私域营销数智化实践指南（1.0版）.pdf

私域营销数智化实践指南私域营销数智化实践指南 (1.01.0 版版)2023年6月 2023年6月 前前 言言 随着互联网的普及和信息技术的迅猛发展，数字营销已经成为企业获取用户、推广品牌和实现商业增长的重要手段之一。它通过利用数字渠道、数据分析和精准营销等方式，能够覆盖企业对公域及私域流量的运营，实现了与用户的更紧密互动和沟通，进而提高用户的认知度、参与度和购买意愿。鉴于近年来企业对私域营销数智化的投入力度加大，同时在实践过程中产生问题较多，本指南从该领域现状及痛点出发，深入调研并总结该领域在顶层设计、私域营销平台准备、精细化运营等方面所涉及的核心能力及方法论。在顶层设计层面，提供企业私域营销数智化现状梳理、目标明确、组织架构优化新思路，同时企业需关注数据安全及数据向善；在私域营销数智化平台准备层面，梳理私域营销数智化平台准备的核心数据能力；在精细化运营层面，阐释私域营销数智化运营方法。此外，指南介绍了企业私域营销数智化能力评估体系，并在最后总结了领域未来发展趋势。报告意在为行业实现高质量实践提供有益参考，希望能对从业者有所帮助。私域营销数智化是高速发展的领域，新技术、新方法论层出不穷、瞬息万变，我们对行业有待持续深耕。报告存在不足之处，烦请业界不吝指正。如有意见或建议请联系：。目目 录录 一、私域营销成为数字营销核心板块.1(一)私域营销成为企业发展新引擎.2(二)私域营销数智化发展现状及挑战.4 1.私域营销数智化发展现状.4 2.私域营销数智化发展存在的问题.5(三)私域营销数智化核心要素及建设框架.7 二、顶层设计：私域营销数智化建设的必要前提.8(一)现状评估.9(二)明确目标.10(三)组织架构设计.11(四)数据安全与数据向善.13 三、私域营销平台准备：营销数智化体系建设的基础步骤.14(一)数据采集.15(二)指标体系建设.16 1.第一关键指标法.17 2.RFM 模型法.18 3.漏斗模型法.18 4.常见指标梳理.21(三)标签体系建设.22 1.标签分类.22 2.构建标签体系.24 3.标签应用.24 4.标签评估及优化.25 四、精细化运营：持续释放私域价值的关键环节.25(一)用户运营.28(二)产品运营.29(三)渠道运营.30(四)活动运营.30 五、营销评估体系.31 六、私域营销数智化发展趋势及建议.33(一)调整企业组织架构，促进内部流程协同.33(二)完善营销平台建设，提升数据治理水平.34(三)优化数字营销战略，强化运营人员能力.34(四)关注数据安全合规，推进数据向善发展.35 附录：案例展示.37 图图 目目 录录 图 1 公域及私域营销.1 图 2 互联网获客成本.3 图 3 企业对私域营销投入情况.3 图 4 企业私域运营能力概览.6 图 5 私域营销数智化流程视图.8 图 6 组织架构建设.11 图 7 私域营销数智化平台.15 图 8 AARRR 模型.19 图 9 AIPL 模型.20 图 10 用户标签分类.23 图 11 标签体系构建方法.24 图 12 运营模式变化示意图.26 图 13 企业数字营销成熟度模型.32 图 14 数字营销技术能力分级要求.33 表表 目目 录录 表 1 公域及私域对比.2 表 2 金融及零售行业私域营销数智化现状.5 表 3 目标设立.10 表 4 业务及技术对接人相关要素概览.12 表 5 不同模型及其适用场景.17 表 6 不同阶段对应的常用第一关键指标.17 表 7 不同阶段对应的常用 RFM 指标.18 表 8 漏斗模型法常见应用.20 表 9 常见指标类型.21 表 10 运算层级标签分类.23 表 11 各类运营差异对比.26 表 12 活动运营的分类.31 私域营销数智化实践指南（2023 年）一、一、私域营销私域营销成为数字营销核心板块成为数字营销核心板块 营销是企业发现或发掘准消费者需求，让消费者了解产品进而购买产品的过程。数字营销是利用数字技术进行营销活动，是营销的数字化表现。数字营销借助于互联网、移动通信、大数据、AI 等技术以及数字交互式媒体来实现营销目标的营销方式，以“数据+技术”为驱动，强调以用户为中心，融通多源数据，利用人工智能等技术开展复杂分析挖掘数据价值，从而整合用户、营销、渠道多方资源，提升综合服务和价值创造能力。按照流量属性，数字营销可细分为公域和私域营销（图 1）。