻了一倍。


可以说,这次疫情对于已经初步完成数据化转型的零售企业来说,反而是一次机会。


目前,国内很多零售企业都在探索数据化转型的路上做了大量工作,但随着逐渐进入到数据化能力建设的深水区,基本都会遇到以下 4 大挑战:


1.数据化的思维意识不强


传统零售企业大多只关注业务数据,对数据化的思维理解比较单一。但随着整个行业的发展,零售企业在对数据化思维重要性的认知上已经达成共识,并已做好数据化转型的思想准备。


2.缺少数据化的工具


拥有数据化的工具,对传统零售企业来说具有一定的门槛,自研数据工具不太现实,但市场上能提供完整数据运营解决方案的厂商并不多,而且相应的采购和建设成本偏高。


3.未构建系统的数据化流程


零售业的数据化升级,要求对原有业务流程进行数据化改造,这需要企业真正下定决心才能推行。


4.缺少有经验的数据化团队


打造数据化团队需要长期的投入和成本。但随着行业数据化认知的升级,对懂数据、会数据的人才的需求量会逐渐增大。


以上4个挑战相互关联,不能期望单独解决某个问题。整个企业需要螺旋式地、循序渐进地加速数字化转型。


2,零售企业数据化建设“两步走”


那么,零售企业如何顺利地进行数据化转型呢?如图所示,GrowingIO 将之分为两个阶段:



数据化 1.0 阶段:构建数字化的经营分析体系


1.0 阶段的核心目标是要用数据来描述目前业务的运营状况,进而提升流量和订单的转化。


比如,活动运营,要用数据来优化和提升运营策略;站内流量分发,要用数据来提升站内的转化效率;同时要对商品、SKU进行分析,从整体上提升用户在站内的使用体验。


数据化 2.0 阶段:构建用户生命周期的数据运营


到 2.0 阶段,我们的目光就可以从流量和订单转移到用户身上,关键在于构建基于用户生命周期的运营能力。


一般,我们可以把用户分为新用户、老用户、会员用户、超级用户和流失用户。在不同的用户生命周期,用户运营的核心目标都是不一样的。


比如,从新用户到老用户,我们关注的是新用户首购的转化;从老用户到会员用户,我们关注的是通过推动老用户不断地复购来建立忠诚度;从会员用户到超级用户,我们关注的是提升用户对品牌的认知和价值共鸣;对于流失用户,我们关注的是用户召回。


这两个阶段相辅相成,我们在 2.0 阶段的每个用户生命周期运营目标下,都有可以实践和融入 1.0 阶段数字化经营分析所构建的能力。二者互相结合,共同放大运营空间和运营潜力。



在服务客户的这五年中,GrowingIO 还总结和梳理另外一套完整、可落地的不同阶段路径的建设和规划。


1.0 阶段,我们核心关注的还是流量与订单的转化,从站外获取流量、到站内分发流量,再到购买转化率的提升。


这个阶段,我们主要需要两类工具,一类是做站外流量获取的分析工具,另一类是做站内产品优化的分析工具。


2.0 阶段,我们开始关心超级用户的打造,核心围绕用户数据采集和沉淀、用户标签体系建设以及用户运营平台的建设,构建用户精细化运营的能力。


这个阶段,我们主要需要两类工具,一类是支持自动化运营策略落地的用户运营平台,另一类是进行用户数据采集、聚合以及构建标签体系的客户数据平台(CDP)。


3,GrowingIO 完整解决方案,帮助企业实现数据化增长


基于以上思考的指导下,GrowingIO 逐渐构建了一套“增长平台+业务咨询+培训赋能”数据化增长的完整解决方案,帮助和陪伴我们的客户逐渐跨越数据化转型过程中遇到的各种挑战。



增长平台是软件部分,包括客户数据平台(CDP)、产品分析、智能运营和获客分析


业务咨询服务是以指标体系梳理搭建、标签体系梳理搭建、用户运营场景咨询实施、产品优化建议等为核心服务内容的咨询服务;


培训赋能是以增长大会、增长学院、增长工作坊为主传播数据运营方法论的培训服务。



在整套增长解决方案中,核心是增长平台下的 4 个产品。上图中,蓝色的是数据平台的部分,是我们的客户数据平台(CDP);橙红色的是数据应用部分,分别为获客分析、产品分析和智能运营。


关于数据平台:


数据平台主要分为三层:数据采集层、数据处理层和基础能力层。


数据采集层的核心是采集零售企业用户各平台上的数据,以及企业内部各业务系统的数据。


数据采集层支持采集的数据主要有三类:用户行为数据、交易数据和 CRM 数据。这三类数据基本满足和支撑零售客户做用户运营的数据需求。其中,体量最大、细节最丰富、处理难度最大的是用户行为数据。


在数据处理层与基础能力层,我们把数据模型、标签计算和用户计算这些基础能力整合在一起,支撑上层各种应用的数据需求。


关于数据应用:


