张溪梦:如何用数据驱动客户成功增长的应用实例

2015年11月5日,GrowingIO在微软创投加速器举办了数据·增长沙龙,这是一篇GrowingIO创始人张溪梦过去十三年数据分析实践心得总结,有文字、有人物、有故事、有数据、有问答、有秘密……30页PPT、2小时内讲尽数据分析如何帮助互联网公司Growth!Growth!Growth!

数据分析的核心,就是从信息、决策权开始,最终把财富交给很多很多的人。这也是作为一个数据分析师,在过去十二年里一点点积累起来的感悟。

因为人的历史,实际上就是决策的历史,通过很微妙的信号来做决策判断的历史。在最早的时候,数据分析师就是中国人,是姜子牙、管仲、张良等,他们有一系列方法论,通过非常微妙的信号,促使决策者作出正确决策、对人类、世界、社会产生重大影响的决策,从而改变很多人的生活。

简单介绍下我们自己,GrowingIO成立于今年5月份。但我们整个团队已经在数据分析领域工作了很多年。

在LinkedIn,我们主要负责所有和营业额、营收相关的数据分析,同时支撑全公司所有部门。

我们团队几个创始人之前还在eBay工作了三年多,负责eBay整个网站、在线电子营销、买家和卖家各种业务性分析。

再之前,我个人在美国第二大零售连锁店做数据分析,我还服务EPSON,世界上第一个发明FreeProjuct。大家都知道EPSON打印机价格非常低,几近免费,但却通过高价值、高增值的墨水和打印机、或照片纸来获取高额利润。

这很像今天的sass公司销售模型。EPSON通过不同渠道把免费打印机释放出去,但打印机是有成本的,那就需要用其他方式把钱赚进来。如同今天很多企业软件服务提供者,每个客户获取也有很高的成本,就要像EPSON一样,通过未来新购的墨水,把以前的投入拿回来。

在15年前,EPSON就已经开始进行SaaS模式运营,外部看来像是一个硬件销售公司,内部却已经有一大套数据驱动为核心的市场、销售运营方法论。

当时还没有那么深入到理解,今天回过头来看,企业服务软件对行业来说还是比较新兴的产业,但事实很多核心的方法论是超级共通。

2010年初,当时我从eBay离开,加入Linkedin。对我来说是非常大的职业转折点,我从来没有想过LinkedIn会成为今天这么一个伟大的公司。

当我加入Linkedin时,其年营业额只有7000万至8000万美元之间,而这时Linkedin发展已经超过了7年。

今年年初,我离开时,LinkedIn营业额第四季度末收入已经超过了25亿美元,年度的增长率达到60%。

也就是四年多时间,LinkedIn整个增长了将近30多倍,这是怎么做到的?

很多人都认为Linkedin只是一个职业社交网络。实际上它是世界第二大SAAS企业,也是整个企业软件历史上,做得最成功的企业之一。

有两个TOP:

第一,Linkedin是世界上最早用Growth的公司,在2003年就已经开始用各种手段降低成本;

第二,Linkedin也是世界仅有的控制销售整体成本最低得几家公司之一。

我不知道大家有没有听过一个公式,叫客户获取成本。在saas企业里,客户获取成本必须要小于整个企业营业额的30%,才是一个相对正常、未来能够发展的企业。

Linkedin把这个值控制在了15%左右。这就是为什么它能在过去几年,能实现几何倍数增长,上市后两年多估值翻了7倍,达到240-250美元的高位。

Linkedin在2011年左右才成立客户成功部门,之前内部只是叫客户服务。而LinkedIn事实上当时已经有几百个或者是将近一千个企业客户,但是只有几个人对企业做客户服务和支撑,当时客户支撑部门非常小。

2011年初,我们做了一个分析,不是销售或客户服务经理提出的需求,是当时Linkedin核心产品线,人力资源和猎头的产品经理提出,他说我知道你在支撑销售,能不能帮我做一个分析,分析一下用户怎么用我们的产品。