公域营销主要指企业在外部平台进行营销投放以获取流量，私域营销是企业对自有的、可开展个性化运营的用户进行主动地反复触达，基于已有的用户数据对用户行为精准分析，实现用户价值的进一步挖掘。来源：CCSA TC601 图 1 公域及私域营销 私域及公域在定义、特点及优势区别上有较大差异，主要表现为当企业进行私域营销时，无需支付额外的流量获取费用即可实私域营销数智化实践指南（2023 年）现用户触达，同时私域用户比公域用户对企业有更强的信任度，从而有更高的交易转换率，因此从该维度，私域更能够降低企业营销成本，并提升用户价值。（表 1）表 1 公域及私域对比 类别 私域 公域 定义 能够免费、自主触达用户的渠道 外部平台的流量，与企业无关 特点 对接私域流量无成本，用户选择单一，信任度高，有利于转化成交 对接公域流量有成本，用户选择多样，信任度低，不利于成交转化。优势区别 1、能有效降低营销成本；2、有利于解决用户留存；3、有助于提升用户的全生命周期价值。1、移动互联网增量减少，全面进入存量时代；2、流量成本高企，企业营销成本加大。来源：CCSA TC601(一一)私域私域营销营销成为企业发展新引擎成为企业发展新引擎 近年来，公域营销的获客成本飙升数十倍。在实践中，公域营销主要为企业吸纳外部流量，助力企业流量规模的增长，私域营销主要围绕企业存量客户深度运营，从而提升客户转化与价值。据甲子光年报告统计，从 2018 年起，即便头部的互联网平台，每个新客的获取成本也逐步从数 10 元上涨至数百元之多。以金融行业为例，在腾银财智联合波士顿咨询公司（BCG）等发布的中国银行业私域客户经营白皮书 2023中提到，在资产管理规模增长相同的情况下，公域获客的成本相较私域高出 5 倍，而私域客户的利润贡献度则是公域新客的 16 倍（图 2）。私域营销数智化实践指南（2023 年）来源：甲子光年用户增长双螺旋白皮书 图 2 互联网获客成本 私域营销成为企业增长新引擎。由于私域营销领域多年的场景应用及优化迭代，目前已能够实现相较于公域更好的传播、拉新、交易、售后、会员运营的营销闭环，极大助力了企业业绩的增长，如最接近狭义私域概念的微信小程序，预计今年成交额将超过 4 万亿，同比提升 40%。此外，有赞发布的2022 私域营销效果报告显示，我国超80%的企业已着力布局私域营销，半数以上的企业在 2022 年增加了对私域营销的投入（图 3）。来源：有赞2022 私域营销效果报告 图 3 企业对私域营销投入情况 01002003004005006002018201920202021哔哩哔哩微博美团京东拼多多快手51%32%4%13%增加投入投入持平投入下降不投放私域营销数智化实践指南（2023 年）私域营销数智化是私域营销的主要发展方向。随着移动互联网的发展及用户交易行为的线上化迁移，私域营销围绕“数智化”发展迭代。私域营销数智化是通过对已有用户行为、产品等多维数据的采集，以数据技术为核心驱动及手段，将传统私域营销方式进行在线化、自动化和智能化创新，从而驱动业务增长。(二二)私域营销数智化私域营销数智化发展现状及挑战发展现状及挑战 1.私域营销数智化发展现状 自 2020 年私域营销数智化火热发展至今，私域营销数智化从一个概念逐渐成为一种经营手段，供给侧厂商及应用侧企业发展趋多元化。供给侧厂商因所选赛道不同，能力侧重有较大差异。供给侧方面，私域营销数智化主要有数据工具、运营工具及咨询、内容创作、代运营等赛道，赛道发展紧随应用侧企业需求的变化。目前，私域营销数智化厂商整体竞争集中度中等，各厂商服务能力侧重点呈现差异化发展的态势，实践中经常出现不同厂商服务同一家企业的情况，部分供给侧厂商也会购买其他厂商的产品来完善自身系统。应用侧企业因数字基建情况及行业不同等发展成熟度各异。在应用侧，头部企业私域营销数智化基础设施建设大体完善、数字营销运营链路基本跑通，但各行业、不同体量的机构发展成熟度存在差异。本节对金融及零售行业不同体量的机构私域营销数智化现状作对比剖析（表 2）。私域营销数智化实践指南（2023 年）表 2 金融及零售行业私域营销数智化现状 类目 金融行业 零售行业 大型机构 中小型机构 大型机构 中小型机构 总体概述 普遍发展较为成熟 多为起步阶段 整体上直营比例越高发展越成熟。