培养用户的数字化习惯

数据技术正在加速改变人们的生活方式、出行方式、社交方式、沟通方式、管理方式，以及社会的组织形式、企业的商业模式。

培养用户的数字化习惯

作为消费者或者终端用户，人们身边数字化应用的例子越来越多。
（1）人们去饭店吃饭，只需要扫描桌子上的二维码即可下单，等服务员将饭菜送到桌子上之后，只需要扫描桌子上的二维码就可以结账，如果需要开发票，可以直接在结账界面选择开发票，填写发票抬头，即可直接获得电子发票。
（2）人们乘坐地铁出行，只需要拿出手机，打开微信小程序或者相关的App，选择其中的二维码即可进/出站，系统会自动计算费用并从绑定的微信支付或者支付宝账户中自动扣费。
（3）人们乘坐飞机，当购买机票之后，绑定过身份证信息的App，如航旅纵横会推送消息，并直接将出行日程放到手机日历中，还可以随时提醒到时候乘坐飞机，当飞机航班确定后，会提醒选择座位，远程值机，选择好自己的座位并值机之后，就会获得一个“电子登机牌”二维码，到了机场，所有需要检查证件的地方，只需要扫描这个二维码就可以畅通无阻地进入飞机舱，不再需要纸质的登机牌或者机票。
（4）如果员工到企业上班，到达企业门口时，员工需要打卡，目前不需要用员工卡在打卡机上扫描一下，不需要员工用指纹打卡机扫描指纹，也不需要员工在手机App上选择本企业手机应用进行打卡，员工只需要走过安装摄像头的门，就会被精准识别且帮助打卡。员工什么时候上班，在哪个位置办公，通过Wi-Fi即可进行跟踪，所有过去的考勤方法都已经被颠覆。
（5）如果去超市买西瓜，西瓜太重则不方便带回家，顾客可以选择一个自己喜欢的西瓜，然后扫描该西瓜上的二维码，即可下单，超市自动从绑定的电子支付账号中扣除费用，顾客到家时，西瓜已经配送到家；如果想吃海鲜，在卖海鲜的门店中选择自己喜欢的螃蟹和龙虾，称重之后扫码付款。如果自己不会做，或者做得不够好吃，还可以选择做好后送到家。
（6）如果想选择一件合体且自己喜欢的衣服，到了服装店，可以站在一个虚拟试衣镜面前，扫码识别顾客身份，根据顾客的体形和喜欢的风格，有上万款顾客喜欢且与体形相匹配的衣服可供选择，并按照精准匹配的方式进行排序，顾客还可以通过手势选择衣服，当选中一件衣服时，可以马上看到自己穿上这件衣服的样子，就好像真的穿上该衣服照镜子一样，顾客可以在虚拟试衣镜面前看到了自己穿着该衣服的样子。顾客在这个系统选择的衣服越多，推荐的服装越精准，顾客就越有可能找到自己喜欢的衣服。如果想彻底转换一种风格，系统会根据顾客瞩目和欣赏的时间自动调整后台推荐算法，顾客所喜欢的衣服不需要几秒就调整为新的风格。站在镜子面前，顾客可以在上百万种服装中进行挑选，与日常逛街式选择衣服不同，4个小时可能真正看到和试过的衣服不会超过10件，而在这个系统面前，4个小时可以把上千件衣服都试一遍。当选择好衣服之后，只需要点头或者对系统说“我要这一件”，系统会自动从绑定的支付账号中扣款，2小时后到家，该衣服已经被送到顾客的家中。
（7）张先生和他的妻子工作一天，不想在家做饭，下班后选择在家旁边经常去吃饭的餐馆吃饭，服务员送上两个iPad让两位分别点餐。张先生在iPad上看到的菜品排列顺序与妻子的完全不同，而是按照两位的偏好分别给出菜单的排列顺序。因为当他们走进餐厅时，摄像头已经对两位进行了精准识别，并结合两位过去吃饭历史数据的偏好做出分析，将分析结果以菜单中菜品的不同排序方式分别呈现。当张先生点选某一菜品时系统提示：“你喜欢该菜品，但您的太太对该菜品中的某一种成分过敏，你是否还要继续点选？”因为根据顾客的消费历史，该系统记录了张先生的妻子对花生过敏，而该菜品中含有花生材料。
这些场景都不是杜撰，而是已经或者正在成为人们日常生活的一部分，如果不是这样，人们反而会觉得非常不便。当一种数字生活成为习惯，人们会发现过去习惯的东西是那么“落后”。
数字化转型的第一个应用就在客户端，因为这能够在短期内为客户带来差异和提升企业业绩。当客户体验提升之后，客户的忠诚度会随之提高，客单价也会因为精准推送而提升，客户对价格的敏感度也会降低，整个企业的经营效益就会得到快速提升。所以，企业数字化转型在客户端会是首先要考虑的应用领域。