Linkedin第一个针对企业服务的产品,是2009年末左右开发出来的第一版。系统里面无数个BUG,但上线以后没人关心这个软件和产品里面发生了什么,至少我去的时候是没有人知道,因为他们没有记录用户任何的行为数据。我的工作是支撑150个销售,没有时间去帮产品经理,但还是帮了一把,我们运行了一个报表。制造出了Linkedin第一张产品使用报告。

我一共花了91个步骤,有若干做数据分析得,在数据库里,间接、直接用了91张不同的表,才把一个产品的使用步骤做出来。整个产品要运行8个小时,如果运气不好的话,还可能经常死机。

但就是这张报表,后来就变成整个Linkedin驱动客户成功、销售产品经理包括企业一系列销售部门的核心工具和解决方案。

实际上,Linkedin不仅发明了Datesets,也和Facebook一起发明了GrowthHacker,还有最早用了Hadoop、最早应用很多流失处理技术的公司。但即便是这样,我们用了91个步骤才能生成一个最基本报表。

在某种程度上,91号报表也促使我们成立了今天这个公司GrowingIO,打造下一代网页和移动端数据分析平台。

因为这个世界上太多好的分析师、运营人员、业务管理人员,把时间花在了无谓的清洗数据、整合质量控制、做各种类似于污水处的工作,没有为企业产生很多价值。他们的时间完全应该用在业务决策上,而不是在数据整合和清洗上。

所以我们要开发出最新一代的技术,让很多人能够非常自然、自动的,用我们的解决方案,找到业务增长点。

美国管理学大师彼得·德鲁克说过一句话,“一个事物如果无法度量,那么就无法增长”。

今天这个论坛叫增长沙龙。当我们要去增长业务,我们必须要能够相对精确衡量这个业务是如何增长。

当我们能衡量一件事物以后,就可以持续不断得对它进行调优。比如,每天比昨天增长1%,经过一年以后,大家猜一下会增长多少?

假设原始数据是1,每天增长1%,增长365天,最后会是多少?32倍;每天增长2%,一年以后等于多少?1370多倍;每天增长3%就会是4800倍……就是这种持续、小幅度的增长会产生很大的变化,最后就是颠覆性得改变。

我们需要业务变成可度量,而不是天天拍脑子、拍大腿。早期拍一定能拍出来价值,但是业务成长一定周期,必须要引入精细化运营。

张溪梦:如何用数据驱动客户成功增长的应用实例
什么是数据驱动的精益化运营,这是我们的数据分析师Justin陈明找到的一张漫画。做业务、做产品、做运营、做市场推广,我们每天都太忙了,没有时间为我们车装上轮子。

数据化运营就是为这辆车装上轮子,让它高速运转,听起来好像很搞笑,但是它产生的价值和迭代就是那么大。

这也是我们过去四年前在Linkedin看到的、也是七年前在eBay看到的、再之前在零售各种行业看到。

讲数据化运营必须要讲Life Cycle,看一下这张图。

在美国过去若干年沉淀下来,他们相信所有的业务都是Life cycle。

四年前我们探讨Linkedin业务模型,说任何一个企业增长都不会是无限得。虽然有IBM、HP等这种持续高速增长的常青企业,不过它的过程是若干小增长互相叠加产生的总体增长趋势。

实际上,每一条业务线、产品都是这样的Life cycle,包括引入、成长、成熟,最后衰减,基本4个区,或者是4个不同的生命周期,这是一种物理的趋势,基本上是不可逆转的。

但我们可以通过数据分析不断调整这种趋势,

这张图会在今天分享里反复提到,如何用数据驱动不同客户的生命周期。这点对saas企业至关重要,也是衡量一个saas企业未来能否提供价值最核心的指针

什么是客户成功,客户成功的使命的到底是什么?