应用成熟度较高 基础设施及指标 主要为自主研发，已形成较为全面成熟的数据统一指标口径及中台 大多企业采取自主研发及外部采购，数据治理水平相对较弱 有较为系统和全面的数据中台及上层应用，成熟公司已经延伸到商品和供应链领域 多数企业外采数据产品，指标实用性强 标签体系 有丰富的标签库，并能够对标签进行深度分析及应用 城商行等机构有更为丰富的本地化标签 标签的应用广度和深度极高，已经建成或正在建设一体化的集团标签体系 数据产品和平台标签依赖度高 运营能力 能够实现较为成熟的智能决策及个性化触达能力 活动更多依赖人工决策及触达 机构和产品依赖度较高，业务优先，运营不拘一格，但也较为分散 好的公司都有自己的运营方法，运营能力成熟可借鉴 组织架构 大部分有专门的数据小组来联动技术及业务部门 较为灵活，业务与技术对接联动相对顺畅 每个主要业务端口都有独立运营团队或人员，会区分业务IT 和技术 IT 面向消费者构建组织架构，团队自我钻研和应用产品能力强 来源：CCSA TC601 2.私域营销数智化发展存在的问题 据 CCSA TC601 调研统计，虽然众多企业开始布局私域营销数智化但有高达 70%的企业不具备私域营销数智化运营方法，剩余的企业私域营销数智化实践指南（2023 年）在私域营销数智化的平台构建、营销活动运营及组织架构建设等层面遇到问题（图 4），具体问题如下：来源：CCSA TC601 图 4 企业私域运营能力概览 一是缺乏顶层设计，组织架构僵化，目标设定不清晰。顶层设计的缺失是造成私域营销数智化落地遇阻的重要原因。在实践中，很多企业进行私域营销数智化建设时没有基于自身企业现状、目标及组织等因素综合考虑，而是盲目建设或采购营销平台，造成平台技术栈冗杂、业务与平台功能脱节等问题。同时，传统的企业组织架构往往没有单独的数据部门，数据相关业务由信息科技部门代为统筹，在数据与业务联动中存在关键角色权责不统一、多个部门之间配合不到位等问题，导致私域营销数智化系统无法发挥实际价值。此外，目前关于私域营销数智化的顶层设计业内无成熟方法论指导，导致企业在顶层设计过程中存在“摸石头过河”的情况。二是平台准备不充分，数据难以驱动业务发展。私域营销数智化的高效运作通常涉及市场、运营、技术相关的多个部门。目前，部分企业将各处数据进行打通融合的过程中，缺乏统一的数据指标及标签体系设计，导致不同部门用户、业务、产品等数据在命名规范、度量方式、画像洞察等方面存在差异，极大影响了数据开发和应用工作的30%70%有良好私域运营能力在私域运营中有较大问题私域营销数智化实践指南（2023 年）开展。比较典型的问题是不同业务线的两个指标拥有相同的名字，但是在每个业务线下代表的含义不同，因此给业务人员用数时带来很多歧义和误解。三是人员数据意识薄弱，数字营销运营能力缺失。目前，行业内缺乏既了解业务又兼具数据能力的复合型人才。大多数的运营人员，如线上化运营、活动运营从业者，从业背景多为销售或活动策划，数据意识和对数据的理解能力仍需提升，导致即便已有私域营销数智化系统，运营人员对其使用率也普遍较低；对于技术人员而言，因其较少接触业务，对业务的理解不深，无法以业务一线视角对数据进行采集及治理。四是安全管控模糊，数据合规问题严峻。当前，企业数据安全问题主要在制度体系及系统安全性上。在制度体系层面，部分企业缺乏完备的数据安全保障机制及问责机制，导致人员在工作中遇到制度空白区时无法可依，因而触犯安全问题或放弃对数据的使用；在系统安全性上，部分企业系统安全防御性能较差，安全监测频次及能力不足，致使系统遭受非法侵害。在实践中，为更好地对用户进行分群及精细化运营，营销数智化系统会收集用户银行卡、手机号、身份证号、交易行为等等数据进行分析及使用，过程中发生了诸多侵犯用户隐私或用户数据泄露的事件，同时安全管控不足也导致了部分企业对用户进行“大数据杀熟”等行为，以上行为均侵犯了用户的隐私及权益。(三三)私域营销数智化私域营销数智化核心要素及建设框架核心要素及建设框架 私域营销数智化实践指南（2023 年）来源：CCSA TC601 图 5 私域营销数智化流程视图 顶层设计、私域营销平台准备及精细化运营是私域营销数智化建设中的三大核心要素。其中，顶层设计是私域营销数智化科学发展的先决条件，主要由业务部门牵头，通过现状评估、目标制定及架构设计，来建立清晰的发展思路；私域营销平台准备是私域营销的基础性工作，主要由技术部门基于数据采集等工作对指标及标签体系进行建设，并通过对指标及标签的应用驱动精细化用户运营；精细化运营是数字营销价值释放的关键环节，需要业务及技术部门的协同，通过数据驱动用户运营、产品运营、活动运营及渠道运营。