客户大数据要接地气：通过场景应用提升业务效率
更新时间：2017-07-13 13:54:22点击次数：3807次作者：汇景咨询
用户喜欢住什么房就建什么房、用更少的钱获取更多新客户、提前预测用户对项目的偏好以提高利润率——这三句话也许是很多房企管理层最爱听到的话了。
在过去的一年里，大数据的风吹到地产行业，掀起了一股浪潮，似乎哪家信息化服务商不挂上大数据的名头，就LOW了，哪家地产企业不上马大数据仿佛就要被淘汰了。于是形形色色的企业都跟风加入，其中主要有三个流派：
一是地产企业的创新派，成立创新中心，采用自主开发加外包团队，加足马力干，但养100个开发人员的成本与最终效果难成比例；
二是互联网派，LBS + look-alike + App长尾流量+电商消费数据+WiFi探针，一堆听不明白的名词让人晕头转向，但法律会告诉你数据是存在灰色地带的；
三是行业第三方营销服务商，即借助行业数据积累为企业提供营销服务的中间商，但数据却是别人的。
调研显示，当前不少百强企业的客户大数据实践，效果尚不明显。
虽然实践效果不明显，但是对于行业而言客户大数据是大势所趋，在推进大数据时，不妨先问三个问题：数据怎么来？数据怎么用？是否有价值（性价比）？
对于互联网数据来说，强在数据量大，多样性好，但是企业往往不可获得，或获得的性价比不高，比如阿里巴巴是不可能将淘宝和支付宝的数据进行开放的，腾讯也不可能将微信的个体数据进行开放。在数据交换还没有解决隐私和法律问题的时候，这个方向的数据只能是以指数化、归一化的方式进行应用，第三方数据代采购的服务会受到极大制约。
对于行业的第二方数据来说，强在质量高，能最快为企业积累有效数据，数据量也不错。很多企业可能会问自己能否利用其他项目的客户数据？这个问题不需要回答，只需要反问企业愿不愿提供自己的客户数据给其他企业使用，因为强烈的反对就是这个问题的答案。这说明在行业内部进行数据交换极难得到认同，最起码在“客户”这个敏感点上有一条不可逾越的红线。
对于企业内部的客户数据，强在可控性强，相对容易获取。但是往往数据量少，千亿规模企业多年经营积累的客户数据往往也仅在1000万级别，更遑论100亿规模企业了。数据质量差，数据往往“缺胳膊少腿”，有的特征信息缺失，有的电话号码更换，数据孤岛严重，销售系统、会员系统、物业系统、商业系统都有数据，但往往“老死不相往来”。
大数据的价值阶梯主要体现在四个层面，第一个是能够为企业建立一个可控的数据平台，在这个基础上能有效地实现内部数据统一，并建立内外部数据交换的借口；第二个是帮助企业实现高效的统计工作，借助大数据和云计算的超强运算能力，为日常管理提供更为强大的统计功能；第三个是借助内部积累的数据，为各个业务场景提供改进和提效的支撑；第四个才是考虑全新的创新模式，比如在物业中实现社区经济，在商业、酒店等多元化板块中实现业务的跨界整合。
相对于天马行空的大数据畅想，一步一个脚印的大数据实践更值得推崇，通过不断的数据梳理、管理优化、场景洞察，不断进行优化，迭代信息工具，小投入，小回报，逐步积累大数据实践经验。
就指标定义而言，首先从既有的信息化系统出发，整理所有信息化系统中涉及的客户相关字段，建立客户主要的识别码，比如身份证号码、电话号码，同时建立次要的识别码，比如车牌号码，并明确各个字段数据的唯一性和有效性，建立冲突处理机制。其次，针对客户的指标定义特征信息进行归类，明确信息的优先级、获取难度。
在指标数据采集规范建立环节，重点考察信息的重要性和实际采集的场景、工具、方法岗位。建立人如下表，并形成具体的指引。
