客户运营常见痛点
客户精细化运营
客户标签可以帮助保保司业实现客群细分,进而实现客户精细化运营。保险产品对于客户来讲通常是非刚需、低频购买的,保险公司需多次触达客户促 进其购买需求。
保险产品交叉营销
根据客户的人口社会学信息、保单信息、行为信息等数据进行分析,基于客户标签洞察客群画像,精准筛选目标受众群,针对营销的保险产品的特性构建交叉营销。
保险代理人赋能
采集客户线上行为数据,如客户在线上浏览了某保险产品详情页、咨询了客服、做了保费测算等行为数据,将客户触点行为数据推送给代理人或营销中心,助力客户转化。
个性化产品推荐
通过客户属性信息、行为信息、历史保单信息等数据,构建客户标签,个性化匹配适用该客户的产品。客户在访问产品推荐模块时,实现个性化产品推荐。
客户体验提升
通过采集客户在线上的交互数据,如线上投保、保全申请、 理赔申请等业务流程数据,如客户浏览保险商城、参与活动、 浏览资讯内容等数据,构建完善的数据指标体系,针对性优化功能提升客户体验。
活动运营自动化
基于“活动触达-转化-效益”三个层面,配置可视化看板实时监控活动运营数据,及时评估活动效果,动态调整活动运营策略。实现降本增效。
“I2A2C”实现数字化运营阶段性突破
“I2A2C”基于“I2A2C”的整体解决方案落地架构
融入行业和运营视角,助力企业实现流量分析、客群运营、精准营销,为客户生命周期提频增值,为企业降低营销成本、提升转化率。
前链路客户运营产品及服务价值:业务增长、能力增长双赋能
以埋点工具为抓手,辅之产品分析能力,共同赋能企业业务和能力双增长
前链路客户运营产品及服务矩阵
埋点:双模采集,业务也能轻松上手,降低技术“延迟满足”
埋点:双模采集,业务也能轻松上手,降低技术“延迟满足”
埋点:融合,实现匿名和实名身份的识别,构建全链路One ID
埋点:分析,流量分析、用户分析闭环驱动,实现真正的全链路
UBA获客分析:全面对接主流广告渠道,帮助识别优质投放渠道
UBA产品分析:广告监测的后台设置,无需技术能力即可操作
UBA产品分析:留存分析,查看及挖掘留存关键动作
UBA KOC达人:可视化链路的追踪裂变,定位“三级人脉”关系
Service 服 务混合编排
埋点SDK对接, 指标看板搭建。
Consulting 咨 询
数据分析咨询, 数据运营咨询。
Training 培 训
Workshop(工作坊), 集团内训。
后链路客户运营产品及服务矩阵
以客户运营工具为抓手,辅之运营服务,共同推动企业客户数字化运营工作,带来GMV的提升 。
标签体系 | 业务视角 - 定框架
标签体系 | 业务视角-定框架-框架分解
基于客户属性主题
有目的的了解用户的背景信息,如人口学特征、兴趣爱好、社会背景、经济实力评估、消费情况等。可实现针对性的广告投放,差异化营销;也可与其他类型标签共同使用。
基于客户偏好主题
列举式、即做即用的标签框架,是基于客户对产品或交易偏好做区分,提供给营销人员信息去进行个性化服务。如股票板块偏好,风险偏好,基金购买类型等;偏好分为短期偏好和长期偏好。
基于客户能力主题
列举式、推断式的标签框架,是基于模型计算客户在主要金融产品上的绩效和信息获取能力,结合客户风险偏好,可以得到客户的关键KYC信息。
基于客户行为生命周期
识别客户在公司中所处的状态,对不同生命周期的用户执行相应运营策略。如A(感知)-A(获客)-A(活跃)-R(留存)-R(收入)-R(传播)。通过“价值-粘性”矩阵对客户进行截面分析。
标签体系 | 业务视角-定框架-基于“价值-粘性”模型的客户细分
标签体系 | 业务视角-厘客群-基于用户旅程场景设计用户标签
标签体系 | 业务视角-厘客群-基于客户购买行为设计偏好主题
标签体系 | 业务视角-建指标
标签体系 | 业务视角-落标签
标签体系 | 数据视角-保司全域业务分析场景蓝图
标签体系 | 数据视角-金融数据中台
标签体系 | 数据视角-数据治理的六大痛点
组织架构不适配,推进难度大