这是美国一个非常成功的企业,它的客户成功团队对客户成功的定义。这句话里面有非常深刻的三个意思:

第一点,给客户产生价值;

第二点,给企业产生价值;

第三点,我们能证明它。

这是一个客户成功部门基本的使命。

张溪梦:如何用数据驱动客户成功增长的应用实例
再细化一下,这张是翻译自一个美国SAAS企业。

第一点,在客户还没有变成付费客户,或将要变成付费客户前,必须要与客户进行沟通。在Linkedin,客户成功部门成立太晚了,最早都是销售直接跟客户接触,但销售自己都还不会用产品,就非要卖给客户,这样转化率很低。后来发现,销售人员在入职阶段就介入客户成功的话,为客户未来和企业提供的价值是非常大的。

第二点,在实施的过程中,我们需要非常精准检测用户是如何使用我们的产品,同时帮助他们提高使用方法和效能;

第三点,在客户使用中期,我们要不断通过客户对产品的使用反馈,为客户提供进一步的培训和大规模的engagement。

我不知道有多少人知道 “QBR” 这个词汇,就是每季度和客户进行业务回顾。Linkedin在过去的若干年里,保持了一个非常好的传统,至少每季度和都和客户进行一次深入的沟通。这个深入沟通的过程,就是由客户成功部门和我们的客户关系经理两个人协同和客户完成的,每个客户至少每季度要沟通一次,甚至很多客户是按月季度进行沟通。

再下面一点就是客户支持,比如说他需要复购、增购。

还有客户成功部门是一个企业里面连接各种功能的核心部门,他们必须要和产品、工程、技术支持、销售,包括市场运营,甚至公司的决策层都要有非常好的关系,才能保证企业更有效率,更能成功。

以前Linkedin客户成功团队当然很小,但在今天估计有超过500人规模的团队。这个团队管理超过10万家以上的企业。500人如何能管理10万家企业?

企业服务里面如果我们只关注三个KPI,这三个KPI一定是从这三条里面发展出来得:

第一点,获取客户。

第二点,客户留存。

第三点,客户货币化。

但是在SAAS企业,一定要把客户留存放在客户货币化以上,为什么?

就是CAC、留存、LPV之间的关系。你从一个客户身上获得的终身客户价值,这三个数字之间核心的指标,就是留存。

很多人认为应该拉先,拉很多的用户进来,实际上一个SAAS企业核心的使命就是要让这个客户长久的往前延展。

SAAS企业的收费模式不像传统经典的软件,卖出100美金,用户就回家安装了。它是按月度、按季度,按年度来收费,往往我们获取客户的成本是远远大于客户一个月、一个季度或者是一年付的费用,很多企业需要通过18个月,甚至更长的时间才能收回整体的成本。那么必须让客户存留的时间够长,这是一个企业软件获利的关键。

每个SAAS企业获取客户的成本往往占到整个LPV的25%至30%左右。但是如果一个客户只在我们的平台上留存一个月、三个月,甚至半年,就完全无法覆盖投入。

但企业是需要盈利的,如何能盈利?

就是要不断延长客户的生命周期价值,所以客户留存率是SAAS企业最核心的指标,每个SAAS企业在第一天建立的时候就要关注这个指针。

张溪梦:如何用数据驱动客户成功增长的应用实例
讲一下留存率,这张图是美国对SaaS企业做得研究,他们发现如果一个SAAS企业月度流失率是3%,另外一个企业月度流失率是-3%,也就是正购买率。在五年之后,他们的营业额会差3倍!

实际上我加入Linkedin的时候,其企业客户流失率是每年50%,现在做到了10%-11%,今年的目标要做到8%。

一个企业能够把客户流失率控制在10%以内的话,是个奇迹。大家分享了它的两个秘密武器:

第一:以非常低的成本来获取客户。获取客户成本很低,那么你的LPV就很大,这个企业就会是一个非常成功的SAAS企业,相信在座的大家很多都是从创业公司来的,要做一个成功的SAAS企业,必须要控制自己的CAC,尽量地增加LPV。

