如何理解SCRM的用户线索

编辑导语：SCRM系统可以帮助发现和发掘更多的线索，完善用户信息；并且能够提升用户体验，维持品牌与用户之间的良好关系；本文作者分享了关于如何理解SCRM的用户线索，我们一起来了解一下。

01 用户线索的应用平台

用户线索这一名词，发源于线下销售的过程，线上主要应用于SCRM系统之中。

在设计系统的子功能前，应先认识其应用平台。从应用平台的核心功能出发，理解子功能的定位。

1. CRM是什么？

认识SCRM之前，先认识CRM，然后再理解它们之间的差异。

CRM的中文名称是客户关系管理，它是一种客户资源管理及运营方法。通过信息技术帮助企业识别、发展、维护以及服务客户，提升企业收入，并提高户满意度和忠诚度。

YK，公众号：goYangKun漫谈CRM体系化建设1 – CRM与客户管理综述

基于CRM系统的侧重点进行分类，能够粗略地划分MCRM、OCRM、SCRM、ACRM。

Marketing CRM，侧重于运营、营销的自动化，对应企业的运营团队；Service CRM侧重于服务的自动化，对应企业的售后团队——这两者覆盖了用户售前、售中、售后的三个阶段。

而Operational CRM，则侧重在销售自动化，对应企业的销售团队。

这样划分的原因主要有两点：

组织架构的划分，大多数企业的运营、销售、售后团队是分离的； 融合性的产品实现难度大、成本高，要将运营、销售、售后的所有需求整合，对产品架构能力要求非常高，实现的周期也非常漫长。

这三个系统的核心功能是相近的，主要为识别用户、运营用户，并追踪效果；只是不同团队的目标用户、运营手段以及监测的数据具有差异，衍生的运营工具也有所不同。

而用户线索则在识别用户环节，是一切的开始。

2. SCRM的S是什么？

近些年，伴随CRM被提及更多的是SCRM，这个S与上文所述不同，指的是社交、简单高效以及智能。

SCRM的全称为社会化客户关系管理，核心在于Social——社交。

根据CNNIC的2021年中国社交媒体市场分析报告，2020年2月中国网民规模已经达到10.8亿，随着互联网覆盖广度和深度的提升，流量也变得越来越难以获取。

即使是四五线城市，衣食住行的相关服务，也逐渐的从线下转移至了线上。

用户获取成本的增高，再加上即时通讯app的兴起，使得大多数人的眼光瞄准了即时通讯。

这种模式以前称之为微商，现在叫做私域，不同的企业也逐步借助企业微信等工具，侵占了我们的聊天窗和朋友圈。

根据极光发布的《2020年Q1移动互联网行业数据研究报告》，即时通讯类APP在2019年APP平均使用时长中的占比超过了25%，而占据榜首的微信也成为了销售人员和服务人员展业的重要工具。

Simple，解读为简单、高效。流量红利的消失，规模化的愈发困难，企业的经营策略也从开源转向节流，开始注重效率和成本。 Smart，指的是智能，它来源于科学技术的发展；一方面是自动，使得更多的工作能够让系统承担；另一方面则是推荐和个性化。

从这3个定义看，高效、智能意味着关注线索的价值和精确度，需要帮助一线人员更容易促进成交，提供更好的服务。

而社交，则意味着要考虑一线人员要采用什么样的渠道与用户沟通。

3. CRM和SCRM的区别

了解了CRM和SCRM，才能够回答2者区别。SCRM在CRM的基础上，融合了社交。

但2者的目标是一致的，都是通过更合理、高效的管理和运营客户，提升用户的生命周期价值，所以结果指标上2者并无太大的偏差。

而融合了社交，与用户的沟通方式由单向转为了双向，由触达、电话的单点转为了互动；基于此，在探询用户成交的过程，还会增加类似客户互动率的相关指标。

02 用户线索的定义

用户线索，应用在SCRM系统，服务于识别用户环节，它代表着一次营销或服务机会。

对比原始数据，它是高价值数据的组合；帮助一线的销售或售后同学提升服务人效及转化效率。

服务线索，将售后同学的工作模式由被动接受电话或IM进线转变为主动服务；销售线索，帮助销售同学减少挖掘用户的时间，让其将精力放在促成交环节。

但同样是识别用户，它和用户特征、用户画像又有哪些区别呢？这个问题，从数据定义、数据价值、使用方式三个维度来解答。

1. 数据定义

从数据类型来看看，特征和线索是数据的组合，而画像是数据的集合。

年龄大于25岁，是一个用户特征；而“年龄大于25岁”加上“每日工作时长超过12个小时”这两个特征的组合，则可以称为大龄社畜青年。

而用户线索不仅是特征，它还是事件和特征的组合。

从时效性看，事件更多的是实时触发，而特征多为离线清理；前者是开始，而后者是结束；比如说：“我今天乘坐了地铁”和“地铁出行用户”。

用户画像则是多维特征的集合，由基础属性、地理属性、社会属性等一系列不同维度特征呈现用户或者群体特点，从而进行分析工作。

2. 数据价值

组合的目的，是为了更高效的使用数据。

从数据价值层面看，用户特征的目标性较弱，不会特别在意数据价值，它主要解决从无到有的问题。

而用户线索由于应用方主要是销售和服务同学，其目标聚焦在如何将用户转变成客户以及如何让用户、客户不流失，希望潜在用户能够更靠近成交，希望服务的能够更为及时。

地铁出行用户这样的特征是无法准确销售和服务的。

而如果是“我今天乘坐了地铁”，看了手机的“车辆降价广告很久”，“我没有车”但是“月收入能够支持车贷”这样的数据组合，就能够比较清晰的制定运营策略，从而进行服务或销售了。