传统的企业组织架构往往没有单独的数据管理部门,数据治理相关业务由信息科技部门代为统筹,导致数据管理团队和角色比较分散; 关键角色权责不统一; 多个部门之间配合不到位; 数据治理各个相关角色缺乏共同语言;不同角色的付出与收益脱节以及没有人对 数据的质量负责。
数据采集和获取困难
企业在进行数据治理的过程中,需要对接其现有的业务系统、自有触点以及各类三方数据源。有下面数据采集痛点: 数据源缺乏统一的标准; 不同业务系统的数据的格式、类型不统一。
数据孤岛效应严重
数据来源广,数据孤岛情况非常严重,数据烟囱林立; 多终端,渠道不一致,用户数据的标识不一致。
数据质量管理难,问题积压如“定时炸弹”
缺乏数据质量的管理体系和方法论,对于数据质量缺乏合理的评估体系; 无法对数据质量做主动监控,永远处在被动状态; 数据质量管理无法从源头做起。
数据管理混乱,想重新梳理但不知从何做起
数据命名定义混乱,同名不同义、同义不同名,数据一致性无法得到保证; 数据之间缺少数据关联关系、血缘情况,对数据波动的影响面无法控制。
数据开放风险大,数据合规安全不可控
数据在对外输出时,无数据流量控制、脱敏化处理,无数据API接口; 缺乏数据合规的管理机制以及技术工具,对数据上报和数据传输无法进行及时的控制和检查。
标签体系 | 数据视角-数据治理体系
以数据的可见、可用、可运营为目标 坚持3大原则:“基于规则的质量管控,基于成本的价值运营,基于场景的数据生产”。
以业务场景价值为驱动,紧密围绕数据治理过程进行建设 大规划、小试点,数据治理体系逐步建立。
明确数据管理部门、数据使用部门在数据治理活动中的职责 建立数据全生命周期管理流程。
建立数据标准体系,完善数据相关的标准、规范 建立数据标准迭代管理机制,保障数据标准的有效性。
建立数据质量评价规则体系,开展数据质量评价 建立数据质量监控机制,完善数据质量问题的闭环管理。
建立数据分类分级管理规范,明确数据脱敏加密管理方案 识别敏感数据,确保敏感数据被保护。
构建数据资产目录,让数据可见、可用 完善数据资产的共享机制,充分发挥数据资产价值。
搭建数据平台,按照总体规划,分步拉通全域数据 支撑数据治理体系的落地,确保数据治理成果的可持续。
标签体系 | 数据视角-数据治理落地
标签体系 | 数据视角-持续数据治理……
质量规则引擎混合编排
通过对业务的梳理,可以定义每一条进入的数据需要满足什么样的数据质量要求,这些数据质量的要求和标准可以通过可视化的形式选择数据和字段直接进行质量规则的配置。
数据质量监控异常报警
根据用户设定的数据质量规则,所有进入的数据,需要先对数据进行规则校验,并将不符合规则的异常数据及时通过异常看板实时反馈给数据 Owner。同时,对异常数据及时形成处理任务,并及时调整上游数据和规则。
运营分析包:从运营视角出发,看见运营关键节点
集成CVM客户交易增量运营模型,利用数据仪表盘对客户概览、新客、老客、营销活动、产品关联、权益数据进行宏/中/微观可视化展示,协助运营人员第一时间进行客户洞察,了解不同客群消费趋势和可能存在的问题。
标签包:360o客户标签,快速了解客户
提供贴合客户业务的客户360°标签,拥有能够分解销售的标签体系,了解客户概貌,知晓标签建设质量,找到可运营的标签或标签值,从标签中辅助制定营销策略。
标签包:基础标签扩展,满足复杂场景的标签可视化开发
DataNuza数据驱动的客户数字化运营平台
为企业的交易增量而生:以客户为核心,构建数据整合、标签加工、洞察圈选与互动式营销为一体的客户运营全流程。
CDP:秒级圈人,随时找到需要的客户人群
场景化的客户分群,灵活多方式的圈人工具,满足多种业务场景,随时找到需要的人群
CDP:客群洞察,制定运营目标与策略
基于标签体系实现客群洞察,制定运营目标和策略,核心输出在“什么时间”“什么渠道”以“什么产品”“什么优惠力度”触达客户。
分群用户画像混合编排
分群画像示例:
分群名称:高价值用户;
年龄分布:25-30岁;
