当我们以客户为中心把每个业态设计的场景串联起来,就能够实现不同业态之间的客户信息流转、流量复用和数据赋能。例如:营销阶段所获取的用户兴趣偏好可以作为物业个性化服务的参考,反过来物业业态中的业主满意度、忠诚度可以被用来发展业主老带新等活动。当然,这个流程其实做了简化抽象,实际情况会更复杂,例如物业的老业主复购会让客户重新进入营销阶段,而商业则可以独立形成闭环。在更多场景中,通常依赖于房企自身的业务结构、特点以及当前阶段的业务目标。所以,当房企在设计以客户为中心的数字化经营蓝图时,要从最顶层的业务目标开始思考。关键增长目标是新房销售、物业费收缴、商业营收等。然后从关键目标拆解关键指标,例如新房销售的渠道费效占比、成交转化、业主满意度、多经的销售转化等。基于此,再去梳理客户旅程,然后设计当中的应用场景,包括短期速赢和长期场景。典型的场景包括拓客阶段中的渠道优化、成交阶段的精准逼定、业务阶段对业主的个性化以及增值服务的拓展,最后是长期贯穿的大会员运营体系,利用存量资源激活,设计跨业态导流能力,以及全民营销的增长能力。有了目标和场景,接着就是数据服务的能力。为了支撑跨业态场景,企业所需要的能力包括客户数据管理分析能力、标签构建和智能营销能力以及拉通多业态的会员中心服务能力。最后,数据资产平台作为底层支撑,核心包括各业态数据的开发及治理,同时构建全业态 One ID 体系。整体来看,房企数字化经营可以拆成两个关键问题去看待,第一,长期客户经营体系的设计,第二,数据基础建设。
以前,房企在不同业态的不同阶段面向同一个客户的服务是完全独立的。例如物业业态的老业主,在 B 楼盘看房时可能只是一个潜在阶段的线索。构建跨业态经营思路可以帮助房企拉通信息,例如基于忠诚度高的老业主的物业信息,针对性设计营销策略,推进其买房,完成老业主升级。因此,构建跨业态客户生命周期经营体系,需要房企梳理不同场景的客户旅程,找到客户与企业互动的触点,进而设计场景,落地到业务动作中。设计业务应用场景,需要以感知、决策、行动、反馈形成 SDAF 数据闭环。不一样的是,跨业态的客户经营体系,让房企在感知和反馈过程中拥有更多的数据来支撑决策,以全业态的视角去理解客户和企业之间的关系。
面对这些问题,房企可以按照数据开发、数据打通、数据应用的思路去做项目建设。数据开发是为了解决数据缺漏的情况,例如容易被忽视的客户线上行为数据,这部分数据作为客户主动发生的行为,反映了客户的偏好特征和价值。例如神策与某房产平台合作过程中,针对线上看房这一场景,通过分析客户在 VR 看房里停留的时间、角度、位置等发现在厨房、卫生间停留更久的客户,到访和成交转化率更高,购房意向更高。这就是行为数据带来的价值。数据打通涉及到各端的行为数据、大量业务系统的业务数据,甚至还可能涉及物联网、人行车行等数据。这需要企业梳理各业务的 ID 现状,设计用户关联方案,保障同一个客户在系统中被识别的唯一性。数据应用也就是围绕业务场景的数据服务能力,例如实时人群圈选、标签导出、自动化营销策略、会员积分对账等能力。数据规范是整个数据建设过程中更重要的环节。统一的指标口径、标签、元数据的规范、数据采集的规范等,是一项完整且涉及面众多的工程。因为各个系统和业态中,数据会不断新增,只有做好自上而下的数据规范管理,才能让数据体系可持续和健康地运转,支持业务的发展。根据过往服务客户的实践经验,神策总结出值得房企关注的两点:第一,One ID 建设。其难点体现在数据清洗工作以及 ID 关联方案的设计上。例如因为涉及多个系统和业态,要考虑 ID 数量、优先级、冲突解决方案、解绑和修复等问题,里面还会嵌套业务逻辑。从数据角度,需要明确的 ID 含义、采集的节点和触点,用不同的对象定义来管理客户数据资产。例如,房企客户指的是已成交的业主,是通过身份证号识别需要重点经营的对象;可以用手机号、客户号、微信 Union ID 识别的对象是潜客,只能获取设备号、Cookie、Open ID 的对象是访客。解决用户关联的问题,拉通客户在不同业态的信息,回归到业务场景里,企业就可以更好地使用这些存量客户资源做长期经营。在做好跨业态用户关联之前,房企的营销流程往往是客户到访登记,获取其渠道报备信息、报备记录、接收到访记录或者其他兄弟盘的到访记录等。One ID 建设好之后,企业就可以利用存量客户去挖掘机会,例如可以通过业主的家庭成员新增、车辆登记变化,从而识别业主可能存在的改善需求,进而通过精准 Call 客、业主 App 的触点去获取线索,推荐精准房源,实现促进复购。房企有大量的存量客户资源,与其砸广告去获新客,不如从老客户中挖掘,这样转化效率更高。但同时需要注意的是,这个过程在很大程度上依赖于企业能否做好客户数据的统一。第二,数据规范。数据管理决定了企业数据建设的工作能否长久和持续的运作,也影响着传统企业数字化转型的效率。数据管理规范问题是一个自上而下的战略传递过程,也是一条从下往上的数据管控链条。
