近期開始接觸SCRM系統相關的業務，從中接觸了“用戶線索”這一名詞。
它與用戶特徵、用戶行爲事件、用戶畫像非常近似，我也有些混淆。
定義不明，沒辦法回答其定位與應用場景，更無法進行項目推進以及產品規劃。
在緩慢思考的1個月裏，思路總算略微清晰。
思路從用戶線索的應用平臺、定義展開，再由生命週期發散，加深對這個詞彙的理解。
01 用戶線索的應用平臺
用戶線索這一名詞，發源於線下銷售的過程，線上主要應用於SCRM系統之中。
在設計系統的子功能前，應先認識其應用平臺。從應用平臺的核心功能出發，理解子功能的定位。
1）CRM是什麼？
認識SCRM之前，先認識CRM，然後再理解它們之間的差異。
CRM的中文名稱是客戶關係管理，它是一種客戶資源管理及運營方法。通過信息技術幫助企業識別、發展、維護以及服務客戶，提升企業收入，並提高戶滿意度和忠誠度。
基於CRM系統的側重點進行分類，能夠粗略地劃分MCRM、OCRM、SCRM、ACRM。
Marketing CRM，側重於運營、營銷的自動化，對應企業的運營團隊。Service CRM側重於服務的自動化，對應企業的售後團隊。這兩者覆蓋了用戶售前、售中、售後的三個階段。
而Operational CRM，則側重在銷售自動化，對應企業的銷售團隊。
這樣劃分的原因主要有兩點：
第一點是組織架構的劃分，大多數企業的運營、銷售、售後團隊是分離的；
第二點是融合性的產品實現難度大、成本高，要將運營、銷售、售後的所有需求整合，對產品架構能力要求非常高，實現的週期也非常漫長。
這三個系統的核心功能是相近的，主要爲識別用戶、運營用戶，並追蹤效果。只是不同團隊的目標用戶、運營手段以及監測的數據具有差異，衍生的運營工具也有所不同。
而用戶線索則在識別用戶環節，是一切的開始。
2）SCRM的S是什麼？
近些年，伴隨CRM被提及更多的是SCRM，這個S與上文所述不同。指的是社交、簡單高效以及智能。
SCRM的全稱爲社會化客戶關係管理，核心在於Social — — 社交。
根據CNNIC的2021年中國社交媒體市場分析報告，2020年2月中國網民規模已經達到10.8億，隨着互聯網覆蓋廣度和深度的提升，流量也變得越來越難以獲取。
即使是四五線城市，衣食住行的相關服務，也逐漸的從線下轉移至了線上。
用戶獲取成本的增高，再加上即時通訊app的興起，使得大多數人的眼光瞄準了即時通訊。
這種模式以前稱之爲微商，現在叫做私域，不同的企業也逐步藉助企業微信等工具，侵佔了我們的聊天窗和朋友圈。
根據極光發佈的《2020年Q1移動互聯網行業數據研究報告》，即時通訊類APP在2019年APP平均使用時長中的佔比超過了25%，而佔據榜首的微信也成爲了銷售人員和服務人員展業的重要工具。
Simple，解讀爲簡單、高效。流量紅利的消失，規模化的愈發困難，企業的經營策略也從開源轉向節流，開始注重效率和成本。
Smart，指的是智能，它來源於科學技術的發展。一方面是自動，使得更多的工作能夠讓系統承擔。另一方面則是推薦和個性化。
從這3個定義看，高效、智能意味着關注線索的價值和精確度，需要幫助一線人員更容易促進成交，提供更好的服務。
而社交，則意味着要考慮一線人員要採用什麼樣的渠道與用戶溝通。
3）CRM和SCRM的區別
瞭解了CRM和SCRM，才能夠回答2者區別。SCRM在CRM的基礎上，融合了社交。
但2者的目標是一致的，都是通過更合理、高效的管理和運營客戶，提升用戶的生命週期價值，所以結果指標上2者並無太大的偏差。