客户关系数字化，洞察客户有基础

数字化的企业与客户接触的过程中会非常重视数据的采集，尽可能采集更多与客户相关的数据，在所有与客户的接触点上，通过利用数据技术，实现数据的自动采集。例如，客户扫码下单支付，不仅记录了客户是谁，还记录了时间和金额、采购的商品，而客户如果用现金购买产品，企业除了知道产品已卖出，其他信息都没有留下。
7-11便利店最早通过收银过程记录购买产品的客户的性别、年龄段，能够清楚地分析这家门店周边的客户群体和不同客户群体喜欢的商品类型，从而为门店的货品管理、货架管理和采购管理提供数据支撑，成功优化了坪效，提升了经营效益。
现在绝大多数行业的客户都已经习惯数字化的交易流程，所以在交易环节通过数据技术的应用，既满足了客户的需求，也能够采集留下的数字信息，这些信息是非常有价值的，能够为分析客户行为和心理提供基础数据。
在2018年年初开始试营业的瑞幸咖啡，在不足10个月就在全国约20个城市布局了近2000家门店，成为备受关注的连锁咖啡品牌。瑞幸咖啡的成功，不是传统的线下门店的无序扩张，而是基于地理位置的社交服务，通过朋友圈、社交圈、App等途径，实现多渠道的获客和多渠道的客户体验。笔者第一次去瑞幸咖啡时，发现该店不接受柜台点单，也不接受柜台付款，必须下载App才能购买，因为着急与客户在咖啡厅座谈就接受了下载App点单，后来发现这个App的使用体验非常好，简单直接。
瑞幸咖啡依托App，将线上、线下结合起来，大大提高了效率。在支付上，瑞幸咖啡不接受现金交易，避免了现金管理的麻烦和漏洞；App的使用将海量用户消费行为数据化，使用户画像一目了然，对各个城市和门店的销售情况也可以实时监控，门店可智能下单订货，无缝对接供应商；在门店选址上，大数据辅助决策，门店地址距离用户更近。所有这些都可以大大提高营销和运营效率。