此外，对私域营销数智化已建设的体系进行评估是快速查缺补漏、明确自身问题，促进后续优化迭代的重要手段。对于私域营销数智化的评估主要从数据能力、洞察及分析能力、营销自动化能力三方面入手。二、二、顶层设计：顶层设计：私域营销数智化私域营销数智化建设的必要前提建设的必要前提 顶层设计是私域营销数智化体系建设过程中的首要步骤。只有通过对自身现状、目标具备明确的认知，进而有针对性地进行组织架构私域营销数智化实践指南（2023 年）设计，才能高效科学地进行私域营销数智化体系建设，快速释放数字营销价值。(一一)现状评估现状评估 对于企业现状的评估，需整合组织、制度、人员、技术等多个方面的内容。为了获得一个具有全面视角的评估方法，可以针对以下五个关键要素进行评估体系的建立：一是业务触点：业务触点主要为企业触达用户的渠道。由于不同的企业之间产品和业务存在差异，其私域营销数智化体系建设的实施难度和最终效果也会不同。同时，当前的触达渠道多种多样，因此需要明确企业核心业务与触达渠道数量和种类的匹配程度。二是数据资产：企业当前通常已经具备了既往数据，为了将这些数据转换为用于私域营销的数据资产，需对现有的数据进行梳理盘点。数据资产盘点的维度包括：数据的维度、广度、深度以及数据的完整性与统一性等。三是系统技术：对于一些具备数字化经验的企业来说，企业内部可能存在多个数字化工具和技术。为了后期私域营销数智化统一体系的建立，需要评估企业目前在数据管理、AI 与大数据分析、等领域的技术工具的使用及建设情况。四是人员组织：由于私域营销数智化需要 IT、产品、市场等多方面人员支持，因此需要对组织及内部人员数量和营销数智化经验进行评估。五是资源投入情况：私域营销数智化建设需对企业内部的资源进私域营销数智化实践指南（2023 年）行协调，并对建设的效果设定预期，因此有必要评估企业对于资源投入的意愿和程度，以此来明确建设规模和进度的合理性，避免资源不足导致方案难以实施等情况发生。(二二)明确目标明确目标 在私域营销数智化领域，其核心理念及实施路径上与传统营销相差较大：传统的营销是在已有的供给上驱动需求，消费者只能在既有的供给的基础上进行选择，而私域营销数智化是以消费者的需求及相关数据来驱动生产供给。因此企业可以在私域营销数智化转型时设立数字建设目标及运营目标等多元化目标。（表 3）数字建设目标主要为覆盖全渠道数据采集、优化指标体系，提升数据治理质量等等。同时可以在改进标签库的更新频率、应用及优化能力上进行提升。运营目标主要为获取全面用户画像、精准进行用户分群、提升用户粘性、优化用户体验等等。企业在制定相关目标时，应结合现状，辅以量化指标，建立可实施的发展路径图，以便在后续发展中实时比对及调整。表 3 目标设立 数字建设目标 运营目标 覆盖全渠道数据采集 获取全面用户画像 优化指标体系 精准用户分群 提升数据治理质量 提升用户粘性 优化标签库 优化用户体验 来源：CCSA TC601 私域营销数智化实践指南（2023 年）(三三)组织架构设计组织架构设计 为使私域营销数智化体系高效、有序的进行，企业内部应设立流畅的组织架构。在实践过程中，发展较成熟的大型企业一般会设有数据中心、数据中台等部门参与营销数智化业务及技术的需求对接、落地工作，由于各企业对该部门叫法不同，我们以“私域营销数智化小组”来进行指代。私域营销数智化小组主要工作为联动业务及技术对接人，保证数据敏捷交付及需求落地（图 6）。此外，在调研过程中发现，很多企业以营销事件为导向，基于每次营销活动的需求，灵活组成由业务人员及技术人员参与的项目组，通过项目组模式实施营销活动；中小型企业组织架构较为灵活及扁平，业务人员与技术人员大多直接进行沟通，但该模式受限于企业人员及业务规模等条件，适用性有限。来源：CCSA TC601 图 6 组织架构建设 私域营销数智化工作组 业务对接人 客户运营 产品运营 推广 技术对接人 数据团队 算法团队 研发团队 私域营销数智化实践指南（2023 年）在该架构中，私域营销数智化工作组负责联合业务及技术对接人，制定顶层业务建设设计，并收集各业务作战团队的需求，整合与排序后对接技术团队并进行需求传递。此外，业务、技术对接人及客户运营、数据团队等职能可以参考表 4：表 4 业务及技术对接人相关要素概览 部门 职能 业务对接人 1.收集整理业务需求；2.撰写/审核需求文档；3.数据上线应用推广；技术对接人 1.统筹开发工作；2.需求评审；3.实现方案建议；4.开发规范推进。客户运营 1.基于全渠道数据进行客户全生命周期的洞察。