3. 使用方式

在使用方式上看，线索和特征是“圈选->运营”的步骤，我们明确知道要对什么用户进行运营。

而用户画像则会额外经过分析过程，即“分析->圈选->运营”，它偏重于经过分析结合数据模型后进一步制定运营策略。

03 用户线索的生命周期

明晰概念，规划才能够清晰。

在进行产品规划时，可以从事物的流转过程及状态着手；思考用户线索提供给销售和服务人员的前、中、后分别有哪些阶段，以及每个阶段需要做什么样的事情。

完整的流转过程，也是用户线索的生命周期；由此可以制定最小可执行版本，然后再有序、有效的进行产品规划以及迭代。

1. 线索收集

线索的收集和数据的整合并没有太大的区别，目标是数据越多越好。

数据量越多，意味着客流量越大，在10000个人经过的道路开便利店和在1000个人经过的道路开便利店，两者每日成交的概率是不同的。

其次数据维度越多，意味着给运营人员决策和分析的维度越多，我们不仅能基于性别采购商品，还能基于年龄、收入去采购商品。

而分析也是相同的道理，样本量大分析的结果代表性更高，决策的风险更低；维度多，分析的角度也更多。

在这一阶段产品同学的考量是，基于不同的数据来源，协助研发同学设计统一的数据上报规范。

对元数据进行可视化的管理后，再依据不同业务对数据的时效性要求提供服务。

功能上可以参见数据集市，在这里就不过多展开了。

2. 线索清洗

这一环节，主要包含了数据落库后的清洗、过滤、去重、合并4个步骤。

清洗指发现并修正数据中可识别的错误，包括检查数据一致性，处理无效值和缺失值等。

而过滤步骤主要面向运营，不可运营的用户是不具备价值的。这里的运营指的用户拥有能够被触达、互动的数据。

如：具有实名手机号特征，能够进行电话外呼；具有添加企业微信且未删除特征，能够使用企业微信与用户互动；具有公众号openId且关注公众号，能够通过公众号发送模板消息。

除了渠道触达的数据，当然也还包含防骚扰、红黑名单等过滤维度。

去重及合并的概念可以自行去查询。

从业务角度的理解，合并及去重是为了减少冗余数据，保障名单数量。

一线人员每日收到的名单是有限的，重复的名单数据会使销售基数虚高，所以我们需要进行合并以及去重。

当意向客户分配给销售人员后，会有一定的保护时长。这段时间内，这名用户不能被其他的销售人员二次销售。

当保护期内这名用户产生新的行为时，我们需要将它的数据合并到已分配给销售人员的用户中，从而保护名单。

3. 线索组合及评分

线索的组合，可以是特征间的组合，也可以是事件与特征的组合，这部分在前文已经有了比较全面的描述。

产品同学在这一环节设计的是“用户圈选”功能，其包含了实时事件及离线数据的融合、数据的提取频次、数据的交并差等。

产品参考上可以体验易观方舟、神策数据，在此同样不进行展开。

理解线索评分可以从线索的目的出发：提升服务人效，避免被动等待用户，节省寻找用户的耗费时间。

而评分则是进一步的过滤方式，它也决定了后续的分配规则和转化效率。

评分高的线索更多的分配给处理时效快、转化效率高的销售同学。

其次，也依据评分帮助一线进行优先级及时间管理，将更多的精力投入至高质量的线索之中，降低其无效投入。

4. 线索下发

线索下发，回答的问题是：用户分配给谁、分配多久、以及分配后应该怎么样做。

分配策略则指的分配给谁，各自分配多少比例，上限又是多少；分配后，什么时候会失效；线索的有效期能够帮助我们监控跟进过程，以及制定释放流转的规则。

运营策略指的当销售或服务人员接收到用户数据后，应该采取什么样的操作步骤展开销售和服务，每个操作步骤也会关联运营人员建议的沟通方式以及内容。

5. 线索跟进

上图中，仅体现了线索跟进的正向流转过程。

实际上，在意向确认后可能直接进入商机转化，又或者直接进行服务转交。

确认用户意向后，基于成交意愿执行不同的运营步骤，对于暂无成交意愿的客户目标是建立联系，进行用户关怀及教育；而如果有成交意向，则进一步采集诉求，进行商品的推荐。

而在成交后，则通过服务不断提升用户的信任感，以期从服务中再次发现成交的机会。

在这个阶段产品应该考量的是，线索应该怎么流转到下一阶段，什么时候又应该释放回到公海。

6. 效果追踪

效果追踪，在设计上会涉及业绩的匹配方式，依此进行佣金结算、排行激励及报表分析。

在这一环节中，简单介绍用户自识别至成交的漏斗，其定义如下：

名单总数：线索组合后的用户总数； 下发成功数：经过防骚扰屏蔽、红黑名单或运营策略过滤后下发成功数量； 互动数：下发给销售或售后人员后，用户响应的数量； 意向数：响应用户中，有成交意向的用户数； 成交数：有成交意向的用户中，最终成交的数量； 复购数：成交的用户中，二次购买的数量；

上面的每一步还有更为详细的拆解方式，杨堃老师的文章《以在线教育销售CRM为例，谈谈业务大盘拆解优化的六步法》已经描述得非常全面，有兴趣的朋友可以进一步阅读。

#专栏作家#

WISE，微信公众号：Becomewiser，人人都是产品经理专栏作家。腾讯产品经理，专注于精细化运营、用户数据体系建设等领域。

本文原创发布于人人都是产品经理 ，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议