怎样做好CRM系统的数据运营？核心在于线索数据的运营和管理。一起来看看作者的分析。

CRM运营核心，在于线索数据的运营和管理。

从CRM的线索来源进行分类，一般会区分为两大类型线索：离线数据线索和实时数据线索。

离线数据线索主要来源于企业沉淀的数仓数据，通过历史归纳出的客户标签、客户分群，经过规则筛选后，可以生产出客户离线数据线索。

实时数据线索主要来源于用户的实时行为。通过统一的埋点平台，收集来自企业内部的各个子系统的客户端埋点和服务端埋点信息，然后再根据规则生产加工后，产出实时数据线索。

一、数据的接入

线索的产生依赖于数据。大型企业内部一般都会有很多套系统，通过系统和系统的配合来去完成企业的商业目标。这样虽然能够提升企业的效率，但是也因此导致客户的数据分散在企业的各个系统内，CRM系统想要获取这些数据，就需要通用的数据接入规则。

常用的数据收集方式包括埋点数据接入和数据库数据接入。用户端产生实时行为或服务端有实时行为，都可以根据规范上报到埋点平台，再由CRM去消费这些行为事件数据。同时，企业各个模块的系统数据，也可以同步到数仓的Hive、MySQL、Oracle，这样可以打通企业内部的数据壁垒。

基于这些数据信息，CRM就可以将这些数据加工成客户线索。

二、元数据

不管是用户的数仓的数据，还是实时埋点数据，每一条数据都包含了很多元数据信息。

元数据的类型主要有：行为事件、事件属性、用户属性、物品属性。

行为事件，往往会包括用户行为事件和系统行为事件。用户的行为事件一般是取自客户端埋点数据，举例：点击浏览、加购、生成订单、支付、发起退款等。系统行为事件一般是取服务端埋点数据，举例：支付失败，核保失败，风控砍单退款，自动分配等，这些都不是用户端发起的行为事件。

每个行为事件都不是孤立存在，必然伴生了很多和行为相关的衍生信息：行为发起者的信息”用户属性”,行为自身的”事件属性”，行为的目标对象的“物品属性”。

用户属性包括：年龄、性别、地域、收入、职业等信息。

事件属性包括：访问设备、时长、IP、事件的场景、来源渠道等。

物品属性：物品的定义，可以是商品，也可以是订单或者其他的系统对象。物品属性包含：商品型号、类目、价格、库存等。

元数据信息，陈述的是一个客观事实，不会有对用户偏好性的判断。通过行为事件、用户属性、物品属性、事件属性的组合，我们就可以组装出一个单体的独立的行为事件A。

2024/4/9 21:21，一个30岁的北京地区的男性用户（用户属性）通过苹果手机在抖音渠道的电商商城（事件属性）浏览了（行为事件）型号为XXXX价格是8000元的西门子冰箱的商品详情页（物品属性）并停留了60秒（事件属性）。

三、用户分群与用户标签

之前说了，元数据信息陈述的仅仅是一个客观事实。但是基于这些客观的元数据，我们可以基于规则或者算法，判断出用户的浏览偏好、购买偏好、用户价值等信息，并将这些信息加工后归纳为用户标签与用户分群，沉淀为企业的数据资产。

比如，用户甲，年龄30岁，在最近30天内，有过30笔价格2000元以上的酒店订单。那么，我们其实就可以根据这些信息，将这个客户归纳为“高净值”、“偏好酒店住宿”、“男青年”。

很多产品经理不太能够分清用户分群和用户标签的区别，因为在实际应用场景下，好像这两者使用起来差别不是很大。但两者的确是有本质的区别的。

用户标签是我们基于用户的元数据归纳出的用户特征数据。即便是在同一个业务场景下，用户的标签也是可以重复的。比如说，一个用户他既喜欢苹果，又喜欢梨子，又喜欢菠萝，那么，在水果的偏好场景下，他可以同时拥有这三个喜好的标签。

而用户分群则不同。用户分群会基于一个维度，把目标人群划分为不同的群体。他有一个非常重要的原则，就是“相互独立，完全穷尽”。以用户性别进行分群，一个人要么是女的，要么是男的。他不可能既是女的，又是男的，所以同一个维度下，一个人不可能同时存在于两个分群内。

四、客户线索

当我们收集到用户实时埋点数据、数仓数据后，我们掌握了比较丰富的用户数据了，但是知易行难，如何将我们掌握的客户数据，转化为客户线索，是线索管理中最重要的一步。

纯粹的离线数据的筛选相对比较简单，通过设置定时的任务，批量去数仓，根据客群、标签等维度，捞取数据并同步到CRM。

实时的客户线索数据，不仅要考虑用户的实时行为，往往也会结合数仓数据进行筛选。比如上面提到的用户行为事件A，用户有“购买力强”“消费意愿强”的用户标签，那么我们可以把“浏览商品“作为触发事件，“冰箱品类商品”、”单价大于5000元““浏览时长不小于60s”、“购买力强”、“消费意愿强”作为补充判断条件，归纳出一类“深度浏览冰箱品类商品的高价值用户”这样的客户线索。

但是，单个用户行为事件归纳出的线索，会存在一些弊端。比如，用户如果在事件A发生后，自然成交了冰箱品类的商品，那么继续将这条线索筛选进CRM系统并让销售人员跟进，不仅浪费了销售的人力，也会对用户造成不必要的打扰。

所以，实际的运营场景下，我们除了以独立的行为事件A作为触发开始条件外，还经常会考虑到用户的行为序列（多个行为的排序），并细化判断进行筛选。比如用户完成了A事件之后，在30min内未完成B事件。又或者用户完成了A事件之后，又按顺序做了C，D，E事件。

五、客户触达

通过筛选后的客户线索，可以根据客户线索的类型推送到CRM的各种通道进行触达。常用的客户触达方式有：人工外呼、智能外呼、APP推送、短信、微信公众号、企微推送等。当然也允许企业自定义推送的通道，为了标准化定义推送数据线索的方式，通常会采用webhook作为通用对接方式。

六、总结

目前很多大型企业都沉淀了大量的客户数据，这些客户数据都存在很大的价值挖掘空间。通过数仓筛选，对客户进行轻量级的触达，如果用户产生实时的反馈或者交互，就可以进一步进行深度的二次触达。这样就可以有效地去利用自身的数据资产，为公司创造价值。

本文由@爱吐槽的徐教授 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自unsplash，基于 CC0 协议。

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。