CRM数据
销售线索
售后服务
……
广告触达
受众响应
客户交互
……
BATJ
运营商
广告监测
……
行业
员工数
年收入
产品偏好
客户类型
市场分类
行业渗透率
搜索行为
APP偏好
近x月官网浏览行为
近x个月微信小程序浏览行为
近x个月购买行为
近x个月价值贡献
历史购买x产品次数，件数
第一次购买距今时间间隔
最后一次购买距今时间间隔
渠道偏好
…
媒体偏好
近x个月邮件互动行为
近x个月微信互动行为近x个月
官网互动行为
询价、回访记录
…
客户行为数据
保证数据质量和数量
多维数据提取
构建特征工程
通过行为特征分
析客户流失的因素
提取关键因子历史购买行为、历史采购金额、产品类型及丰富程度、产品维保情况等
针对现有客户行为特征的
流失预测模型训练
Logistic回归模型预测不同关键因子导致客户流失的可能性高低
通过关键因子分群
针对不同分群制定不同的目标及对策
客户数据平台流程自动化
个性化、多触点不骚扰、
及时跟进参会交流、
交叉销售售后服务
对目标客群的特征缺少量化认知
在投放阶段，无有力依据支持客群标签的选择
数据增强：补全现有客户标签
客户画像：完整现有客户画像
Look-alike：基于现有优质客户画像指导媒体标签
缺少对目标客户的认知导致无法传递正确的信息吸引客户
客户细分：通过机器学习划分典型客群
A/B Test：通过对触达内容的A/B测试，不断调优得到触达各类客群的最优内容
市场上媒体渠道众多，难以权衡
缺少客观评价各媒体渠道效果的抓手，从而无法有效调整各渠道预算比例
BI报表：对全渠道媒体投放进行BI分析，形成效果漏斗，比较各个媒体渠道优劣
归因模型：在数据收集程度较高的前提下，计算出各个媒体渠道对于用户转化的贡献度，量化媒体效果