2.利用消费数据，管理客户的标签体系，对客户进行分群，提供精细化人群洞察。3.分析客户转化路径,发现转化漏斗中的薄弱环节进行优化。4.利用数字工具实施客户关系管理,提升客户的品牌忠诚度。产品运营 1.把握内部货品状态，掌握市场热销商品与顾客偏好变化。2.监测各商品的生命周期与销售曲线，理解人货匹配程度引导商品采购、促销与置换。3.与算法团队合作，利用数据发现产品短板,提供改进与迭代方案。与研发团队合作,判断新产品与市场需求的匹配度和可行性。私域营销数智化实践指南（2023 年）推广 1.基于数据分析不同渠道与广告对不同人群的转化效果,制定精准的客户获取策略。2.与算法团队合作,利用数据与算法实现人群精细化与渠道精准匹配,优化营销投放策略。3.利用数字化工具与手段精准定位目标受众,依据数据设计个性化的宣传内容与方案。4.监测不同渠道与活动的效果,不断优化客户触达策略与资源配置。数据团队 1.构建企业大数据平台,实时采集线上线下客户与销售数据。2.为客户运营、产品运营与推广团队提供全面准确的用户与市场数据支持。3.与算法团队合作利用机器学习等技术进行用户画像、产品推荐与销售预测。4.持续提高数据质量与系统流程,实现数据的统一管理与高效运转。算法团队 1.利用算法手段进行用户细分、转化预测、产品推荐等模型的建模。2.与各业务团队合作,利用数据与算法工具实现用户精细化管理、产品精准推荐与运营自动化。3.持续优化分析模型,提高预测与运营精度。4.研发新算法与工具以支持企业数字化转型与商业智能决策。研发团队 1.开发客户运营与推广工具以提高工作效率与执行力。2.研发产品运营与监测系统以强化对市场与产品的感知力。3.与数据团队和算法团队合作研发新产品与功能以满足数字化客户需求。4.与数据团队和算法团队合作,开发新产品与工具以支持企业数字化转型。来源：CCSA TC601(四四)数据安全与数据向善数据安全与数据向善 随着个人信息保护法及数据安全法的发布，数据安全成为企业在私域营销数智化顶层设计时亟需关注并解决的问题。企业需要在顶层设计时建立科学的数据安全管理及保障体系。私域营销数智化实践指南（2023 年）数据安全管理是一项需要多方联动型的复合型工作，需要考虑组织层面实体的管理团队及执行团队，同时也要考虑虚拟的联动小组，所有部门均需要参与安全建设当中。数据安全保障体系的规范一般从业务数据安全需求、数据安全风险控制需要及法律法规合规性要求等几个方面进行梳理，最终确定数据安全防护的目标、管理策略及具体的标准、规范、程序等。此外，在大数据应用繁荣发展下，带来了数据滥用等问题，企业必须要“善”用数据，助力数据向善。在此，企业首先应明确社会目标，以终为始，通过提出关键问题，启动数据向善模式研究，分析实现这一目标所需的干预措施；其次，建立富有社会责任感的专业管理队伍对提高企业的数据成熟度、切实推进数据向善至关重要；最后，企业需要运用以社会价值为导向的方法来处理数据，确保自身政策（包括管理者绩效评估标准）都能为其价值观提供支持。保持开放心态，并随时根据技术的发展和算法进行调整，尽可能排除客观偏见。三、三、私域营销私域营销平台平台准备：准备：营销营销数智化数智化体系建设的基础体系建设的基础步骤步骤 私域营销平台准备是私域营销数智化体系建设的基础步骤。该环节涉及数据平台建设、数据采集，以及对企业已收集来的用户行为、产品销售等数据进行初步加工，进而构建指标及标签体系，并确保数据在业务使用中的统一性、可用性及准确性。由于篇幅有限，本章节仅举出与营销数智化最相关的数据采集、数据治理私域营销数智化实践指南（2023 年）及数据应用部分的内容（图 7）。来源：CCSA TC601 图 7 私域营销数智化平台 在私域营销数智化平台中，包含了从数据采集、数据治理到数据应用的整条链路。数据采集：获取数据的形式，包括第一方数据（自有数据）、第二方数据（电商，社交媒体）、第三方数据（外部大数据）。数据层：包括了数据治理（指标体系建设等）、数据应用（标签体系建设、用户画像管理、用户行为预测等）。(一一)数据采集数据采集 私域营销数智化围绕数据展开，数据采集是实践中重点关注的步骤。由于用户与企业的交互渠道呈现出了多元化发展的趋势，这也带来数据采集的复杂化。在进行数据采集的过程中，不但要重视采集的覆盖率和深度，还要保证数据的准确性和统一性和合规性。另外，为了使采集到的数据能够进行深层的分析，对采集工具的内容格式兼容性也提出了要求。