在数据应用的层面,我们提供了三个产品:获客分析,产品分析和智能运营。


获客分析是帮助客户的市场部门,评估渠道的投放效率,优化投放 ROI。


产品分析是面向客户的产品部门和数据部门,帮助客户做站内用户转化效率的优化并提升用户体验等。


智能运营是帮助客户的运营部门,自动化落地精细化的运营策略。



4,客户数据平台(CDP),为数据化转型奠定基础


通过以上的架构讲解可以看出,在实际落地数据化转型的过程中,客户数据平台是优化投放 ROI 、提升站内用户转化、实现精细化运营的基础和关键。


但客户数据平台(CDP)的搭建并非易事,GrowingIO 服务的很多客户在合作前都表示,数据难以采集、难以处理、难以应用等,非常头痛。具体体现在以下 4 点:


1.数据处理能力不足


- 数据来源分散、类型复杂,难以采集和聚合


- 用户行为数据量大,细节丰富,碎片化程度高


2.数据体系缺乏规范


- 数据/指标零散,缺乏统一的数据指标体系据


-数据系统点状支持,没法系统化、规模化、自动化


3.跨部门协作难,开发工作量大


- 手工取数,流程长、效果差


-无法支撑数据化运营策略


- 营销工具无法快速响应策略变化


4.不能支撑个性化、自动化的运营需求


- 业务标签不够丰富,分析不够深入,调用费时费力


- 个性化运营需求难以满足


- 营销活动效果难以实时反馈,随时调整策略


- 缺乏用户唯一标识,基于用户生命周期的分析断裂


为了更好地帮助客户解决以上问题,GrowingIO 在设计 CDP 产品时制定了三原则



1.高效集成原则。我们支持服务端、客户端、数据系统接口等多个数据来源的数据采集和数据对接能力。


2. 智能处理原则。当数据进入到客户数据平台之后,我们会通过统一的 ID mapping 能力,对用户建立同一用户 ID 并打通各来源数据,构成用户标签系统和用户画像系统的数据基础。


3. 灵活运用原则。我们搭建的客户数据平台,可以无缝使用 GrowingIO 其他数据应用产品,包括产品分析、智能运营和获客分析等,同时可以私有化部署在企业内部,灵活地和企业自建应用打通,并支持企业内部应用的自定义开发。


基于这三个原则,GrowingIO  已经为包括零售、保险、汽车等多家企业搭建了客户数据平台。客户们一致认为,GrowingIO 增长平台对它们的数据化转型帮助很大:


1. 跨平台、跨访问,建立统一用户 ID



以 GrowingIO 某汽车行业头部企业客户为例。


该客户有 30 多个用户服务系统,其中 20 多个是核心用户服务系统。这些系统在服务用户的过程中涉及到多端以及多个平台,像微信、小程序、网站等。另外,该企业还拥有多个子品牌。


面对这样一个多系统、多平台、多品牌的情况,客户需要找到一个高效的方法,把所有用户服务数据整合到一起,并构建一个完整的用户服务体系,从而实现数据化运营。


经过在市场上同类产品的多方对比,该客户选择 GrowingIO 客户数据平台(CDP),将所有跨平台访问的用户数据打通,构建统一的数据基础,并一站式承载所有的用户服务数据。满足了客户服务部门在日常服务过程中,统一用户数据,高效运营的需求。


2. 强大的标签计算能力,支撑精细化用户运营


以 GrowingIO 某零售电商行业头部企业客户为例。



GrowingIO 为客户规划了一套完整的用户运营方案。


但落地这套策略,建立在相对完善的用户数据,以及标签和分群的计算能力的基础上。


为帮助客户构建数据基础,GrowingIO 将客户数据平台部署到客户内部。整合用户数据的同时,为运营部门提供标签和分群的能力,再对接到客户内部的运营系统,对实际运营活动提供支撑。


帮助客户顺利实现了依据用户生命周期的不同阶段,匹配相应的运营策略,成功落地了完整用户运营方案,活跃用户数与转化率均有明显的增长。


3.构建更完整的用户画像,提升对用户的认知



以 GrowingIO 某地产行业头部企业客户为例。


地产行业的用户转化周期特别长,房地产经纪人大多仅凭自己的经验完成用户转化。在整个转化周期中,让经纪人通过数据,可以准确了解用户在不同阶段的购买意愿、购买偏好等,对于提升成交率十分重要。


通过搭建客户数据平台,GrowingIO 采集用户在线上所有关于房源浏览、查看的情况,定位用户的购房偏好、判断用户在不同阶段下的购买意愿等,建立用户 360 度画像。


有了用户画像后,房地产经纪人可以在关键时间点洞察用户需求、制定更好的销售策略,促成最终购买转化。


最后,我们再回到增长平台的整体架构上来,把客户数据平台和数据应用结合起来,总结一下。



在这个架构下,GrowingIO 在数据应用层会采集和产生数据,这个数据经过沉淀可以汇总到客户数据平台中,同时客户数据平台对数据进行加工处理,进行价值放大,反哺数据应用,形成价值闭环,从而帮助零售企业客户完成数据化建设的升级,并赋予企业数据运营落地的能力。


这是 GrowingIO 构建增长平台,以及其中的核心产品——客户数据平台的目标,也是 GrowingIO 希望能够给客户带来的价值。


今天的分享就到这里,谢谢大家。




 GrowingIO 客户数据平台( CDP )


GrowingIO 客户数据平台(CDP)通过整合跨平台、多类型数据,帮助企业构建以用户为视角的数据池,搭建用户标签和画像系统,提供从数据采集、整合、分析到自动化运营的一站式用户运营闭环,发掘业务增长点,快速落地企业数据化转型。


点击此处 领取 15 天免费试用!