而融合了社交，與用戶的溝通方式由單向轉爲了雙向，由觸達、電話的單點轉爲了互動。基於此，在探詢用戶成交的過程，還會增加類似客戶互動率的相關指標。
02 用戶線索的定義
用戶線索，應用在SCRM系統，服務於識別用戶環節，它代表着一次營銷或服務機會。
對比原始數據，它是高價值數據的組合。幫助一線的銷售或售後同學提升服務人效及轉化效率。
服務線索，將售後同學的工作模式由被動接受電話或IM進線轉變爲主動服務。銷售線索，幫助銷售同學減少挖掘用戶的時間，讓其將精力放在促成交環節。
但同樣是識別用戶，它和用戶特徵、用戶畫像又有哪些區別呢？這個問題，從數據定義、數據價值、使用方式三個維度來解答。
1）數據定義
從數據類型來看看，特徵和線索是數據的組合，而畫像是數據的集合。
年齡大於25歲，是一個用戶特徵。而“年齡大於25歲”加上“每日工作時長超過12個小時”這兩個特徵的組合，則可以稱爲大齡社畜青年。
而用戶線索不僅是特徵，它還是事件和特徵的組合。
從時效性看，事件更多的是實時觸發，而特徵多爲離線清理。前者是開始，而後者是結束。比如說：“我今天乘坐了地鐵”和“地鐵出行用戶”。
用戶畫像則是多維特徵的集合，由基礎屬性、地理屬性、社會屬性等一系列不同維度特徵呈現用戶或者羣體特點，從而進行分析工作。
2）數據價值
組合的目的，是爲了更高效的使用數據。
從數據價值層面看，用戶特徵的目標性較弱，不會特別在意數據價值，它主要解決從無到有的問題。
而用戶線索由於應用方主要是銷售和服務同學，其目標聚焦在如何將用戶轉變成客戶以及如何讓用戶、客戶不流失，希望潛在用戶能夠更靠近成交，希望服務的能夠更爲及時。
地鐵出行用戶這樣的特徵是無法準確銷售和服務的。
而如果是“我今天乘坐了地鐵”，看了手機的“車輛降價廣告很久”，“我沒有車”但是“月收入能夠支持車貸”這樣的數據組合，就能夠比較清晰的制定運營策略，從而進行服務或銷售了。
3）使用方式
在使用方式上看，線索和特徵是“圈選->運營”的步驟，我們明確知道要對什麼用戶進行運營。
而用戶畫像則會額外經過分析過程，即“分析->圈選->運營”，它偏重於經過分析結合數據模型後進一步制定運營策略。
03 用戶線索的生命週期
明晰概念，規劃才能夠清晰。
在進行產品規劃時，可以從事物的流轉過程及狀態着手。思考用戶線索提供給銷售和服務人員的前、中、後分別有哪些階段，以及每個階段需要做什麼樣的事情。
完整的流轉過程，也是用戶線索的生命週期。由此可以制定最小可執行版本，然後再有序、有效的進行產品規劃以及迭代。
1）線索收集
線索的收集和數據的整合並沒有太大的區別，目標是數據越多越好。
數據量越多，意味着客流量越大，在10000個人經過的道路開便利店和在1000個人經過的道路開便利店，兩者每日成交的概率是不同的。
其次數據維度越多，意味着給運營人員決策和分析的維度越多，我們不僅能基於性別採購商品，還能基於年齡、收入去採購商品。
而分析也是相同的道理，樣本量大分析的結果代表性更高，決策的風險更低；維度多，分析的角度也更多。
在這一階段產品同學的考量是，基於不同的數據來源，協助研發同學設計統一的數據上報規範。
對元數據進行可視化的管理後，再依據不同業務對數據的時效性要求提供服務。
功能上可以參見數據集市，在這裏就不過多展開了。
2）線索清洗
這一環節，主要包含了數據落庫後的清洗、過濾、去重、合併4個步驟。
清洗指發現並修正數據中可識別的錯誤，包括檢查數據一致性，處理無效值和缺失值等。
而過濾步驟主要面向運營，不可運營的用戶是不具備價值的。這裏的運營指的用戶擁有能夠被觸達、互動的數據。