同时，实践过程中需要结合性价比采取合理的数据采集频度。具体来说，有以下几个方面的内容：采集渠道：数据采集过程中尽可能全面和深入地采集各类用户触点的数据，包括网站、移动端、电子商务数据、第三方数据、线下门私域营销数智化实践指南（2023 年）店数据等。同时，在采集过程中需要采集用户多维度以及长期持续的数据才能全面地进行数据分析，得出合理的用户画像。数据格式：数据采集后需要对采集到的数据格式进行统一和结构化。由于当前数据来源的多样性，数据格式也多种多样，因此需要数据采集过程中能够兼顾到不同的数据格式的特征。数据采集频率：营销数智化对一些数据的时效性有较高要求，如用户互动和交易数据需要近乎实时采集的能力来实时监测与优化。然而也存在一些数据，变动性较小，实时的采集会带来数据冗余的问题，因此需要数据采集工具能够根据数据的属性选择不同采集频率。数据质量：采集到的数据为了提高其完整性、准确性和可信度，需要对在采集过程中提供监控、检验、审查与清洗等功能，来保障后续的数据使用中，确保不会因为数据质量问题造成决策的失误。数据安全：当前随着 中华人民共和国个人信息保护法 的颁布，对于数据安全和隐私安全的关注度也不断提高，因此在数据采集过程中，需要遵循数据安全与隐私相关标准的要求，保证数据采集的合规性。(二二)指标体系建设指标体系建设 建立统一的指标体系是业务数据标准化的基础，是企业实现“数据驱动运营”的重要途经。指标是用来定义、评价和描述特定事物的一种标准或方式，是将业务单元精分和量化后的准确度量值及记录值，使得业务目标可描述、可度量、可拆解。指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能私域营销数智化实践指南（2023 年）快速获取到指标的相关信息。在实践中，指标体系的搭建主要围绕业务目标或第一关键指标（也叫“北极星指标”）进行落地，第一关键指标是企业在某个特定阶段最关注的一个指标。此外，企业也可以由 RFM 及漏斗等模型对指标体系进行梳理及搭建。第一关键指标法、RFM 及漏斗模型有不同的适用场景（表 5）：表 5 不同模型及其适用场景 模型 第一关键指标法 RFM 模型 漏斗模型 场景 用于检验产品或业务的发展战略是否达成预期效果,它可以真实反映产品或业务的绝对核心价值。这属于动态的产品或业务战略评估工具。用于对客户进行静态价值评级,通过分析客户的最近购买时间(Recency)、购买频率(Frequency)和购买金额(Monetary),识别高价值客户。用于分析客户在购买决策过程中的详细转化流程,找出转化率低的阶段进行改进,系统提高客户转化能力。这属于客户转化路径分析工具。来源：CCSA TC601 1.第一关键指标法 第一关键指标法的核心思想是指基于企业业务目标，某一个阶段只有一个最值得关注的指标，但随着业务的发展关注重点会有变化。企业所处所处阶段从大的阶段可以分为 MVP（Minimum Viable Product 最小可用产品）、增长、营收三个阶段，每个阶段的指标体系需要解决的问题都有差异（表 6）。表 6 不同阶段对应的常用第一关键指标 阶段 关键指标 MVP 阶段 用户需求真实性 增长阶段 留存指标、拉新指标、分享推荐指标 营收阶段 生命周期总价值、用户获取成本、渠道用户盈利周期等 私域营销数智化实践指南（2023 年）来源：CCSA TC601 2.RFM 模型法 RFM 模型是衡量客户价值和客户创利能力的重要指标。RFM 是Recency（最近一次消费），Frequency（消费频率），Monetary（消费金额）组合而成。RFM 可以为企业的用户关系维护提供数据支持，具体可以划分为对用户价值的评估和用户分群两个大的落地场景，依靠这两大场景可以帮助企业进行用户关系的管理，产品渠道策略的优化（表 7）。表 7 不同阶段对应的常用 RFM 指标 分类 应用场景 落地方法 用户价值评估 RFM 三个维度的评分,识别高价值用户,为企业用户资源优化配置提供决策依据。-设置 RFM 权重，计算用户的RFM 综合得分-根据 RFM 三个维度进行矩阵可视化分析，判断高分区用户和低分区用户。用户分群 根据用户的 RFM 特征将用户划分为不同的群体,每个群体的特征与需求不同。为企业的差异化用户管理与个性化营销提供用户洞察。-使用聚类算法根据 RFM 特征对用户进行分群。每个群体之间的差异最大，群体内部的相似度高。-并通过结合其他变量，进行相关、因果关系分析，以此增强对群体的理解。