整合客户属性和行为的数据中间层

 整合客户属性和行为的数据中间层

数据中间层由客户的公司信息、个人信息、交互行为构成。表结构的设计需要和BI讨论，精心规划。以笔者团队的实践为例，写一套思路。

首先有一张表，记录以PID为主键的ID关系。

其次需要记录以PID为主键的个人信息，和以CID为主键的公司信息。

最后需要建设以LID为主键的多张行为表。不同的行为，属性字段肯定不一样，但需要尽可能规范部分字段，为后续的结构化圈选和评分打好基础。

比如所有的行为表都需要有event_type和event_time字段，event_type在邮件打开行为时=email_open，在浏览行为表时=web_visit，在白皮书下载行为时=whitepaper_download，以对不同的行为做聚类。以邮件打开行为为例：

3. 基于客户匹配度和兴趣度的二维评分模型

当我们获取了一个线索，与客户联系的时机是很微妙的。如果销售联系的过早，客户尚没有购买意向，可能觉得是一种骚扰；而销售联系的过晚，可能又会失去这次机会。那如何把握这个尺度呢？我们通过一个二维评分模型，对客户的匹配度和兴趣度进行打分。

1）匹配度Fit

对客户的公司属性和个人属性打分，比如可以给公司规模大于1000员工的公司加20分，给融资阶段>D轮的公司加30分等，分值越高，代表客户自身的属性和我们的目标客群越接近。

2）兴趣度Interest

对客户与我们的交互行为打分，比如可以给近3个月内打开2次营销邮件的客户加10分，近半年内访问过官网的客户加20分等，分值越高，代表客户对我们的兴趣度越高。

通过追踪不断变化的分值，市场运营可以调整孕育和分发策略。比如客户评分达到60分，就推送到CRM分发给销售，没达到60分的留在孕育池中不断培育，持续低于某个数值的作为低质量留资抛弃，全程通过跟踪转化效果持续优化评分模型。

以客户评分形成产品闭环，持续优化营销系统的获客、孕育、转化策略。