客户关系多元化，互动提升体验

通过App连接客户，通过微信公众号连接客户，通过微博品牌号连接客户，通过线上购物连接客户，通过线下门店连接客户，在社交化无处不在的时代，多渠道交错服务客户已经成为新趋势，单点的或者单一渠道的传播方式已经过时，每家企业，无论是toB还是toC，多渠道纵横模式已经是必不可少的选择。
Omnichannel（全渠道）是一种内容营销模式，是多渠道协同的策略。全渠道营销模式要求多个渠道协同为客户提升超级数字化的体验，多个渠道不是并行各自为战地服务客户，与客户交互，而是多渠道协同。在这种模式下，企业的营销、销售、线下服务、线上服务、电商平台、App、社交媒体等整合在一起，联动起来，并用数据打通各个环节，确保资源集中服务客户需求，提升客户体验。
最早实施全渠道模式的是金融服务机构，将实名的用户数据作为基础，金融机构能够在各个方位上将用户数据打通，包括线上服务、电商支付、App、线下门店等数据整合，加工成基于消费者行为的精准的客户画像，在每个客户接触点上，精准地为客户提供所需服务。金融、银行、保险等企业，因为有实名认证的数据，比较容易实现这种数据的联通，所以推行较早。但国内的一些金融机构，因为历史原因，各个业务板块相互独立，银行业务、金融业务、零售业务、投资业务等各自为政，数据标准不一致，数据记录不规范，所以数据无法联通，客户画像难以精准，这是历史原因导致的，以前人们不太重视数据，不太重视数据质量和数据规范，也不太重视数据资产的管理。目前，各大金融机构都已经行动起来，通过数据治理与整合，实现数据的连通，从而能够实现多元化渠道整合，推行全渠道模式。
全渠道模式不是多渠道（Multichannel）模式，前者更强调整合和融合，以及各个渠道的打通，不是并行的多渠道触点管理，而是每次与客户的接触都能识别客户，并将相关数据和信息与其他触点渠道进行共享，为其他触点提供服务。当一个消费者在某一家店铺消费后，其他店铺也有了该顾客的相关信息，从而能够更加精准地识别该顾客所需的服务。例如，笔者常住地是北京，经常在北京的某品牌连锁零售店购物，该店将笔者识别为北京某店的社员。当笔者到深圳出差，同样到该品牌连锁零售店购物时，深圳的店铺就识别笔者为差旅客户，当笔者购买牙膏牙刷时，店员就为笔者推荐一款旅行用的充电插座和充电线，或者旅行使用的剃须刀，根据笔者的个性特征，还推荐了某品牌可在飞机上使用的睡眠脖套。这是因为精准的数据识别在服务各家门店，所以需要一个强大的数据后台为各家门店提供服务。
现在很多新零售也在利用数据技术打通各个客户接触点，整合营销模式，传播品牌价值和理念，提升客户接触点的体验，并形成裂变式的传播模式。

数据个性化，从千人一面到千人千面，再到一人千面

当各个渠道数据打通之后，就可以拥有更多的数据集合，能够为客户提供更多基于应用场景的服务。现在的电商平台基本上是通过后台的算法，实现客户的千人千面。同一间办公室中两个邻座的同事同时打开淘宝、天猫和京东平台，他们看到的画面是不一样的，首页展示的商品也是不同的。这是基于这两位同事过去在平台上的购物历史，对他们进行了完全不同的画像，不同画像的消费者看到的东西不同，是更加精准的推荐。有的人可能更加喜欢电子产品和跑步设备，而有的人则更加喜欢养宠物，还喜欢美食，也有的人更喜欢户外运动和旅游，不同的人的需求不一样，可以向其展示不同的页面，精准推荐满足了不同的购物诉求，首页展示的效果和转化率就不同。这些算法在后台不断迭代、优化，能够为平台带来更多的收益。这可以算是电商平台从传统的千人一面的展示到一人千面的展示阶段，是从1.0到2.0的升级。
如果对客户的各种活动数据进行采集，企业就能够对客户有更加深刻的认识。如果客户购买了猫粮，就可以为客户进一步展示相关的其他用品，如服饰和玩具。如果还是继续展示猫粮，那么首页展示的转化率就会大幅度降低，用户本来是购买猫玩具的，也需要通过搜索找到猫玩具，客户体验也会下降。
同样一个客户，在办公时间利用企业的Wi-Fi打开了天猫，虽然她昨天刚刚购买了猫粮，但是在办公环境下推荐猫玩具可能是不合适的。她有可能是办公室的行政人员，需要采购一些办公用品。根据客户过去购买办公用品的购物历史，这时就应该推荐适合其企业使用的办公用品。如果在一个月前客户购买了一个墨盒，这个时候有可能墨盒已经使用完，需要重新购买，此时首页展示墨盒相关产品会更加合适。再查阅客户购买的打印机型号，直接为其精准推荐打印机所需要的墨盒效果会更好。
这位女士之前晚上登录天猫的地点大多是北京的朝阳区，而白天登录的地点是海淀区，有可能她在海淀区上班，而在朝阳区居住。当有一天该客户在上海登录了天猫，这时首页中推荐的就不能再是猫粮和办公用品，她可能需要一些差旅用品，这时就需要在首页展示差旅产品。
这就是基于场景化的需求个性化。同样一个客户，在不同场景下的诉求是不同的，在不同时间点上的诉求是不同的，需要结合客户不同场景的诉求推荐不同的适合此情此景的产品或者服务。这就是从千人千面到一人千面的升级。
现在的数据技术不仅把消费历史的数据聚合在一起对客户进行画像，还可以针对客户是在家里、办公地点、差旅地点、聚会地点等情景进行有针对性的分析，并将客户在不同时间、不同地点的诉求进一步细化。例如，9:00—11:00和11:00—12:00打开天猫有可能是有不同的诉求，11:00后有可能开始考虑中午吃什么，肚子开始咕咕叫，这个时候推荐食品和餐饮有可能会带来更大的转化率。到了14:00打开天猫，如果推荐的是咖啡，那么转化率有可能更高，因为到了犯困的时候。所以，一人千面是对同一个客户在不同时期的不同诉求。
如果知道这个客户在炒股，当股市上涨时，该客户心情愉悦，那么他会舍得花钱，乐意购买一些高品质和高价值的产品；而当股市下跌时，客户心情不悦，那么可能喜欢购买一些物美价廉的产品，或者购买一些暖心的产品。客户在不同的心情下，打开的页面也应该有不同的颜色。炒股的人可能更喜欢红色，而不喜欢绿色，而在办公室久坐的人，可能希望界面是绿色或者蓝色等。