在这个环节，需要重点考虑全面整合企业各板块“客户数据”，并形成全价值链数据，结合各个业务场景的实际工作状态，综合考量应该使用的数据采集工具。同时也要考虑数据的质量，比如来电时质量要求往往不能太高，但是来访时对数据质量的要求就比较高。另外，对于数据采集人员而言，往往不关心对其工作没有意义的数据，但这些信息对于后续其他人员比如营销人员会有很大帮助，也需要进行适当采集。因此，在实践中企业根据场景进行识别与细化，形成了近百个数据点的规范，极大地提升了内部客户数据质量。
数据质量不过关，准备再好的分析方法也无法获得应有价值，因此需要进行数据质量巡检。在工作前期，企业的质量巡检工作基本上依靠管理人员的监督与督促来完成，这种方式短期内、局部范围能够取得效果，但对于规模型房企而言，这种方式成本太高，数据一致性也难于得到保证。因此建议采用信息化工具来进行数据巡检，其中企业数据大屏、质量巡检表就是进行质量呈现的重要一环。实践表明，通过质量巡检，关键指标的完整性从40%、50%可快速提升到80%以上。
大数据依赖大量准确、动态更新的数据，因此企业需要经常性地开展质量治理行动，不断优化数据的指标集合，对规范进行重新梳理，并采取行动对数据的真实性和有效性展开检测。
总体而言，房地产企业在实践大数据时，梳理内部客户数据，从而建立一个客户的数据中枢，把企业内部各业态的数据进行全面打通，把客户与企业的所有触点都作为客户数据完善的场景，采用多种数据采集方法，包括PC端、移动端、纸质等，形成企业内部的客户数据资产，为后续的业务场景应用打下坚实基础。
首先，统一经营平台。
有数据，但是不能应用，不能整合、连接，就不叫大数据。数据只是底层，在数据的具体应用中还需要一个中层将数据进行整合、输出，起到引擎作用，才能形成数据应用的规模效应。这种中层，一来从管理上将客户的生命周期打通，二来将业务数据进行跨板块整合、画像，三来为各个应用提供合适的、必要的数据。这种中层可简称为客户整体经营平台。
客户经营平台的典型特征之一就像扩展坞，它通过灵活的接口（往往表现为API、文件交换、数据库连接等三种形态）进行数据的吞吐处理，为信息化供应商提供的PC端或云端的信息系统，或未来其他信息系统提供开放的接口工具，其不单单接地产企业的内部数据，也能接其他板块的客户数据，比如商业、物业、酒店等系统的数据。
客户经营平台的典型特征之二就像压缩机，能够像吸尘器一样将企业内部各种现有信息化系统中与客户相关的所有数据全部吸入到平台中，并结合各个业务场景对数据的要求进行整理、分析，再将这些整理分析后的数据像“压力泵”一样，压到前面提到的企业的客户数据中枢中。
客户经营平台的典型特征之三就像抽水机，每当一个业务场景提出数据要求的时候，能够按照预建的客户标签、分析模型从客户数据中枢中将需要的数据抽离出来，用于业务场景，使具体的业务人员能够快速地利用数据做出应对。比如公司需要向特定人群发送活动邀约时，客户经营平台能够快速将符合条件的客户筛选出来，然后通过前端应用将信息发送给相应群体，不再需要另外整理、筛选。
企业需要打通客户全生命周期的整体经营策略，形成每一个触点的客户经营规范，并引导客户校验身份，提升客户粘度，不断获取客户的相关信息，并充实企业内部的数据库。
但是如果这个客户曾经到过企业其他项目案场、居住小区，或是在旗下商场停车等，企业内部的大数据平台就能将更为全面的信息反馈给置业顾问。同样的在交房场景、投诉报修场景，大数据都能及时将客户的信息进行反馈，有效地提升工作效率。当然，实现这个场景，要求置业顾问、客服人员、物业接待配备相应的App应用。
但是，内部大数据可以轻而易举地为客户分析人员提供相应数据，并进行多样化展示，比如形成当月到访客户年龄分析饼图、当月购买客户的星座分析饼图等。大数据平台能够在1分钟之内生成几十种乃至上百种客户分析报告，涵盖基本信息、交易信息、户型、客服等。甚至有企业直接利用系统生成类似报告进行定期的品牌宣传活动。
