leB2B营销平台搭建实战（三）：基于营销数据中台的精准营销体系( 二 )

三、营销数据中台功能设计1. One ID同人体系

文章插图
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。

文章插图
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

文章插图
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。