座人匡衡软件教育培训行业邀约精准化营销方案

匡衡软件教育培训行业邀约精准化营销方案

第1章 行业背景

教育培训行业是目前国内发展比较迅速的行业，用户需求大，产品涵盖商务实战英语、实用口语、雅思培训、托福培训、英语以及海外留学项目等。经过多年的业务发展，企业与客户之间形成了多个不同角色的接触点，包括市场、客服、门店营销、培训中心等各角色应用系统中的共享互通，如下图所示。这些角色有着不同的需求，使用着不同的工具和应用，但都需要访问最新的数据，以便用这些数据来形成为客户量身定做的最佳决策。但是往往数据与应用之间缺乏融会贯通的统一画像和访问方式，导致业务之间的信息孤岛，影响决策的有限实施与客户体验。

（图）

本方案在寻求商务智能（Business Intelligence，以下简称BI）的解决方案，旨在建立统一客户视图，挖掘客户消费潜力，增强营销能力，改进用户体验，实现基于统一用户视图基础上的信息传递，涵盖销售，邀约，门店，教学环节对用户信息的获取。方案涵盖自渠道推广至呼叫中心的数据流程优化与实施，用户统一视图建立的评估，以及针对各个数据使用部门的信息贯通。

第2章 解决方案概述

此项目旨在为企业建立统一用户视图，实现在各个业务流程中的用户数据完善与共享。通过对用户分类及建立用户预测模型，提高呼叫中心的潜客邀约率。建立dashboard，实时展现市场投放与不同渠道的效率。

目前企业比较关心以下功能模块实现：

基于用户画像的用户信息定制和发布

邀约阶段用户信息完善及流转

订单阶段用户信息完善及流转

呼叫中心坐席评价体系

潜客与呼叫中心坐席匹配

市场活动趋势分析及渠道管理

第3章 解决方案详述

3.1 用户画像

建立用户信息的统一视图数据库，按照教育培训行业特征建立行业用户重点关注维度和各维度内的深度数据，同时从实际应用场景出发对用户数据进行分析，建立针对不同应用场景的三类标签：事实、模型、预测。从而使得一个用户在不同应用场景下能够以所标签的信息被形象展示。

（图）

3.2 用户统一画像模型建设及步骤

3.2.1基于企业现有数据整合和完善，通过6个维度的事实信息来描述用户，建立用户的基础维度和各维度的不同层级的信息：

用户基本属性

用户关联关系

用户兴趣偏好

用户价值信息

用户风险信息

用户营销信息

如下图所示：

（图）

3.2.2 基于用户信息建立6个维度的服务目标和基于事实用户信息的目标维度标签，更准确描述客户在各个目标维度的定位和状态。

通过大数据处理分析工具来分类客户的事实标签，实现客户画像的第一步分析，初步实现用户画像。

基于用户的基本事实，结合企业业务及教育行业的独有的特征，对于用户做合并分类，形成客户画像与客户群体属性，如下图所示：

（图）

3.2.3基于客户的浏览兴趣与购买数据，结合模型如LTV、RFM等通过分析工具计算客户的模型标签，实现客户画像的第二步分析，实现用户商业价值画像。

新客户的获得成本

存量客户生命周期价值

存量客户的交叉销售价值

存量客户的再激活价值

（图）

3.2.4 基于用户基本画像与模型画像，通过大数据机器学习算法(如贝尔斯、逻辑回归等)来进行用户预测与完善反馈，实现更精准的推广分配，提高运营效率，如下图所示：

推广的到校试课概率评估

新客户的生命周期价值评估

（图）

3.3 统一画像标签完整过程

基于企业现有数据，定期通过工具从数据库与Web日志采集原始数据，然后生成标签模型并持续优化。

（图）

基本画像标签：从数据库一次性导入。同时制定定期采集规则，当客户信息通过CRM更新时，将更新记录直接复制到基本画像标签的更新，以便预测优化。

营销画像标签：

需求标签：从数据库一次性导入。同时制定定期采集规则，当座席采集客户需求并通过CRM更新时，将更新记录直接复制到需求画像标签的更新，以便预测优化。

营销活动标签：从数据库一次性导试样外观和使用性能都可以不受影响入。同时制定定期采集规则，当推广采集客户名单并通过CRM更新时，将更新记录直接结构工程又为赶进度复制到营销画像标签的更新，以便预测优化。

价值画像标签：从数据库一次性导入。同时制定定期采集规则，当成单信息由于只要求1个方向工作通过CRM更新时，将更新记录每晚进行计算新商业价值统计，将新变量更新到价值标签以便预测优化。