内部大数据平台能够快速从企业内部数据库中抽取符合要求的数据集合，同时通过加密的方式与微信进行数据交换，不需要经过人工数据传递，极大提升效率，同时降低风险。
在传统场合中，这种客户转介需要销售总监在公司级别进行协同，并要求销售经理进行Excel 表统计，然后信息传递，大部分人动力不足，实质上难于实现，而通过大数据的调度模型，能够跨越管理和人性的局限，通过技术来实现跨项目客户转介。
此外，还有很多场景都存在大数据的应用价值，比如监控比对各渠道的客户备案、到访能力，又如利用拓客地图和到访人员分析进行拓客地点的快速纠偏等等。在实践中，客户大数据最关键的不是有没有足够的内部数据，而是在各个业务场景中有没有合适的应用，以及在这些场景应用中，能不能借助企业的业务积累发现数据应用的价值。
在过去的一年里，大数据的风吹到地产行业，掀起了一股浪潮，似乎哪家信息化服务商不挂上大数据的名头，就LOW了，哪家地产企业不上马大数据仿佛就要被淘汰了。于是形形色色的企业都跟风加入，其中主要有三个流派：
一是地产企业的创新派，成立创新中心，采用自主开发加外包团队，加足马力干，但养100个开发人员的成本与最终效果难成比例；
二是互联网派，LBS + look-alike + App长尾流量+电商消费数据+WiFi探针，一堆听不明白的名词让人晕头转向，但法律会告诉你数据是存在灰色地带的；
三是行业第三方营销服务商，即借助行业数据积累为企业提供营销服务的中间商，但数据却是别人的。
调研显示，当前不少百强企业的客户大数据实践，效果尚不明显。
客户大数据的三座“大山”：
虽然实践效果不明显，但是对于行业而言客户大数据是大势所趋，在推进大数据时，不妨先问三个问题：数据怎么来？数据怎么用？是否有价值（性价比）？
首先，数据怎么来？
既然叫大数据，普遍的理解是海量数据、多样化数据、获取速度快的数据。理论上包含企业内的客户数据、行业第二方数据、互联网数据，三者集合构成大数据的基础。对于互联网数据来说，强在数据量大，多样性好，但是企业往往不可获得，或获得的性价比不高，比如阿里巴巴是不可能将淘宝和支付宝的数据进行开放的，腾讯也不可能将微信的个体数据进行开放。在数据交换还没有解决隐私和法律问题的时候，这个方向的数据只能是以指数化、归一化的方式进行应用，第三方数据代采购的服务会受到极大制约。
对于行业的第二方数据来说，强在质量高，能最快为企业积累有效数据，数据量也不错。很多企业可能会问自己能否利用其他项目的客户数据？这个问题不需要回答，只需要反问企业愿不愿提供自己的客户数据给其他企业使用，因为强烈的反对就是这个问题的答案。这说明在行业内部进行数据交换极难得到认同，最起码在“客户”这个敏感点上有一条不可逾越的红线。
对于企业内部的客户数据，强在可控性强，相对容易获取。但是往往数据量少，千亿规模企业多年经营积累的客户数据往往也仅在1000万级别，更遑论100亿规模企业了。数据质量差，数据往往“缺胳膊少腿”，有的特征信息缺失，有的电话号码更换，数据孤岛严重，销售系统、会员系统、物业系统、商业系统都有数据，但往往“老死不相往来”。
其次，数据怎么用？
从当前的大数据解决方案来看，更多的企业倾向于如下几种主流用法：一种是获得客户的联系方式直接CALL触达，这种最高效，但存在较大的法律风险；一种是通过外部互联网的通道进行营销触达，这是大数据公司最喜欢讲的故事，但也最难验证大数据有效性；一种是通过内部做类似客户画像的BI展示，这是传统BI公司最愿意说的，但是价值往往停留在企业“逼格”上，难于对业务带来直接改进；还有一种是在企业内部各个场景中进行数据价值的挖掘应用，这是最苦逼的干法，需要不断地创新改进、逐步迭代，但也最容易实现。
再次，是否有价值？