销售导航系统，让数据指挥人聪明地工作

现在人们出行越来越离不开导航系统。当人们开车时，发动车之前首先考虑的是打开导航，然后输入目的地，查看走哪条路线最合适，智能导航可以告诉人们哪条路拥堵，哪条路用时最短，从而帮助人们选出最佳路线。人们不是不知道路，而是不知道哪条路现在正拥堵，哪条路现在畅通。滴滴打车的导航设计以最少的价格选择路径的，而高德或者百度导航是以最短用时优先选择路径的。这种基于过去同行历史数据和现在的拥堵计算的路途用时越来越精准，有的导航系统还可以根据个人的开车习惯预测用时。算法升级之后，精准度越来越高，人们出行越来越便利。
这里存在一个问题，人们出行越来越依赖导航系统之后，自己的判断能力可能会不断下降，人们不再努力去认路，不再努力思考什么时间什么路会拥堵，哪里车多，哪里车少，人们的认路能力会逐渐退化。如果哪一天导航系统出现问题，人们就会崩溃。当然，这是小概率事件，如果没有战乱或者自然灾难发生，那么这种情况基本不会发生。
在企业内部的经营和管理上也应该建立一套导航系统，使各层级管理者知道每天该干什么，甚至知道如何干效果最佳，这是人工智能在企业经营管理上应用的目标。
笔者目前正在为一家石化企业研究智能管理导航系统，这个系统的目标就是通过数据和算法，告诉管理者每天该干什么，什么时候下采购订单，什么时间价格最低，什么时间是采购的最佳时间，什么时候应该以什么生产条件进行生产，从而实现产品产值最大化，什么时候该联络什么客户，什么时候该给客户什么样的销售优化政策，在这个客户诉求中什么样的销售优惠政策能够打动该客户。这是数据模型和算法的目标，目前正在尝试1.0版本，让数据聚合到决策者的手中，使其将管理装进口袋。
首先从销售系统开始。这家企业有150多名业务员，主要服务加油站、物流企业、厂矿企业等用油大户。这家企业存量客户达23000多家，平均每个业务员要维护近150家客户。维护150家客户是非常困难的。之前数据没有打通，看不到每个客户的下单购买情况，很多数据需要从收/发油和财务系统中导出来才能提供给业务员。但即使将这些数据提供给业务员，这些业务员也不会分析，不知道如何解读这些数据。业务员每天的工作就是给客户打电话或者登门拜访，与客户谈业务，说服客户购买企业的产品。但是，汽油和柴油都是有国家标准的，每家企业的产品都是同质化的，客户关心的更多的是价格。在同样的成本条件下，哪家企业能够提供一些优惠政策或者激励政策，哪家企业与其关系好，哪家企业能够提供一些额外服务就选择哪一家购买。销售人员有挫败感，不知道如何说服客户购买自己的产品，因为他与客户保持好的关系，他的竞争对手的业务员也会用各种办法与客户保持良好的关系。竞争是激烈的，销售人员要提高销量似乎只能采取降低价格这个唯一的手段。但是，在完全竞争的市场条件下，价格也会让企业的利润处在一个几乎为零的边缘。