资金流入渠道:蚂蚁借呗或微粒贷等互联网渠道; 过去90天借贷次数:>=3次; 消费交易频率:高; AUM平均值:5万; 工资留存率:较低。
MAP:“策略-细分-触达-效果-优化”的自动化闭环营销
MAP:基于特定人群的关键事件进行自动化营销
基于客户活跃的重要性,我们必须梳理并抓取客户关键事件,提升与客户形成互动维度,充分利用工具能力,快速与客户互动,提升客户活跃。
MAP:在营销过程中进行人群细分
人群细分是将客户数据和客户标签活用起来,基于事件/人群/ABTest进行用户细分,是落地精准营销的重要一环,多维度定位高价值客户。
MAP:数据跟踪与回流,活动效果高效复盘
活动页面含埋点,监测活动效果,同时能跟踪渠道效果并确定导购业绩;活动页面客户的参与、分享、达成埋点监测,并数据回流中台完善客户标签。
CAP:对接丰富的营销资源和私域触点
活动页面含埋点,监测活动效果,同时能跟踪渠道效果并确定导购业绩;活动页面客户的参与、分享、达成埋点监测,并数据回流中台完善客户标签。
CAP:多种活动玩法,10分钟构建推广活动
提供多种推广活动玩法模板,如大转盘、问卷等;运营人员可通过修改组件图片和颜色、设置活动信息和奖品信息完成活动配置上线,提升活动创建的效率。
活动丰富
活动类型覆盖裂变分享、签到、转盘、拉新、拼团、投票等,满足基本运营需求。
配置灵活
所有活动模板的活动页面、规则可灵活配置,可实现千人千面的活动运营/抽奖。
资源权益丰富
活动权益资源可对接自身优惠券、积分,电子券、实物。
活动可推广
作为H5推广,也可嵌入公众号、小程序或第三方平台
CAP:千人千面、个性化定制页面
提供丰富的页面装修组件,拖拉拽即可创建出适用于运营活动的自定义主题页面,提升活动创建的效率 。
组件丰富
页面组件功能极为丰富,涵盖市面上大部分页面配置所需功能;可以实现不同领域品牌的页面自定义装修。
千人千面
大部分组件可以实现千人千面的能力,通过配置不同人群的展示策略和内容,当满足不同条件的用户进入同一个页面时可针对人群展示不同内容或活动。
算法包:20个数据智能模型/算法场景(M20)
算法包:支持客户算法poc,拓展客户运营场景
化解客户运营三大痛点,辅助客户交易增量。
客户投保预测
基于客户投保与线上行为埋点数,利用协同算法,预测每个客户最有可能投保的产品、投保时机。
客户流失预警
基于历史全量客户的购买、交互行为以及客户本身的属性,通过算法提前识别出流失概率较高的人群。
千人千面推荐引擎
基于客户投保与线上行为埋点数据,帮助企业快速找到客户感兴趣的品类与产品,拉升保费增长。
咨询&运营服务:端到端实现客户落地,看到运营效果
客户数字化蓝图规划
客户调研&咨询
客户数字化现状调研, 客户业务运营数据分析。
客户运营目标设定
客户数字化运营目标拆解,客户运营核心差距识别,客户运营蓝图,客户核心场景蓝图及设计。
业务流程和建议
根据客户运营业务蓝图,梳理客户(私域)运营相关的业务组织架构、和不同组织之前的协同关流程和关系等。
IT 支撑设计
对数字化客户运营所需的系统进行规划和设计、包含系统架构、核心功能、所需实施部分、以及相关关系
客户运营陪跑服务
线上/下渠道导流私域
-线上微信生态、存量客户在线化链路设计。策划活动验证链路引流效果。基于活动数据进行复盘给出优化建议。
金融产品渗透场景
-通过数据分析定位金融产品渗透目标人群,洞察目标人群阶段和偏好,进行活动预算和收益评估,制定活动核心权益,陪跑活动上线,并进行数据分析复盘给出优化建议。
私域日常促活及转化活动规划
- 基于人群理解和业务理解,输出日、周、月、大促活动全年私域活动规划。完成1-2场私域周期性活动策略输出和陪跑,可选互动向、转化向的活动。并根据活动结果复盘给出优化建议。
私域体系内裂变活动
- 基于客群和业务特性,行业标杆玩法,结合企业资源现状。制定客群定位及目标,裂变玩法和链路设计,预算和收益,完成活动的策略输出和陪跑。并根据活动结果复盘给出优化建议。
保司运营
险企需要结合自身业务及系统特点的、可落地的数字化转型,来应对市场风险、缓解内部痛点,实现降本增效