一谈到大数据，很多企业就血脉贲张，认为来了一剂灵丹妙药，似乎只要启动项目就能创造一个全新领域并实现弯道超车，但是据目前的实践，价值并不如宣传的那样好，大部分大数据项目都处于投入环节。实际上，对于大部分企业而言，不如从眼前着手，先逐步展开再去探寻更大可能。大数据的价值阶梯主要体现在四个层面，第一个是能够为企业建立一个可控的数据平台，在这个基础上能有效地实现内部数据统一，并建立内外部数据交换的借口；第二个是帮助企业实现高效的统计工作，借助大数据和云计算的超强运算能力，为日常管理提供更为强大的统计功能；第三个是借助内部积累的数据，为各个业务场景提供改进和提效的支撑；第四个才是考虑全新的创新模式，比如在物业中实现社区经济，在商业、酒店等多元化板块中实现业务的跨界整合。
底层、中层、表层三层实践
相对于天马行空的大数据畅想，一步一个脚印的大数据实践更值得推崇，通过不断的数据梳理、管理优化、场景洞察，不断进行优化，迭代信息工具，小投入，小回报，逐步积累大数据实践经验。
1.底层数据打通，做好数据积累工作
对于地产企业而言，客户是最重要的数据资产，但历史上对数据的不重视，导致行业普遍存在数据数量少、质量差、孤岛严重等问题。因此，企业在大数据实践中首先应展开内部客户主数据治理工作，包含四个主要步骤，分别是：客户主数据指标定义、客户数据采集规范建立、数据质量巡检、数据质量治理行动。就指标定义而言，首先从既有的信息化系统出发，整理所有信息化系统中涉及的客户相关字段，建立客户主要的识别码，比如身份证号码、电话号码，同时建立次要的识别码，比如车牌号码，并明确各个字段数据的唯一性和有效性，建立冲突处理机制。其次，针对客户的指标定义特征信息进行归类，明确信息的优先级、获取难度。
大数据依赖大量准确、动态更新的数据，因此企业需要经常性地开展质量治理行动，不断优化数据的指标集合，对规范进行重新梳理，并采取行动对数据的真实性和有效性展开检测。
总体而言，房地产企业在实践大数据时，梳理内部客户数据，从而建立一个客户的数据中枢，把企业内部各业态的数据进行全面打通，把客户与企业的所有触点都作为客户数据完善的场景，采用多种数据采集方法，包括PC端、移动端、纸质等，形成企业内部的客户数据资产，为后续的业务场景应用打下坚实基础。
2.中层管理打通，形成客户数据应用引擎
企业的数据之所以存在数据孤岛，导致数据质量问题，除了在信息化建设时没有整体规划这个因素外，最重要的原因往往是因为企业内部在管理上是割裂的。销售人员只关注到访客户，也只关心销售阶段的客户数据；客服人员往往关心客户入会成为会员，并不关心如何给销售提供支撑；物业公司更不会关心自己的数据是否满足其他部门的需求。因此，一方面需要建立基于客户整体经营的信息化平台，另一方面需要在内部管理层面打破“铁路警察各管一段”的部门隔墙。首先，统一经营平台。
有数据，但是不能应用，不能整合、连接，就不叫大数据。数据只是底层，在数据的具体应用中还需要一个中层将数据进行整合、输出，起到引擎作用，才能形成数据应用的规模效应。这种中层，一来从管理上将客户的生命周期打通，二来将业务数据进行跨板块整合、画像，三来为各个应用提供合适的、必要的数据。这种中层可简称为客户整体经营平台。
客户经营平台的典型特征之二就像压缩机，能够像吸尘器一样将企业内部各种现有信息化系统中与客户相关的所有数据全部吸入到平台中，并结合各个业务场景对数据的要求进行整理、分析，再将这些整理分析后的数据像“压力泵”一样，压到前面提到的企业的客户数据中枢中。
客户经营平台的典型特征之三就像抽水机，每当一个业务场景提出数据要求的时候，能够按照预建的客户标签、分析模型从客户数据中枢中将需要的数据抽离出来，用于业务场景，使具体的业务人员能够快速地利用数据做出应对。比如公司需要向特定人群发送活动邀约时，客户经营平台能够快速将符合条件的客户筛选出来，然后通过前端应用将信息发送给相应群体，不再需要另外整理、筛选。