在这个三角矩阵里,涉及到数据管理的多个环节。战略层需要制定清晰的目标与规划,管控层通过平台和工具化能力实现数据的监控管理。往下是数据的标准和规范的制定,包括数据生产规范和数据对象本身的规范。再往下会涉及到业务规范的配合,例如案场接待、管家服务的标准流程制定,明确什么环节产生和采集数据以及线上运营的埋点规范等。最后是人力资源基础。一个战略从上往下执行,成败往往都在于人。企业需要搭建专项组织,培养数据意识文化和能力,建立面向一线业务的培训体系等。整个过程涉及到组织、工具、能力的建设,需要强意志和强推动力来完成,这也是地产数字化转型必然要面临的一关。接下来,分享一个数据建设成功的案例。小吴是某企业长租公寓的租客,在深圳已租住 2 年,月租金 5000 元,根据其长租信息,企业可以构建用户标签,并根据其曾推荐好友入住这一行为判断小吴对品牌好感度较高。今年,该企业在深圳进行新楼盘蓄客,针对月供 6000 元左右的单身公寓,业务人员希望在长租公寓的租户里找到适龄、有支付能力且品牌好感度高的老租户,将其变成业主。通过存量客群圈选,小吴被选中为新楼盘蓄客的目标客户。于是,企业通过公寓 App 在小吴线上活跃的时间内针对性推送新盘,并在话术中明确“长租公寓用户可享折扣”等。在该案例中,企业通过了解小吴的居住偏好、特性,制定精准的销售话术,成功将小吴从租户转化成业主。成为业主之后,小吴的会员积分、会员等级均有所提升,这个时候企业的商业运营便可以通过业主 App 给其推送消费券,并附带业主在商场消费可以进行积分抵扣、会员折扣、停车优惠等信息,于是小吴自然而然地成了商场的客户。交楼入住后,小吴又会与物业产生交互,包括客诉保修、参与等。比如,根据小吴的商场消费数据了解到小吴经常购买清洁类用品,那么就可以为小吴推荐家政保洁的服务等。通过以上个性化营销触达,小吴的用户体验持续提升,也成为了高忠诚度的业主,为企业带来的商业价值也不断提升。再然后,企业也可以把小吴发展为业主经纪人,随着家庭结构变化,小吴可能会产生换房需求,那么他又会进入到新房营销流程里。通过该案例,我们可以看到,打破数据壁垒之后,一个客户可以在不同业态中流转,与企业发生深度连结,实现客户价值的不断增长。同时,企业通过建立全业态客户资产,把存量客户的价值挖掘到极致,大大提升了业务转化效率,也实现了业态间的大会员联动。这就是多业态客户整合为房地产业务带来的意义和价值。目前,神策在地产行业的跨业态数据平台建设实践中,核心帮助企业解决以下三大问题:1、关于数据规范相关的问题。企业手动录入的数据质量差,经常出现手机号、证件号错误的情况,在后期转型导入大量业务数据时会非常麻烦,因此需要有比较好的入库校验规则来针对性处理。另外,数据标准不统一,例如有的系统手机号带区号、国家代码等,因为多供应商标准不统一导致同样的数据在不同的系统中数据类型不一致,所以企业需要充分梳理并规范数据。2、关于用户关联方案的设计问题。企业需要充分考虑 ID 字段多类型的情况,例如华南的楼盘可能常有港澳台的客户,那么便要增加护照证件号类型。同时,需要充分考虑 ID 关联冲突和变更的规则,例如客户在某个前端修改了手机号,在业务上应该判断为新增还是变更?一个客户有多个微信号,那么应该给哪个微信 ID 发推送?这些问题需要有完善的关联方案,也要有能够灵活支持不同语义、自由关联、解绑修正和关联优先级配置的 ID-Mapping 能力。3、关于数据平台外部的改造问题。考虑到房企数据平台外部改造会涉及很多业务场景,往往会关联周边业务系统、业务规则的改造,例如把客户标签传送至销售端、移动销售 App 接收和展示客户标签、销售人员手动实现移动端的标签回传、销售接待标准流程变化与设计等。数据平台完善之后,如果业务系统和业务流程无法支持企业数字化应用,场景落地将举步维艰。因此,我们建议企业同步进行相关系统改造和数据系统建设。
四、探索:项目设计和建设实践
针对客户数据平台建设,企业要梳理清楚做跨业态用户拉通的目的,明确业务战略、业务目标及场景,尽可能避免目标模糊、执行困难、售前扩展无边界、售后需求变更、项目返工、延期等情况。对此,企业需要制定好业务战略、明确业务目标,设计好业务场景,最后再落到项目的建设和数据本身。这个过程和地产楼盘建设开发异曲同工。传统企业数字化转型是一个探索型工程,免不了在建设途中进行持续的探索迭代,但目标和设计依然要先行于建设,正所谓谋定而后动,知止而有得。这也是为了避免陷入行业的 IT 军备竞赛,本末倒置。