客户运营
场景概述
通过客户运营,了解自己的客户,深挖存量客户的价值
相关KPI
新客数;保费收入。
客户运营
保司在实际运营过程中,可以在不同的标签主题下搭建多种标签,满足日常各类运营场景的要求,支持灵活配置、构建复合指标与衍生指标,服务更高级的业务目标。
客户运营
保司在实际运营过程中,可以在不同的标签主题下搭建多种标签,满足日常各类运营场景的要求,支持灵活配置、构建复合指标与衍生指标,服务更高级的业务目标。
客户运营
针对存量客户进行深度数据洞察,通过机器学习来预测存量客户复购的可能性,并找到提升复购的运营抓手。
产品运营
场景概述
应用数据分析洞察技术,通过产品运营提升转化及风控效率
相关KPI
综合赔付率;高风险出险;长险赔付率 。
产品运营
入新分市场,需要搭建数据分析体系,通过数据指标来监控业务的风险及成本控制。高效的数据看板为管理层提供了决策数据,保证保司在运营中以数据为基础,做出科学决策。
产品运营
大数据在产品设计环节的应用在于前期的数据收集,在产品形态设计阶段,海量数据处理和分析支持产品碎片化设计,在精算定价阶段, 数据支持全面清晰的需求画像,可以提升损失和费用预测的精准度。
产品运营
很多保司在产品销售的痛点在于,大多数客户有且仅持有一款公司产品,对于保司来说,客户忠诚度低会带来高流失压力,对于客户来说,保障不完整会使家庭处于各类风险之下。组合营销应用得当可以帮助保司提升产品渗透率,进而养成客户忠诚度。
平台运营
场景概述
应用数据技术,提升平台运营效率。
相关KPI
客户活跃率;保费测算人数;客户转化率。
平台运营
进入新分市场,需要搭建数据分析体系,通过数据指标来监控业务的风险及成本控制。高效的数据看板为管理层提供了决策数据,保证保司在运营中以数据为基础,做出科学决策。
平台运营
内容运营围绕产品,搭建良性循环,有着吸引流量、培养用户心智并促成转化的重要作用,越来越多的保司开始注重内容阵地。
平台运营
保险公司进入生态,寻找价值点,并持续将其打磨成不可替代的资源和能力,然后借用保险科技,寻找弯道超车的机会。保险公司对客户的服务,将会由保险产品向产品相关服务、乃至跨界服务延伸,将保险客户变成高频用户,挖掘客户价值链,深入满足保障需求。
用户体验
场景概述
设计用户体验指标体系,提升平台的用户满意度。
相关KPI
投保时长;在线理赔时长;app崩溃次数。
用户体验
设计用户体验指标体系,提升平台的用户满意度。
用户体验
提供智能化预警和自动化分析服务,支持数据异常预警及快速定位异常问题。
队伍运营
场景概述
数字化队伍运营,搭建内部管理的闭环经营。
相关KPI
入职转化率 ;首单转化率 ;续保转化率 。
队伍运营
数字化队伍运营,搭建内部管理的闭环经营。
队伍运营
数字化队伍运营,搭建内部管理的闭环经营。
企业级一站式数据门户:让数据价值触手可得
DataHubble是企业级一站式数据门户,旨在为企业提供统一的报表平台、指标中心。 作为人人可用、人人易用的业务数据搜索引擎,用户可零代码便捷取数,有效帮助洞察数据、使用数据,探索数据价值,为业务提效。
6大核心功能:
报表中心 统一易用。
指标中心 全面立体。
自助取数 灵活极速。自助分析 智能洞察。
系统管理 便捷统。
数据安全 坚如磐。
数据可视化开发平台:生动展现数据之美
DataMaleon是图形化、零编码的数据可视化平台,帮助企业自主搭建专业的数据可视化应用,快速实现数据呈现、实时监控、智慧决策、数据分析等功能,简单高效、炫酷生动,满足多元场景展示需求。
风格主题 一键切换。
开发大屏 拖拽式零编码。
集成BBODDI模型 讲好企业故事。
组件工厂 开发者友好。
原生组件动效 海量生动。
敏捷迭代 即发即用。
支持多数据源 数据接入能力强。
终端交互 实时联动。
从业务到数据,构建企业可持续发展的数字化能力
StartDT Data Cloud:统一开放、中立安全的数据云
