GrowingIO徐主峰：构建标签和画像体系，助力零售企业数据化转型

大家好，我是 GrowingIO 企业事业部总经理徐主峰，自 2015 年加入 GrowingIO 以来，陆续服务了唯品会、汉光百货、喜茶、蜜芽宝贝等众多品牌零售企业。

突如其来的疫情对零售行业产生了很大的影响，用户减少的同时，受经济大环境的影响，用户的购买力也随之下降。

虽然疫情使很多零售企业的营收大幅下降，但像百果园、三只松鼠等零售企业，营收却不降反增；还有生鲜、商超等行业的线上营收占比，相比去年同期，几乎翻了一倍。

可以说，这次疫情对于已经初步完成数据化转型的零售企业来说，反而是一次机会。

目前，国内很多零售企业都在探索数据化转型的路上做了大量工作，但随着逐渐进入到数据化能力建设的深水区，基本都会遇到以下 4 大挑战：

1.数据化的思维意识不强

传统零售企业大多只关注业务数据，对数据化的思维理解比较单一。但随着整个行业的发展，零售企业在对数据化思维重要性的认知上已经达成共识，并已做好数据化转型的思想准备。

2.缺少数据化的工具

拥有数据化的工具，对传统零售企业来说具有一定的门槛，自研数据工具不太现实，但市场上能提供完整数据运营解决方案的厂商并不多，而且相应的采购和建设成本偏高。

3.未构建系统的数据化流程

零售业的数据化升级，要求对原有业务流程进行数据化改造，这需要企业真正下定决心才能推行。

4.缺少有经验的数据化团队

打造数据化团队需要长期的投入和成本。但随着行业数据化认知的升级，对懂数据、会数据的人才的需求量会逐渐增大。

以上4个挑战相互关联，不能期望单独解决某个问题。整个企业需要螺旋式地、循序渐进地加速数字化转型。

那么，零售企业如何顺利地进行数据化转型呢？如图所示，GrowingIO 将之分为两个阶段：

数据化 1.0 阶段：构建数字化的经营分析体系

1.0 阶段的 核心目标 是要用数据来描述目前业务的运营状况，进而提升流量和订单的转化。

比如，活动运营，要用数据来优化和提升运营策略；站内流量分发，要用数据来提升站内的转化效率；同时要对商品、SKU进行分析，从整体上提升用户在站内的使用体验。

数据化 2.0 阶段：构建用户生命周期的数据运营

到 2.0 阶段，我们的目光就可以从流量和订单转移到用户身上， 关键在于构建基于用户生命周期的运营能力。

一般，我们可以把用户分为新用户、老用户、会员用户、超级用户和流失用户。在不同的用户生命周期，用户运营的核心目标都是不一样的。

比如，从新用户到老用户，我们关注的是新用户首购的转化；从老用户到会员用户，我们关注的是通过推动老用户不断地复购来建立忠诚度；从会员用户到超级用户，我们关注的是提升用户对品牌的认知和价值共鸣；对于流失用户，我们关注的是用户召回。

这两个阶段相辅相成，我们在 2.0 阶段的每个用户生命周期运营目标下，都有可以实践和融入 1.0 阶段数字化经营分析所构建的能力。二者互相结合，共同放大运营空间和运营潜力。

在服务客户的这五年中，GrowingIO 还总结和梳理另外一套完整、可落地的不同阶段路径的建设和规划。

1.0 阶段，我们核心关注的还是流量与订单的转化，从站外获取流量、到站内分发流量，再到购买转化率的提升。

这个阶段，我们主要需要两类工具，一类是做站外流量获取的分析工具，另一类是做站内产品优化的分析工具。

2.0 阶段，我们开始关心超级用户的打造，核心围绕用户数据采集和沉淀、用户标签体系建设以及用户运营平台的建设，构建用户精细化运营的能力。

这个阶段，我们主要需要两类工具，一类是支持自动化运营策略落地的用户运营平台，另一类是进行用户数据采集、聚合以及构建标签体系的客户数据平台（CDP）。

基于以上思考的指导下，GrowingIO 逐渐构建了一套 “增长平台+业务咨询+培训赋能” 数据化增长的完整解决方案，帮助和陪伴我们的客户逐渐跨越数据化转型过程中遇到的各种挑战。

增长平台 是软件部分，包括 客户数据平台（CDP）、产品分析、智能运营和获客分析 ；

业务咨询服务 是以指标体系梳理搭建、标签体系梳理搭建、用户运营场景咨询实施、产品优化建议等为核心服务内容的咨询服务；

培训赋能 是以增长大会、增长学院、增长工作坊为主传播数据运营方法论的培训服务。

在整套增长解决方案中，核心是增长平台下的 4 个产品。上图中，蓝色的是数据平台的部分，是我们的客户数据平台（CDP）；橙红色的是数据应用部分，分别为获客分析、产品分析和智能运营。

关于数据平台 ：

数据平台主要分为三层： 数据采集层、数据处理层和基础能力层。

数据采集层的核心是采集零售企业用户各平台上的数据，以及企业内部各业务系统的数据。

数据采集层支持采集的数据主要有三类：用户行为数据、交易数据和 CRM 数据。这三类数据基本满足和支撑零售客户做用户运营的数据需求。其中，体量最大、细节最丰富、处理难度最大的是用户行为数据。