兴趣画像标签：兴趣画像原数据的浏览日志解析处理比较复杂，需要进行URL的识别、IP的识别、User Agent的识别、Referrer搜索关键词的识别等。处理流程的设计采用了流水化的串行和并行设计，内部解析采用组件化流水化处理，不同组件之间的数据采用共享大内存的方式，避免在不同的处理组件之间进行数据落地，重复的进行数据写出和读入，提高数据处理的效率。同时使用统一的数据模型，统一的数据存储。如下图所示，使用Exceed Data平台模块化的集成、处理、分析、以及应用机器智能算法可以大大节省存储资源，提供解析的效率。

（图）

3.4 用户数据在业务环节中的共享

通过一套开放的应用之间采用开放的应用接口（API）实现用户信息在市场、客服、门店营销、培训中心等各系统中的共享互通。API为统一标准，为各个应用数据系统，设置未来外部数据接入，提供统一的数据接收（get）与采集（post）接口，如下图所示。

支持主流的接口协议，如REST；

支持直接采集主流数据库数据，支持的数据库包括：oracle、mysql、sqlserver等，直接使用jdbc客户端命令方式从数据库获取数据。

支持分布式数据源调度，支持多数据源间的访问连接。

采用参数驱动的设计思想，在API中，凡是不能确定的因素做到参数化，以达到通过对参数的设置就可适应不同的情况及不同时期的应用要求。

（图）

通过API对数据流通的支持与一致化视角，提供全面、整合的分析能力帮助企业英语提升复杂流程下的高性能分析，快速建立专注于客户的凝聚力，借助大数据分析改善运营效益。

（图）

第4章 用户信息的收集及传递流程

基于下一业务环节的需求，确立用户信息收集的维度，通过API或数据导入的方式，实现各业务环节间所需的用户信息流转流程。

以官至呼叫中心为例，如下图所示：

定期收集络日志到系统

系统提取浏览历史、合作渠道、设备信息

系统分析浏览兴趣并更新至客户画像

系统根据初步画像和需求定位，计算成单概率，分配给座席

座席呼叫客户，收集进一步信息，更新至CRM

系统从CRM里采集信息变化，更新至客户画像，并重新计算成单概率，

座席再呼叫客户时，使用最新客户画像并和西格里的专家对材料的分析和摹拟继续收集（可重复）

（图）

在座席预约试听以后，可延续统一的数据交互流程扩展业务，如下图所示。

门店迎接客户，使用系统+座席收集的最新信息与需求兴趣，让客户拥有良好体验，加速成单。

教师欢迎学生，使用系统+座席收集的需求兴趣，无需重新收集就可以为为客户设计适合的需求。

教师与学生的交流中，发现更多信息，重新跟新至用户画像。

系统为学生计算类似学生还会上的课程（类似电商的 买这个产品的人还买了xx 的功能），更新用户画像。

门店使用系统推荐的为学生推荐更多课程，更新交叉销售成单。

系统重新计算客户生命周期价值，重新更新客户画像以便未来预测。

（图）

如上图所示，通过销售和服务环节各个维度信息的完善，在每一个环节调用统一标准的API，采集最新的数据和更新最新的资料，配合数据分析及标签功能，逐步实现对用户信息的丰满和多元化展示，实现针对本行业更有效的用户画像，

第5章 坐席评价及潜客匹配

建立用户评价体系，对潜在客户进行标签，如下图所示。

在CRM呼叫中心系统建立坐席评价体系，按照技能和历史潜客成单率进行标签。

在BI系统建立潜客分配试用规则A、B、C

将潜客信息和匹配坐席信息传递给CRM呼叫中心系统进行leads分配。

跟踪测试不同分配规则下的产出效率并优化分配方案。

通过坐席与潜客的规则匹配，使坐席效能最大化，提高邀约率。

（图）

针对个人座席，跟踪成单率vs客户成单概率，提供包括呼叫时长、呼叫成本、成单率/客户成单概率、成单价值等反应客观效率的分析，并提供周、月、年趋势的对比。

第6章 智能Dashboard

通过时间、地域、渠道、客户性别、客户年龄段、客户工作类型、浏览产品、成单产品、价值层次等维度，对企业英语的业务成单属性、渠道接触行为属性、客户业务量和收入进行多维分析，形成企业英语的智能洞察指数。

通过对客户业务成单的分析和成单概率，为潜客的精准分配和座席的效率提升提供支撑。展现座席营销的明细数据，支持通过呼叫时间、客户区域、成单产品、人群属性等条件进行灵活组合查询；支持按照呼叫周期查询；可对指标进行升、降序排序；支持通过时间、区域、产品、人群属性等条件进行灵活组合查询。

通过日期、地域、客户成单率等维度的灵活组合，对渠道客户获得数量、平均获得成本、平均成单金额，平均客户净价值等指标来行多维分析，识别渠道的收益成效。

智能洞察指数主要用于，如下图所示：

热门产品排行、地域分布、客户群分布；

座席效率排行；

成单趋势分析；

各渠道分析；

浏览成单路径分析；

（图）