数据云平台:互联网级通量、零售级效率、金融级安全、电信
DataSimba是全新一代中立安全、稳定易用的数据云平台,以跨平台、云原生、自主可控、数据安全为技术内核,为客户提供全链路的“产品+技术+方法论”服务,支撑客户构建其自有的数据生产力。
数据云平台:互联网级通量、零售级效率、金融级安全、电信
跨平台
企业可以使用统一v的账号权限体系,对多个IaaS云基础设施、多个Workspace(域)进行管理,实现分级多域、跨云跨平台部署,提升协作与管控效率。
云原生
具备微服务、容器化编排、存算分离、CI/CD等云原生技术特性,优化架构,为企业降低数据应用在云上的存算成本,提升研发效率。
自主可控
向下搭载自主可控的数据存算引擎DataKun,帮助企业快速构建智能化、轻量级的大数据基础平台,技术可控、成本可控。
数据安全
内置数据安全引擎DataBlack,以数据为中心,支持企业智能、高效地完成数据全生命周期安全管控,为企业数据资产护航。
Simba Tookits 数据服务工具箱:内置科学方法论,为数据开发提效
指标工厂
集成Metric Index-Model方法论,帮助企业建立标准统一、无二义的指标中心与维度丰富的数据模型。
标签工厂
内置OEET(Object-Entity-Event-Tag)方法论,支持低代码方式开发标签,灵活、易用、低门槛。
服务工厂
内置OLS(Object-Lifecycle-Service)方法论,可快速完成数据接口配置,实现业务与数据仓库隔离;具备服务编排能力,让复杂的多数据调用更简单。
算法工厂
内置CRISP-DM(跨行业数据挖掘标准流程)模型方法论,从模型开发、模型训练,到模型部署,一站式完成算法应用场景。
自主可控的数据存算引擎:技术可控,成本可控,客户可控
DataKun帮助企业构建智能化、轻量级的大数据基础平台,快速建立其自有的大数据分析处理能力。
开箱即用:1小时部署,分钟级创建集群。
一键迁移 :100%兼容开源大数据生态,提供集群数据搬迁工具,帮助客户快速完成平滑迁移。
技术可控:存储层支持HDFS,也支持存算分离的自研文件系统SFS;引擎层支持社区开源组件+自定义组件,持续更新迭代。
智能运维:支持三级分层数据运维,提供丰富的运维指标,通过可视化的方式,快速发现并定位问题。
成本可控:支持存算分离,有效降低存储成本;完善的运维管理工具有效降低运维成本与时间成本。
信创兼容:兼容国产芯片和软件,在全信创环境下稳定运行,保障自主可控。
数据安全引擎:全链路 全智能 全场景
DataBlack遵循以数据为中心的安全架构设计理念,支撑企业完成数据全生命周期安全管控,强化企业数据安全治理能力与风险防御能力,为数据资产安全保驾护航。
全生命周期管控
围绕数据流动路径,聚焦敏感数据,实施安全管控。
智能分级分类
通过智能算法,对数据进行扫描,并识别敏感资产。
全面审计
支持全面数据审计,完成对风险操作行为的识别和告警监控。
核心功能
敏感数据自动化发现,风险识别与监控告警,精细权限管控,数据加密与防拷贝,数据审计和监控.
大数据咨询服务:厘清差距,明确方向,提出对策
为企业提供大数据相关的战略规划、能力建设、组织设计、业务设计等咨询服务,为构建企业自身的资产和数据能力出谋划策。
数据云实施服务:助力成功落地,更要长期主义
以数据价值为先,关注长期数据能力建设,为企业定制化规划数据基础设施及上层数据产品的实施方案,充分利用数据能力服务业务场景。同时,具备标准化的交付矩阵,支撑企业完成落地与知识转移。
大数据运维服务:稳定高效,持续护航
为客户提供平台架构优化、数据治理、数据血缘、任务监控等多类型服务的策略、配套方案及落地支持,全流程保障企业大数据平台稳定高效运行,为数据发挥价值保驾护航。
数据治理
通过建设数据模型、规范数据标准、数据质量管理、数据血缘等措施,实现企业对数据资产的规范化、集成化。
服务优势
平台架构合理化;支持平台企业级稳定;数据治理规范化;提高数据质量;保障数据安全;数据任务可视化;异常任务秒级定位。