-可以根据不同的群体间找出相关性，挖掘更深层的用户分群方法。来源：CCSA TC601 3.漏斗模型法 通过漏斗模型可以生成一套流程式的数据指标，能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况。在营销领域，私域营销数智化实践指南（2023 年）漏斗模型在不同的行业有不同的演化方式，其主要核心为以围绕用户生命周期研究的AARRR模型及以用户消费链路为依据的AIPL模型。通过漏斗模型所生成的指标主要应用于流量监控、产品目标转化分析及用户转化分析等场景中。AARRR 模型是比较经典的模型，分别代表了五个单词，又分别对应了产品生命周期中的五个阶段：Acquisition（获客）:从不同渠道获取用户；Activation（激活）：用户在产品上完成了一个核心任务(并有良好体验)；Retention（留存）:用户回来继续不断的使用产品；Revenue（变现）:用户在产品上发生了交易等其他有收益的行为；Referral（推荐）:用户推荐引导他人来使用产品（图 8）。来源：CCSA TC601 图 8 AARRR 模型 AIPL 模型依托用户消费链路，在营销过程中把人群细分，将人群资产定量化。其中 A（Awereness）:品牌认知人群；I（Interest）：品牌兴趣人群；P（purchase）：品牌购买人群。L（Loyalty）：品牌忠诚人群（图 9）。私域营销数智化实践指南（2023 年）来源：CCSA TC601 图 9 AIPL 模型 漏斗模型应用场景主要围绕用户的转化路径与质量展开。它可以帮助企业深入理解用户的购买决策过程与痛点，并基于此判断产品优化、服务改善、渠道选择等策略的推进（表 8）。表 8 漏斗模型法常见应用 分类 应用场景 落地方法 营销 ROI 分析 通过漏斗模型跟踪用户在不同营销渠道、与触点的差异,评估不同营销活动的投入产出比,分析营销 ROI。帮助企业优化营销资源配置。-构建营销活动与渠道的投入产出模型,计算不同投入对用户转化与销售的贡献度,评估ROI。-跟踪用户在不同渠道投入后的转化变化,找到最高 ROI 的触达路径,优化资源配置。用户转化路径分析 通过漏斗模型识别用户购买转化的具体路径与转化率，找到转化效率较低的环节，进行改进。-构建用户购买过程的全流程漏斗模型，计算每个阶段的转化率，找到转化效率较低的环节。-对转化率较低的阶段，进行用户调研，理解阻碍转化的具体原因，并做出改进。-拆分不同转化路径的用户，找到转化率较高的路径，进行经验复用。认知兴趣购买忠诚私域营销数智化实践指南（2023 年）产品优化 通过漏斗模型跟踪用户在使用不同产品与功能中的转化率区别，找出问题所在。提高产品的市场竞争力。-构建基于不同产品与功能的转化漏斗模型，进行比较分析，找到体验转化率较低的产品与功能。-对转化率较低的产品与功能结合用户调研，找出其中的使用障碍与改进点。来源：CCSA TC601 4.常见指标梳理 由于各类模型使用场景在实践中多有交叉，因此基于上述指标生成方法，该部分总结介绍私域营销数智化中常用的指标（表 9）。表 9 常见指标类型 行业 指标 定义 零售 成交率 指用户成功下单并完成支付的比例 平均成交时长 统计周期内，每一位用户成交的平均时间 会员回购率 统计周期内，产品交易的会员数量与会员总数量的占比 售罄率 统计周期内，货品的销售占总进货的比例，是根据一批进货销售多少比例才能收回销售成本和费用的一个考核指标，便于确定货品销售到何种程度可以进行折扣销售清仓处理的一个合理尺度。动销率 指有销售的商品品种数与经营商品品种总数的比例 交叉比率 指毛利率与商品周转率的乘积，反映的是统计周期内的获利水平 渠道订单数量 统计周期内，从渠道推广来的用户所生成的订单数量 渠道订单金额 统计周期内，从渠道推广来的用户所支付的订单金额 渠道订单转化率 统计周期内，从渠道推广来的用户，其生成订单的比例 活跃用户数 统计周期内，打开小程序的用户数 新增购买用户 统计周期内，新增的购买用户数 新增复购用户数 统计周期内，新增的复购用户数 新用户留存率（日/周/月）统计周期内，新用户在注册之后的第 N 日/周/月仍启动应用或达成了某事件的比例 活动名单数 指营销活动策略执行中，满足客群策略条件生成的活动名单数量 私域营销数智化实践指南（2023 年）金融（以银行为例）渠道名单数 指营销活动策略执行中，满足客群策略和渠道策略生成的活动名单数量 