第二:Linkedin通过内部的数据分析方法,减低了客户流失率,增加了客户成功率。

当LTV增加,CAC减低,就会有一个非常高的Return。

首先客户时间延长以后,在平台上消费的价值就不断的增加,因为比如说一个用户付了50个月的费用,另一个用户只付了12个月的费用,这就是几倍的增长。

另外,以非常低的价格获取客户,往往这些客户都会在这个基础上不断的增购,买同样的产品。

一般SAAS企业内部也是一种关系的销售, SAAS软件进入到一个新的企业客户里面,谁引入这个产品,往往会继续做决策来买单。但这个买单过程也是需要时间得,不是一个产品卖给了销售部门,转天就可以卖给营销部门,这个可能性是很低的。但只要这个软件在企业里面存的久,那么他们就能有机会找到第二个机会,继续卖掉这个产品,增购。

好的口碑。一个好的SAAS产品必须要有一个好的口碑,好口碑的间接反应就是客户忠诚。当客户喜欢产品,它就会给其他朋友进行推荐,这个推荐过程再次产生了新价值。

这几点结合,为企业增加了更多的价值,并且已经被若干个成功的SAAS企业证明了,包括今天的Linkedin、WorkDay。

客户成功最大的挑战是什么?

户成功部门最大的挑战,不是和内部之间沟通,不是如何帮客户解决问题,最大的问题是他们有没有信息,没有数据,没法收集足够的信息,迅速做判断,或者是提前做预判,这点是成功最大的痛苦。

我举个例子,我们做91号报表时,事实上是产品经理提出来。后来我们做了一些分析,发现产品上有很多使用问题,但是我们销售看到后说,我们需要这个东西,你能不能发给我。35M大的文件发给了他。

他工作了一个星期,把35M的表格分散成了大约5M一个的小文档,发给了每个RM和客户总监,他们通过报表里的数据找到了每个用户的使用度,开始给用户打电话。

整个过程花了两个星期,而且他只说,你们每个季度给我一次就行,这个太好了。而之前,他每年才能这样做一次,而且根本没有那么细,就是一个客户花多少钱,买多少次,什么时候到期。

今天有了这个,我们就有了一切,他说。

saas通常是一个非常复杂的软件。不像电子商务网站一样从搜索、购买产品、加入购物车、支付、支付成功,一个简单的运营或者是业务转化。如何能对这么复杂的运营体系进行追踪?

我们需要对每个细节进行产品追踪、对产品背后做各种数据收集的标签。必须要做数据收集,一般都是产品经理和分析师、业务人员提出需求,我想知道有多少人登录了,我想知道多少人创建新的项目,我想知道多少人回复这个项目,我想知道多少人给级别调低了或者是高了,我还想知道多少人改变自己的状态了……你想知道一个就得找产品工程师和产品经理来埋点,没有一次不需要的。

产品工程师很忙,他们发产品已经很累了,没有精力、时间或者是兴趣去埋点,却被迫去做;再下一步IT系统运营师需要把这些点,通过各种数据聚合方法存在自己的系统里面;再下面做报表的人员、做数据分析的人员,把它做成一张报表;最后再把它发给我们的业务端,这个过程需要多少时间?

这个数据不是开玩笑写上的,美国做过统计,平均起来在一个网站或者是APP上打点,整个工程时间中位数是5个星期。全世界只有1%的公司能在一天之内完成,只有5%的互联网公司能在一周完成,超过50%的企业得需要4至5个星期,甚至几个月的时间才能完成。这是个多么缓慢的流程!

造成什么问题?

做得速度很慢,业务端没法忍受这种开发速度;

另外它会严重拖慢产品上线。因为不埋点数据不全面,不知道产品的问题,并且我们埋的点只是我们现在需要的,当未来再次需要,就得重开一个接口做,非常慢。

再者是数据的不全面、遗漏和缺失,以前埋的点、今天埋同样的东西可能有不同的原则,不同的问题反而用了同样的水平,有的埋对了,有的埋错了。

像以前有一家公司做在线教育,他们在安卓手机上埋了一个点,旁边打错一个代码,那个点被重新复制了30次,结果导致内部报告出来,安卓的用户比IOS的用户高30倍,所以他们决定要大幅度提高安卓的用户体验,但这是个错误的决策,因为基础数据就错了。