其次，统一经营策略。
每一家百亿规模企业都有上百个公众号，包含公司的、分公司的、项目的，乃至各专业领域的。每一个公众号都有几千到上万不等的关注者，遗憾的是并不了解“粉丝”是谁，也无法进行有效经营。如果能将这些粉丝转化成业主或是会员，都能为企业带来极大的想象空间。这样的场景在地产企业的客户触点中很常见，面临大堆客户，但无法进行身份校验，难以将信息传达给目标人群。企业需要打通客户全生命周期的整体经营策略，形成每一个触点的客户经营规范，并引导客户校验身份，提升客户粘度，不断获取客户的相关信息，并充实企业内部的数据库。
3.表层场景应用打通，提升业务工作效率
在常见的大数据应用中，营销推广是重要环节，大数据解决方案往往都会将大数据的营销推广作用讲的神乎其技，不可否认它给企业带来了新的思路和推广方法，但同时需要重点关注其另一个关键应用，即提升业务工作效率。以下从4个场景进行解读。
场景1:为各业务场景服务提供适当数据
曾有企业提出，能不能在置业顾问第一次接待客户的时候，对客户诉求的了解就细化到学区房等，这样置业顾问可以针对性带着客户去配套的学校，并围绕学校做话术和销售套路的展开，这将极大地提升销售转化率。事实上，现有的大数据技术还无法实现这种能力，因为大数据本身并不能单就个体进行全社会信息的整合并分享，也涉及较大的法律障碍。但是如果这个客户曾经到过企业其他项目案场、居住小区，或是在旗下商场停车等，企业内部的大数据平台就能将更为全面的信息反馈给置业顾问。同样的在交房场景、投诉报修场景，大数据都能及时将客户的信息进行反馈，有效地提升工作效率。当然，实现这个场景，要求置业顾问、客服人员、物业接待配备相应的App应用。
场景2:定期出具各种客户分析报告
大部分企业定期会生成销售分析报告，但是却很少会进行定期的客户分析报告，其中一个重要的原因在于无法获得企业到访客户、成交客户的信息。但是，内部大数据可以轻而易举地为客户分析人员提供相应数据，并进行多样化展示，比如形成当月到访客户年龄分析饼图、当月购买客户的星座分析饼图等。大数据平台能够在1分钟之内生成几十种乃至上百种客户分析报告，涵盖基本信息、交易信息、户型、客服等。甚至有企业直接利用系统生成类似报告进行定期的品牌宣传活动。
场景3:为外部大数据服务提供种子客户
在外部大数据公司的方案中，要实行大数据营销，需要企业提供种子客户，比如完成一次微信朋友圈广告的推广活动，往往需要企业提供上万个种子客户资料，但是对于大部分第一次开盘项目而言，提供1万个种子客户还是需要较长的准备周期的，还经常发生因为种子客户数量或质量问题，导致企业不能实现最佳推广效果的情况。另外，通过Excel表进行数据传递对企业来说也有一定的数据风险。内部大数据平台能够快速从企业内部数据库中抽取符合要求的数据集合，同时通过加密的方式与微信进行数据交换，不需要经过人工数据传递，极大提升效率，同时降低风险。
场景4:同区跨项目客户转介
现在很多企业执行深耕战略，往往在同城或同片区有不少项目按照节奏进行开盘，大数据能够在后台通过调度的方式将符合不同项目特征的客户进行企业内跨项目转介，提升客户资源的利用率。在传统场合中，这种客户转介需要销售总监在公司级别进行协同，并要求销售经理进行Excel 表统计，然后信息传递，大部分人动力不足，实质上难于实现，而通过大数据的调度模型，能够跨越管理和人性的局限，通过技术来实现跨项目客户转介。
此外，还有很多场景都存在大数据的应用价值，比如监控比对各渠道的客户备案、到访能力，又如利用拓客地图和到访人员分析进行拓客地点的快速纠偏等等。在实践中，客户大数据最关键的不是有没有足够的内部数据，而是在各个业务场景中有没有合适的应用，以及在这些场景应用中，能不能借助企业的业务积累发现数据应用的价值。
