企業服務模式是一種全新的商業模式，不只是把軟件、服務搬到網上那么簡單，它意味著我們和客戶之間的長期伙伴關系。企業服務的本質在于：了解客戶和真實業務訴求，并為其提供優質的產品與服務，幫助其走出復雜商業環境中的發展困境。

這對供職于企業服務的產品經理、運營人員、市場人員來說，提出更高的要求，因為他們需要從客戶成功角度去重構整體業務。通過圍繞“以用戶為中心”的數據分析賦予了企業小伙伴們一定的便利，他們希望通過數據分析解決以下問題：

• 如何以較低的成本獲取高質量的客戶？

• 如何快速判斷線索跟進優先級，有效提升銷售線索轉化率？

• 如何診斷易流失客群和高價值客群，實現客戶全生命周期支持與管理？

• 如何根據數據提供優質的客戶服務，增強客戶黏性，保障客戶續約率？

• 對于 B2B2C 類型的客戶，如何提供給 B 端客戶自有業務運營情況數據？

實際在實際著手這件事的時候，不難發現有需要難以解決的問題與挑戰，例如：

• 數據孤島：前端行為數據和線下、CRM、ERP 等后端業務數據無法打通

對于企業管理者而言，了解各個推廣渠道，分別帶來的流量和用戶量是多少，每個渠道帶來的用戶的后續轉化和留存情況如何，是最基本的訴求，但是我們最終關心的轉化不僅僅只限于注冊，我們希望了解到該批線索用戶有沒有轉化為客戶，有沒有最終付費。

遺憾的是，大部分企業的現狀是，營銷推廣數據與企業 CRM 系統沒有打通，所以就不能衡量每個渠道最終真正完成付費轉化的有多少，從而不能篩選出最優質、ROI（投資回報率）最高的推廣渠道，優化營銷投入產出比。

• 產品功能復雜，動輒上千個埋點，不知如何定義和管理數據模型

企業服務相較電子商務、互聯網金融等行業而言，由于產品功能復雜，涉及產品模塊眾多，經常會出現埋點無序混亂、數據采集缺失，而且這整個過程會涉及兩個用戶主體，一個主體是用戶，一個主體是企業，那么如何設計數據模型更有利于分析就是一件令人比較頭疼的事了。

• 跨部門、多業務線數據完全獨立，無法全局分析

To B 類產品一般會有多條業務線，涉及團隊和業務線人員眾多，如何將多條業務線整合統一在一個平臺進行分析，滿足不同團隊不同人員按需提數，而不是給開發提出需求后，排隊等排期，就顯得很迫切了。客戶的整體情況及健康度、滲透率等基礎分析都依賴于多條業務線統一分析。

以 A 公司——一家提供移動 CRM（客戶關系管理）系統軟件的企業服務商為例。同樣，A 公司同樣是堅持以客戶為重，希望對客戶獲取、潛客線索管理和優化以及客戶服務等業務流程進行持續優化，從而實現整體經營績效的提升。A 公司的一些嘗試值得借鑒。

一個埋點事件支撐 5 條業務線 21 個團隊數據分析需求

我們知道，企業服務類企業成功的關鍵是促使企業用戶活躍，提高企業客戶的留存，降低企業客戶的流失，所以 A 公司需要對企業的健康度做一個比較全面的分析，及時發現健康度不佳的企業。

A 公司一直關注活躍的企業數和員工數有多少，以及每天的變化趨勢；并進行企業質量的衡量，如平均一個企業中有多少個用戶使用，在線的員工占企業開通員工的比例。

A 公司一共有5條業務線，任何一個業務線的大多數操作請求都會觸發一條后端業務請求，這個過程會涉及 3000 多個接口，在任何一個接口被調用，那么需不需要設計 3000 多個埋點事件呢？

A 公司通過設計一個事件通過屬性的擴充去覆蓋所有請求。首先，梳理所有的接口，如果接口設計的很規范的話，就能夠按照一定的清洗規則對接口進行切分，最后將 3000 個接口數據清洗轉化為一個埋點事件，它具有的屬性有員工 ID、一級分類接口、二級分類接口、具體接口名、產品版本、Event_value 、FullAction 等。其實，結合豐富的用戶屬性，如企業 ID、企業名稱、企業規模、企業分組、企業付費類別、企業一級行業、企業二級行業、注冊時間、開通時間、代理商 ID、企業開通賬號數、購買賬號數、獨立用戶 ID 等。通過事件屬性和用戶屬性的交叉分析，實現對企業的精細化運營。

如此上千個事件整合為一個事件再配有詳細的屬性就可以解決了。每個業務線每個團隊的人員只需要按照自己業務線的需求靈活配置出自己想看的企業指標數據就可以了。

打通 CRM 和數據分析平臺， 快速判斷線索跟進優先級

由于來自營銷渠道的線索量大，CRM 系統通常記錄客戶基本情況，如公司名稱、跟進狀態、聯系方式及客戶所在地等；銷售團隊往往通過電話第一時間去判斷客戶需求、購買意愿，至于每條銷售線索的處理優先級、哪些需求緊急、客戶贏單的可能性大小，較難進行快速和客觀判斷。

這或許是對于任何一家有 CRM 服務的企業都面臨的問題，這家公司通過判斷銷售線索的跟進情況來判斷優先級，比如 SaaS 公司產品 Demo 的注冊、使用等行為數據，引入企業 CRM 系統，輔助銷售進行快速判別。

CRM 系統客戶基本情況（圖片來源：神策數據）

以自身的產品為例，假設，A 公司非常關注用戶在 Demo 上，“A 功能”、“B功能”、“C功能”、“D功能”、“E功能”等核心功能的使用情況，于是創建一條虛擬事件，如圖所示。創建好后，通過后端 API 采集的方式將該條事件的計算結果（總查詢次數）傳入 CRM ，從而輔助銷售團隊去查看產品試用情況、快速判斷用戶需求和銷售切入點。

1、優先聯系總查詢次數高的客戶

如果客戶的核心功能使用次數或總查詢次數從申請試用后，一直保持一個比較高的趨勢的話，說明這個潛在客戶轉化的可能性比較高，銷售團隊會高優先級聯系這批客戶。

2、根據最近登錄時間判斷客戶的使用動態

優先選擇最近登錄時間比較靠前的客戶，對于沉寂的客戶，可以放低優先級，如果某個客戶在沉寂一段時間后，某一天突然登錄了，這時就可以及時跟進該客戶，盡早掌握客戶動態，確保最終的轉化。

后來，銷售人員在拿到有價值的信息后，有針對性跟進，在策略實施一個月后，銷售線索的有效線索轉化率提高了 6%，間接提高了最終的贏單率。

除此之外，通過客戶分層管理，可以構建企業畫像，實現客戶全生命周期的支持與管理。

伴隨企業服務全流程數據應用的啟動階段、粘性階段、增長階段和營收階段四個階段，每個階段企業的關注點有較大差異，業務不會揭示問題，用戶行為會揭示問題。用戶行為為企業服務增強客戶黏性、提升客戶滿意度，構建用戶為中心，保障客戶續約率和提升 NPS（凈推薦值）有著不可低估的價值。

作者：張喬，神策數據內容營銷高級經理，用戶行為洞察研究院負責人。

如果您想了解更多BI干貨知識，歡迎訪問36氪企服點評！