最后,埋了大量的点以后,产品会拖慢。因为埋点多,服务端的数据库压力和成本就很高。

埋点给工程师或者是数据分析师造成的这些困扰,就是我们GrowingIO要解决的核心问题。

张溪梦:如何用数据驱动客户成功增长的应用实例
今天GrowingIO要做得就是,在客户的页面或者是APP自动来埋点,不再需要手动埋点,我们想知道什么,立刻就可以知道,这就是我们开发的技术。

比如说这是一个网页,只要圈点它,就能知道转化率、访问、点击和价值,不需要任何埋点。

客户成功的核心理论基础是在每一个用户都是不一样,所以每个用户都要区别对待。

不同客户,对SAAS企业优先级是完全不一样的。

但其实,不是每个客户都需要天天我们给他打电话。有高温度的客户,也有相对低温度得,我们如何才能精确的判断客户的温度、健康度,能不能实时判断,比如说Linkedin10万家企业,500个客户成功?

SAAS企业数据分析核心概念就是大家要摒弃漏斗的概念。比如说电子商务网站、O2O,互联网金融,有一些比较强漏斗、强转化的场景,但SAAS软件核心不是纯漏斗,是大量的弱漏斗。这种很弱的漏斗汇集出来变成总体以后,就变成我们客户温度和健康度。

这么复杂的网页该怎么分析,怎么对所有的转化点都进行追踪,普通方法要做到,需要大量代码,但我们现在不需要。我们可以用非常简单的方式迅速分析出来整个用户情况。

客户成功面板本身需要对核心的转化和使用进行分析,这种分析应该分层级,分地域、销售区域、分客户、分公司、分很多细节的维度,比如说CEO可以看、每个客户都可以看。

比如说客户是如何使用的,基本的注册是什么样的,核心的消耗是什么样的,这些的核心可能在Linkedin内部超过几百个指针,我们以前对Linkedin猎头产品分析,有400个不同的指针、400个不同的分析。大家想一下销售的人员、客户服务的人员、客户成功的部门,他们哪有时间去看400个指针,这是不可能的。

我们把所有400个指针通过类似于模型的方法,把它聚合成了两个数字,所有的数字400个KPI,聚合成了两个数字。

这两个数字核心就是:

第一是健康度,这个客户是否健康。

第二温度,是高温还是低温客户。

健康度是用户使用产品的综合指标,和钱不是直接正相关,或者不是直接相关的,是一种反向衡量流失的可能性。

高健康的客户往往流失了有可能会复购,低健康的客户往往就会潜在的迅速流失,而且这种趋势是在非常早期就能看出来。

在不同的时期,每个用户排名变化很大。SAAS企业软件卖给很多公司,是企业服务的软件,每一个客户内部都经历了各种变革和变化,所以不是每个公司在时间上都是同步的。

比如说现在有双11,大部分电商企业都预测有很好的销量,或者说春节以后会减低,春节以前会增加,有一些固定的商业变化。

但是在企业服务领域,每个客户的差别非常大,是非常不一样的,因为每年的年度财报都不太一样,业务延伸都不一样,招人、减人都不一样。

所以核心一点,我们需要了解每个客户在不同的时间的健康状况,这个很重要,特别是我们越早知道他的健康状况,就越能挽留这个客户。

第二点,温度。温度是衡量一个SAAS企业,客户是否会重复购买的核心指标。

所有的这些温度和健康度都是从用户如何使用产品的蛛丝马迹里面抽象出来的。

举个例子,比如说Linkedin有很多的猎头企业用户,假设一个企业用户登录、搜索了很多次,看了很多份的简历,对比其他公司,也开了同样的帐号,但每天只有一个人登录,每天搜索三次,甚至一个月都不向候选人发一个邀请,这两家企业增购的可能性是完全不同的。

当然我用的是一个非常极端的例子,但是各位想想你的客户有几千家、几万家时,如何能动态的判断和管理,这就是核心,这就变成一个如何用数据驱动运营的问题了。

几百个指标,如何做一个具体的判断?