名单执行数 指营销活动策略执行中，结合黑名单和防打扰策略，活动名单数量实际正在渠道执行的活动名单数量 客户触达数 指营销活动策略执行中，通过营销渠道成功触达的客户数量 客户响应数 指营销活动策略执行中，通过营销渠道成功触达并收到客户响应动作（比如点击，回复等动作）的客户数量 营销成功数 指营销活动策略执行中，满足营销评估指标的活动名单数量 月日均存款 AUM 达标值 统计期间内，客户月日均存款 AUM 达标，存款类型包括活期存款和定期存款 时点存款 AUM 达标值 统计期间内，客户时点存款 AUM 达标，存款类型包括活期存款和定期存款 理财产品 区间内总计购买（认购或申购）XX 产品 XX 元以上，不填就是默认受托理财的所有产品 手机渠道理财产品购买 统计监控区间内通过手机银行总计购买（认购或申购）XX 产品 XX 元以上，不填就是默认受托理财的所有产品 基金产品（不含朝朝盈）区间内总计购买 XX 产品 XX 元以上（剔除朝朝盈），不填就是默认受托理财的所有产品 新开借记卡 接触分行归属下开选择卡等级以上的卡，卡片激活日期在监控期限内 客户借记卡等级提升 接触日至统计日区间内客户借记卡卡片等级比接触前一天有提升。来源：CCSA TC601(三三)标签体系建设标签体系建设 标签体系是支撑企业精细化运营的决定性板块。标签是人为设定的、根据业务场景需求，对目标对象运用一定的算法得到的高度精炼的特征标识，可以区分和分类用户。例如，标签可以描述用户的兴趣爱好、购买历史、地理位置和行为习惯等，企业可以基于标签对用户推荐符合用户偏好的产品及服务，从而深度挖掘释放用户价值。1.标签分类 私域营销数智化实践指南（2023 年）在属性层级，标签主要分为基础属性标签、行为属性标签和实体属性标签。其中基础属性标签指的是用户基本资料、性别、年龄等长期属性和关联属性；行为属性标签指的是用户的行为，和用户表相关联，比如浏览商品详情页、提交订单等等；实体属性标签是用户事件中相关的实体信息，与事件表相关联，比如商品、门店、文章、卡券等（图 10）。来源：CCSA TC601 图 10 用户标签分类 从运算层级角度，标签可以分为事实标签、模型标签及预测（算法）标签（表 10）。表 10 运算层级标签分类 标签类型 释义 事实标签 通过对于原始数据库的数据进行统计分析而来的，比如用户投诉次数，是基于用户一段时间内实际投诉的行为做的统计。模型标签 以事实标签为基础，通过构建事实标签与业务问题之间的模型，进行模型分析得到。比如，结合用户实际投诉次数、用户购买品类、用户支付的金额等，进行用户投诉倾向类型的识别，方便客服进行分类处理。预测标签 在模型的基础上做预测，比如针对投诉倾向类型结构的变化，预私域营销数智化实践指南（2023 年）来源：CCSA TC601 2.构建标签体系 在标签体系构建过程中，主要基于用户生命周期、RFM 模型、漏斗模型及业务场景等方式搭建（图 11）。来源：CCSA TC601 图 11 标签体系构建方法 3.标签应用 在标签体系的落地应用环节，可以从群用户画像、单用户画像、用户行为预测以及对其他应用的赋能四方面展开。单用户画像应用。基于标签，企业可以对单用户进行画像洞察，包括用户年龄、性别、教育程度、职业、兴趣爱好、购买历史等信息。通过这些数据，营销人员可以更好地理解用户的需求和购买行为，并提供更加精准的产品和服务。群用户画像应用。在进行单用户画像后，企业可以根据同类标签测平台舆情风险指数。私域营销数智化实践指南（2023 年）对某一群体用户进行洞察，进而宏观了解各种人群的群体特征及营销结果，帮助企业对差异较大的群体进行深入分析，从而探究指标数字背后的原因，探索实现用户增长的途径。用户行为预测。用户行为预测主要基于预测（算法）标签。在实践中，预测标签应用的目的是为了获取更精准的客群。基于营销偏好、行为偏好特征，将线索分为低意向、中意向和高意向。企业通常依据所处行业及业务特点，对不同意向及行为的客户匹配相应的营销策略。赋能其他系统应用。标签体系在赋能其他系统应用时，多表现为特征嵌入。比如，用户在电商平台搜索“口罩”后会收到平台发送的相关消息，这就是特征嵌入的典型应用。4.标签评估及优化 标签评估对用户标签的使用效果进行评估，结合标签与营销活动联动情况和用户反馈，对标签准确率及使用率等方面分析标签应用的效果，不断完善和提升标签规则、计算口径等方面，以此持续优化标签的准确性和有效性。同时，标签评估可以根据覆盖度、使