客户识别从客户分级到全场景标签

决策易SFE效能增长训练营第三期课程已上线，本期课程讲师scarlett带来《创造客户价值从识别客户开始——从客户分级到全场景标签》，以下为课程主要内容~

计算客户潜力，找出高质量高稳定的客户是后续 营销 工作基础，而根据以往的计算方式，在九宫格四区或者九宫格三区图上找到最心仪的A区与B区后，会发现医生画像是模糊的！ 

这对于SFE、marketing部门来说，这很难受，也很无力，只能看到一个模糊的、大致的样子，甚至部分地方都是空白的。

客户信息主要来源于代表面对面的拜访，包括这个医生的日门诊量、多少台手术、多少床位数、多少潜在患者等，很大程度取决于代表的手工录入，准确性是存疑的。

然后我们每年投入了大量的人力、财力、物力，然后做维护做升级，然后产出了一堆没有用的数据，garbage in garbage out，客户的认知度变化基于代表主观判断的。

这对我们药企提出了一个非常大的挑战，我们上了很多的信息平台，有了很多 digital channel ，我们全场景的触点也很多，但最后这些数据都没有办法被很好地去利用，也没有办法真正的引入到整个闭环的流程中去。问题到底在哪里？

在我看来其实是缺少了一个闭环，这个闭环可能是机制造成的，可能是技术造成的，也有可能是数据本身造成。

随着 channel 越来越多，那么我们就发现在不同的 channel 当中，同一个医生可能是不同的 ID 不同的名字。

我们需要去判别who is who，只有当不同的 channel中的这些信息连接、整合在一起，排除掉重复、冗余的数据，并归结到同一个人时，我们才能够描绘出一个立体的 360 度的医生的画像。

所以这要求SFE有非常强的数据清洗能力，有MDM与CDP系统去连接所有平行宇宙中的每个个体，最后赋予成Unicode ID 。

而当我们的医生被打上很多的全场景标签后，其实对我们来说又是个非常大的挑战——我们需要在这些label 当中，去找到或者说去发现一些痛点、一些痒点、一些insight，并给到其相应的回应。

现在marketing 做设计的时候也很难说，这个内容到底是给哪一类人的。这就会要求我们去给内容也打上很多标签，然后尝试通过 AI 的技术，通过一定的logic，通过一定的计算或者耦合的一些链接也好，把hcp 360与内容进行链接，这样就能够实现把合适内容推给合适的客户。

同时我们也有了这样一个意识——运用他的习惯，包括他喜欢的渠道以及他的整个时间规划，他的频次等，于是我们就组建出SFE最经典的四个词：“Right Customer、Right Message、Right Frequency、RightMethod。”

甚至这些标签到后面，就可能不仅仅是你自己本身的标签了，它有可能会做一些同质化的处理，寻找到有相同背景、相同环境、相同认知的医生群体，他们在看哪些内容，他们在关注什么。那么我们就可以通过这样的链接，把这些内容都推给相对应的客户。

最后借用下贝佐斯的一句话，不管什么行业，我们最终的目的都是想提升我们整个客户的体验，使得他们能够非常好的在体验当中得到他们想要的一些内容，也能够帮助他们去实现各种他们想要的目标，最终使得我们和我们的客户达到双赢。