第一,取决于商业管理的知觉,需要知道用户使用产品的核心秘密是什么。

第二,需要有高级的分析方法。之前在Linkedin,我们用数据模型的方式,计算用户重复购买的可能性,通过所有用户使用度抽象出来,变成一个值、一个Bar。

我们把客户从高到低排序,把最热的客户放在上面,把最冷的客户放在下面,中间是一些中温度的客户,然后非常非常简单,每天只要看在这个区间里面,增多区间、流失区间、中间是留存区间,所以,我们客户区隔通过这一个指标就能迅速分开。

还有一点,以往的数据分析都是给CEO、给VP看,这个不是只给公司CEO看,是给客户CSM、客户服务、客户关系经理、销售人员、客户人员看,他们需要精确到每个客户身上。

每天这张图都是变动的,因为客户对产品的使用是动态的,所以说我们每天、每星期、每月必须要持续的追踪。然后很简单、迅速的判断追加区间和流失区间。

如何用客户区隔的方法来分析客户?

之前是400个KPI,35M大小,将近100万的一张报表,今天抽象成了一张图。这张图已经把健康度和温度完全区分开,我们只需要做一个步骤,就是如何用数据。

张溪梦:如何用数据驱动客户成功增长的应用实例这4个区块,我们有完全不同的应对策略。

首先最好的情况,这个客户既健康,买得又多,我们欢迎使用度高、复购率高的客户,这种一般来说是忠诚的客户。

下面在这个区,客户使用度不是很高,但是购买需求,或者是买的可能性很高。必须要立刻跟进,来问客户是否需要更多的帐号和服务、不同的产品,因为他们的转化可性是很高的,而且过了这个村可能就没这个店了,他可能采用竞争对手的产品。

下面这种客户是很有趣的,频繁使用你的产品,但是花钱的可能性很低。举个例子,我们以前在LinkedIn有一个客户,是一个非常有名在线视频的公司。当时我们发现在Linkedin平台上使用率最高的那几个人都是这个公司里的。仔细一分析,这几个人24小时在线,唯一下线不超过10分钟,搜索、下载极高。每天上完以后不下线,下去以后忽然又回来,持续使用。他们一共才买了三个帐号,每个帐号一万美金,三万美元一年。

后来发现这个客户为了省钱,就买了三个帐号,但是分配给了全公司所有猎头换着用。当时内部有两种声音:

第一种声音,咱们把它关了,这个完全违背协议。

第二种声音,这个客户可能会变成我们很大的客户,我们需要跟他们谈一下。

我们首先告诉他们每年招多少人,应该有多少Linkedin帐户,才是一个正确的比例。在正确比例范围内,才是最有效率。 因为他分享一个帐户,效率不是最高的,他每天不能一直用,用几个小时还得换人。

我们建议,他们不但要多买几个帐号,同时还要买一些Linkedin工作类的产品。我们还提到了一些信息,当然不提到任何竞争对手的信息,只是给他们看最有效的公司是怎么用LinkedIn产品的。当时那个客户就增购了10个帐户,从3万美元增购了15万美元,虽然当时18万美元在Linkedin不是一个很大的生意,但是这个客户今天已经有几百个用户了,超过小一百万美元了。

大家看一下,就通过那么简单的方式,我们找到了销售的机会。

很多的企业都应该特别关注这个部分的客户,因为往往这个部分用户告诉我们,很多客户用很多不付费,说明我们的增长点可能有问题,或者他买了很多,但是却不活跃,这个客户未来流失可能性很高,需要特别关注,这个区间就是要进行客户培养。

数据在早期帮助客户成功是一个非常重要的指针。

在最早的时候, Linkedin当时没有什么太多的客户培训,很多客户来了以后都是自生自灭。后来我们发现在早期辅助客户,特别是在第一个星期,帮助客户如何使用产品培训,是让客户的忠诚度增加一倍核心指标。

还有一个,像我们前面讲过的,不是所有客户都需要客户成功经理去做培训,为什么?因为我们客户分三个阶段,有些人是遗留客户,去了某个新公司,他知道如何用这个产品,我们没有必要把这个人力资源放在这些人的身上,我们需要关注比较生疏的新的客户。

第二点,成长。在成长的阶段,根据我提到的QB2核心,是要跟客户沟通,客户如何用我们的产品的。每三个月和客户来交流一下感受,为什么这个很重要?