在数据处理层与基础能力层，我们把数据模型、标签计算和用户计算这些基础能力整合在一起，支撑上层各种应用的数据需求。

关于数据应用 ：

在数据应用的层面，我们提供了三个产品： 获客分析，产品分析和智能运营。

获客分析是帮助客户的市场部门，评估渠道的投放效率，优化投放 ROI。

产品分析是面向客户的产品部门和数据部门，帮助客户做站内用户转化效率的优化并提升用户体验等。

智能运营是帮助客户的运营部门，自动化落地精细化的运营策略。

通过以上的架构讲解可以看出，在实际落地数据化转型的过程中， 客户数据平台是优化投放 ROI 、提升站内用户转化、实现精细化运营的基础和关键。

但客户数据平台（CDP）的搭建并非易事，GrowingIO 服务的很多客户在合作前都表示，数据难以采集、难以处理、难以应用等，非常头痛。具体体现在以下 4 点：

1.数据处理能力不足

- 数据来源分散、类型复杂，难以采集和聚合

- 用户行为数据量大，细节丰富，碎片化程度高

2.数据体系缺乏规范

- 数据/指标零散，缺乏统一的数据指标体系据

-数据系统点状支持，没法系统化、规模化、自动化

3.跨部门协作难，开发工作量大

- 手工取数，流程长、效果差

-无法支撑数据化运营策略

- 营销工具无法快速响应策略变化

4.不能支撑个性化、自动化的运营需求

- 业务标签不够丰富，分析不够深入，调用费时费力

- 个性化运营需求难以满足

- 营销活动效果难以实时反馈，随时调整策略

- 缺乏用户唯一标识，基于用户生命周期的分析断裂

为了更好地帮助客户解决以上问题，GrowingIO 在设计 CDP 产品时制定了 三原则 ：

1. 高效集成原则 。 我们支持服务端、客户端、数据系统接口等多个数据来源的数据采集和数据对接能力。

2. 智能处理原则 。当数据进入到客户数据平台之后，我们会通过统一的 ID mapping 能力，对用户建立同一用户 ID 并打通各来源数据，构成用户标签系统和用户画像系统的数据基础。

3. 灵活运用原则 。我们搭建的客户数据平台，可以 无缝使用 GrowingIO 其他数据应用产品 ，包括产品分析、智能运营和获客分析等，同时可以 私有化部署在企业内部 ，灵活地和企业自建应用打通，并支持企业内部应用的自定义开发。

基于这三个原则，GrowingIO  已经为包括零售、保险、汽车等多家企业搭建了客户数据平台。客户们一致认为，GrowingIO 增长平台对它们的数据化转型帮助很大：

1. 跨平台、跨访问，建立统一用户 ID

以 GrowingIO 某汽车行业头部企业客户为例。

该客户有 30 多个用户服务系统，其中 20 多个是核心用户服务系统。这些系统在服务用户的过程中涉及到多端以及多个平台，像微信、小程序、网站等。另外，该企业还拥有多个子品牌。

面对这样一个多系统、多平台、多品牌的情况，客户需要找到一个高效的方法，把所有用户服务数据整合到一起，并构建一个完整的用户服务体系，从而实现数据化运营。

经过在市场上同类产品的多方对比，该客户选择 GrowingIO 客户数据平台（CDP），将所有跨平台访问的用户数据打通，构建统一的数据基础，并一站式承载所有的用户服务数据。满足了客户服务部门在日常服务过程中，统一用户数据，高效运营的需求。

2. 强大的标签计算能力，支撑精细化用户运营

以 GrowingIO 某零售电商行业头部企业客户为例。

GrowingIO 为客户规划了一套完整的用户运营方案。

但落地这套策略，建立在相对完善的用户数据，以及标签和分群的计算能力的基础上。

为帮助客户构建数据基础，GrowingIO 将客户数据平台部署到客户内部。整合用户数据的同时，为运营部门提供标签和分群的能力，再对接到客户内部的运营系统，对实际运营活动提供支撑。

帮助客户顺利实现了依据用户生命周期的不同阶段，匹配相应的运营策略，成功落地了完整用户运营方案，活跃用户数与转化率均有明显的增长。

3．构建更完整的用户画像，提升对用户的认知

以 GrowingIO 某地产行业头部企业客户为例。

地产行业的用户转化周期特别长，房地产经纪人大多仅凭自己的经验完成用户转化。在整个转化周期中，让经纪人通过数据，可以准确了解用户在不同阶段的购买意愿、购买偏好等，对于提升成交率十分重要。

通过搭建客户数据平台，GrowingIO 采集用户在线上所有关于房源浏览、查看的情况，定位用户的购房偏好、判断用户在不同阶段下的购买意愿等，建立用户 360 度画像。

有了用户画像后，房地产经纪人可以在关键时间点洞察用户需求、制定更好的销售策略，促成最终购买转化。

最后，我们再回到 增长平台的整体架构 上来，把客户数据平台和数据应用结合起来，总结一下。

在这个架构下，GrowingIO 在数据应用层会采集和产生数据，这个数据经过沉淀可以汇总到客户数据平台中，同时客户数据平台对数据进行加工处理，进行价值放大，反哺数据应用，形成价值闭环，从而帮助零售企业客户完成数据化建设的升级，并赋予企业数据运营落地的能力。

这是 GrowingIO 构建增长平台，以及其中的核心产品——客户数据平台的目标，也是 GrowingIO 希望能够给客户带来的价值。

今天的分享就到这里，谢谢大家。