如：具有實名手機號特徵，能夠進行電話外呼；具有添加企業微信且未刪除特徵，能夠使用企業微信與用戶互動；具有公衆號openId且關注公衆號，能夠通過公衆號發送模板消息。
除了渠道觸達的數據，當然也還包含防騷擾、紅黑名單等過濾維度。
去重及合併的概念，關於數據上的理解可以查閱的這篇文章:《Tableau基礎·如何合併你的數據？理解與邏輯（上）》，Tableau已經描述的非常全面了。
從業務角度的理解，合併及去重是爲了減少冗餘數據，保障名單數量。
一線人員每日收到的名單是有限的，重複的名單數據會使銷售基數虛高，所以我們需要進行合併以及去重。
當意向客戶分配給銷售人員後，會有一定的保護時長。這段時間內，這名用戶不能被其他的銷售人員二次銷售。
當保護期內這名用戶產生新的行爲時，我們需要將它的數據合併到已分配給銷售人員的用戶中，從而保護名單。
3）線索組合及評分
線索的組合，可以是特徵間的組合，也可以是事件與特徵的組合，這部分在前文已經有了比較全面的描述。
產品同學在這一環節設計的是“用戶圈選”功能，其包含了實時事件及離線數據的融合、數據的提取頻次、數據的交併差等。
產品參考上可以體驗易觀方舟、神策數據，在此同樣不進行展開。
理解線索評分可以從線索的目的出發：提升服務人效，避免被動等待用戶，節省尋找用戶的耗費時間。
而評分則是進一步的過濾方式，它也決定了後續的分配規則和轉化效率。
評分高的線索更多的分配給處理時效快、轉化效率高的銷售同學。
其次，也依據評分幫助一線進行優先級及時間管理，將更多的精力投入至高質量的線索之中，降低其無效投入。
4）線索下發
線索下發，回答的問題是：用戶分配給誰、分配多久、以及分配後應該怎麼樣做。
分配策略則指的分配給誰，各自分配多少比例，上限又是多少。分配後，什麼時候會失效。線索的有效期能夠幫助我們監控跟進過程，以及制定釋放流轉的規則。
運營策略指的當銷售或服務人員接收到用戶數據後，應該採取什麼樣的操作步驟展開銷售和服務，每個操作步驟也會關聯運營人員建議的溝通方式以及內容。
5）線索跟進
上圖中，僅體現了線索跟進的正向流轉過程。
實際上，在意向確認後可能直接進入商機轉化，又或者直接進行服務轉交。
確認用戶意向後，基於成交意願執行不同的運營步驟，對於暫無成交意願的客戶目標是建立聯繫，進行用戶關懷及教育。而如果有成交意向，則進一步採集訴求，進行商品的推薦。
而在成交後，則通過服務不斷提升用戶的信任感，以期從服務中再次發現成交的機會。
在這個階段產品應該考量的是，線索應該怎麼流轉到下一階段，什麼時候又應該釋放回到公海。
6）效果追蹤
效果追蹤，在設計上會涉及業績的匹配方式，依此進行佣金結算、排行激勵及報表分析。
在這一環節中，簡單介紹用戶自識別至成交的漏斗，其定義如下：
名單總數：線索組合後的用戶總數
下發成功數：經過防騷擾屏蔽、紅黑名單或運營策略過濾後下發成功數量
互動數：下發給銷售或售後人員後，用戶響應的數量
意向數：響應用戶中，有成交意向的用戶數
成交數：有成交意向的用戶中，最終成交的數量
復購數：成交的用戶中，二次購買的數量
上面的每一步還有更爲詳細的拆解方式，楊堃老師的文章《以在線教育銷售CRM爲例，談談業務大盤拆解優化的六步法》已經描述得非常全面，有興趣的朋友可以進一步閱讀。
04 推薦閱讀
4-1、CRM及線索相關
4-2、指標拆解相關
1）《以在線教育銷售CRM爲例，談談業務大盤拆解優化的六步法》
關注公衆號：Becomewiser，回覆關鍵詞：20，即可獲得文章PPT下載地址。