1、当我告诉用户,他们内部怎么使用产品,实际上帮助客户能更好的发挥产品价值,否则他买了十几个帐号或服务没人用,对公司就是一种浪费。

以前Linkedin有很多服务,一些公司内部人员不用,是不是如果告诉他的管理者,管理者就会把帐户关了。后来我们发现完全不是,管理者不但没关帐户,他们还会主动促使内部人员大幅度使用产品,甚至还自制内部排行榜。

2、QBR是增长客户年黏度最好的方法。当我们和客户分享使用经验时,一客户特别喜欢听;二是拉近了我们跟客户的距离;三这是一个非常好的解决方法,因为我们每个季度、每半年或者是每年都会生成各种新产品,每个SAAS企业都会不断有新产品。这是一个非常好机会,因为大家都很忙,得提前预约,找到核心管理人,但是持续建立联系的话,我们保证有30分钟或者是一个小时的窗口对话时间,让我们有很多的机会了解客户,又增加了联系的机会。

最后一点就是收集客户反馈,产品有哪些不足,客户是否满意,客户对哪些有意见,是否需要我们的帮助。

这些都是非常好的点,但如果我们经常在这个区间进行客户关系管理,这是一个特别痛苦的过程。

最早我们在Linkedin四年半就是这样,流失地不得了、愤怒地不得了、获取客户成本远远比维护成本成本高得多,甚至是3到4倍。并且,越到后期,获取客户的价值往往越低。

所以,尽量不要在这个区间做太多的工作。一般来说企业到这个阶段,都需要有新产品出现。

但这些数据不能只给老大看、VP看、经理看,需要通过销售的体系,或者是客户成功运营体系,按照结构、管理层级一步一步推广给公司里所有员工。

数据如何能推广给企业内部所有员工,这也是客户成功管理的核心。

每个销售、CSM、RIM,他们都需要关注自己客户的核心KPI,且这个层级不仅是停留在华东区、华南区、营销部门,还要推广到销售总监、区域经理、销售经理,每个销售管理公司,每个客户层级。

数据运营的核心就是决策规模化和体系化。

最早,我们刚加入Linkedin,一年做了大约500个项目,支持155个RIM、客户服务经理。平均起来,每个经理不超过三次用数据,平均一个销售每年才用3/4,这是远远不够的。

后来我们几个人努力,我们开发了一套系统,至少我们离开时,大概5000个销售到RIM,到CSM整个团队,每天有超过90%的,每个星期99%的CSM客户成功经理,RIM都在用这套东西,也就是4500人以上在用数据的决策系统做决策。

所以说如何把数据决策这种运营能力,推广给企业里面所有的员工,是一个核心的价值增长点。当时Linkedin的业务的增长,就是在慢慢发展这个模型的过程中,把数据决策变得更民主化,很多人来做决策,大家又回到1%的增长,变成若干倍的增加。

由张溪梦团队授权数据分析网(www.afenxi.com)转载发布,转载请联系原作者。


作者简介 

张溪梦:GrowingIO创始人,前LinkedIn美国商业分析部高级总监,美国Data Science Central评选其为“世界前十位前沿数据科学家”。亲手建立了LinkedIn将近90人商业数据分析和数据科学团队,支撑了LinkedIn公司所有与营收相关业务的高速增长。 2015年5月回国,创立新一代网站和移动端数据分析平台GrowingIO。运用无埋点采集,迅速生成数据分析结果,提高运营效率,减低开发成本、缩短开发周期。提供针对市场推广、产品体验、以及客户成功等精益化运营的分析模块。GrowingIO提供申请试用。

本文出处:,链接:,采用「CC BY-SA 4.0 CN」协议转载学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请联系「我们」处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

大数据交流群

统  计  学 数据分析网-统计学

商业智能 数据分析网-商业智能

数据挖掘 数据分析-数据挖掘

数据产品 数据分析网-数据产品

QR code