为了改变这个现状，企业需要对客户进行分类、分级管理，哪些客户需要什么服务，如加油站的正规化管理、安全防控知识和日常的安全防护监察/监控，哪家客户需要更多的营销活动指导；同时，哪家客户是大客户，需求量大，增长率高，哪家客户有较大的增长潜力，企业提供的油品在客户的采购量中还有很大的增长空间；哪家客户更加看重品牌的合作，哪家客户更加关注价格，哪家客户更加关注油品品质保障，哪家客户更加喜欢高端油品，哪家客户更需要低端油品等。这些数据需要首先维护全面，对客户进行分类，针对那些服务导向型的客户进行重点维护，因为这些客户价格敏感度低，乐意以更高的价格采购，但是能够享受管理和营销上的服务就会更加轻松，可以将多支付的产品价格用于购买加油站管理服务。另外，那些品质导向型客户需要重点维护，因为可以通过品牌合作，提升品牌的知名度，提高终端客户的影响力。以上客户还要考虑两点：一是客户的成长性，那些快速成长的客户可能会开设更多的加油站，能够带动企业业务的增长；二是客户的采购量占比较少，可以有更大的提升空间，如果采购更多的产品，就增加了产品的市场占有率。
这些信息首先聚合形成客户分类/分级管理的算法，为每个客户在不同的维度上都打上标签，标注相关信息，这样每个业务员可以清楚地知道100~200家客户的情况。然后，将客户信息同每日客户订单数据进行关联和动态管理。每天业务员都能够看到他的每个客户每天都采购多少，这个月累计采购多少，过去7天（滚动1个星期）的采购量对比之前1个星期是否有所下降，过去15天（滚动半个月）对比之前的半个月采购量是否有所下降，过去30天（滚动一个月）对比之前过去的30天是否有所变化。如果有下降的，则标注黄灯；如果下降非常多，超过25%，则标注红灯；如果同量采购或者略微有增长的，则标注绿灯；如果增长率超过25%，则标注紫灯。
业务员每天早上起来上班，第一件事就是查看手机上推送的客户排名和颜色等，针对优质客户（建立一个优质客户定义标准的模型算法，即从服务导向、品质导向、价格导向诉求，以及客户大小和客户需求潜力上进行综合评价）进行分析：如果优质客户呈现红灯，需要当日解决，甚至优先登门拜访；如果优质客户呈现黄灯，则重点关注，打电话沟通，提供销售方案，促进客户购买；如果优质客户呈现绿灯，则保持观察；如果优质客户呈现紫灯，则向其问候，发送感谢信，或者申请奖励政策等。这样业务员每天都知道自己的工作重点在哪里，就像一个导航系统一样，业务员每天不用自己查数据、导数据、分析数据，只需要按照不同颜色灯的指示进行工作安排即可。这是笔者设计的导航系统1.0版本，目前已经在逐步实施过程中。
为了帮助业务员在洽谈客户的过程中有数据和算法的指导，笔者正在为这个导航系统的2.0版本准备数据和算法模型。设想客户是千人千面的，甚至是一人千面的，所以需要采集更多客户的相关数据，动态地更新数据，随时关注客户的诉求变化，业务员在每次联络客户之前，都应有一个推荐的方案，包括管理服务方案、营销服务方案、价格政策方案、量价优化方案等，不同的客户在此情景下最有可能接受的方案是什么，背后的数据支撑这些方案的论证，然后销售人员组织实施，实施完成之后进行反馈，根据成功率和效果反馈，不断优化销售方案，不断针对客户的动态信息进行调整，形成一个智慧决策大脑，能够补充业务人员的方案决策。业务员只需要按照这个方案同客户沟通即可。目前2.0版本的智能
销售导航系统正在筹备中，算法正在设计中，预计2019年年底应该可以进行试点。之所以需要这么长的时间是因为算法既需要各方验证，也需要结合历史数据进行设计，更为耗时的是，需要通过客户关系数字化和客户关系社交化在客户接触点上进行数据采集（数据埋点），通过采集更多数据优化算法。
全文摘自电子工业出版社《数字蝶变：企业数字化转型之道》赵兴峰著
作者已授权代发