近日，中關村科金受邀參加虎嗅智庫舉辦的「502線上同行」主題研討活動，與來自來伊份、網易智企、瑞泰信息等行業專家，一同探討了營銷服一體化賦能零售消費企業重構客戶體驗的實踐與挑戰，剖析了如何利用營銷科技支撐企業增長新鏈路，幫助零售消費企業實現業績新增長。

以下為中關村科金智能營銷產品總監任立勇《數據智能驅動全場景數字營銷》主題分享的內容實錄。

零售消費行業營銷發展趨勢

科技時代下的零售行業面臨著很多挑戰，可以從三方面去思考。

首先是商業模式。零售企業是否通過數字化手段和方式重構商業模式，有沒有新的商業機會出現；以及企業如何打通產業鏈條，拓展科技零售生態。

其次是運營流程。當前以數字化為基座的運營及營銷服務方式，跟傳統營銷有很大區別，對運營流程需要深入改造，過程中零售企業是否做好了相應的組織架構、資源、人力等相關準備工作。

第三塊是工作方式。科技給從業人員帶來了哪些新的能力及運營突破，以社交媒體等為渠道的數字化營銷將如何開展。

這些都是企業在面向數字化轉型時需要思考的問題。在零售行業中，比較理想的狀態和鏈路是圍繞消費者購物過程，加入不同的數字化觸點，通過線上和線下結合的方式，實現全鏈路數字化轉型。

在這樣的鏈路下，從消費者進店開始，到用戶識別、數字信息推送定位，再到線上線下鏈路結合，最終到自助結算，整個鏈路里會用到大量數字相關技術，很多零售企業或多或少都建立了一部分數字化系統和工具。

但是如何把鏈路打通，實行價值聯合，是現在急需解決的一個痛點。打通鏈路的底層邏輯是數據要成為核心資源，無論是線上還是線下，對于同一個用戶的消費者洞察，實際上是來自于360度的全景數據融合。

在構建客戶全生命周期的營銷鏈路時，需要圍繞用戶從線上到線下，線下又回到線上的購買旅程來進行數字化觸點鋪設。現在廣告投入成本越來越高，很多零售企業線下門店有自然客流，當客戶進店后，可以很好的轉化為私域流量，在私域運營過程中，對用戶人群進行數據分層及用戶畫像刻畫，從而實現精準化運營。

從粉絲到意向客戶，再到推薦用戶和復購，流程里每一層都是對用戶的分層，分層的準確性直接影響到營銷效率及轉化率。

我們看到，構建零售企業營銷服一體化，首先要實現從流量思維到單客思維的轉變，CLV（客戶生命周期價值）是轉型的重要目標導向；第二步是要創新業務場景，加強對用戶的深度運營能力，這也是傳統企業數字化轉型非常關鍵的部分，要有相應的組織架構、人力資源調整；第三步是對于深度用戶資產的全面洞察，對于用戶全面的認知和認識；第四步是搭建數智化運營體系，提高用戶運營效率。

基于以上情況，在構建以客戶為中心的營銷服一體化過程中，中關村科金從零售企業的生產場景、渠道場景、銷售場景、運營場景、客服場景切入，用一套數字底層來進行統一包裹。

中關村科金營銷服一體化解決方案

在現階段的企業營銷、銷售及服務體系下，服務層面存在人力成本高、效率低，夜間時段無人值守，人員培訓等問題；營銷層面存在營銷思維不專業、不聚攏，對消費者行為刻畫不深入，缺乏數據支撐等問題；管理層面存在運營難題，多渠道用戶信息分散，反哺業務能力弱等問題。

針對以上現狀，中關村科金以對話式AI技術為核心，圍繞客戶全生命周期，推出了營銷服一體化解決方案，助力企業實現服務轉營銷的價值躍先。該企業全域解決方案，涵蓋語音機器人、文本機器人、在線會話、云呼叫中心、智能工單等系列產品，并應用了預訓練對話語言模型、知識中臺、會話分析和流程挖掘等創新技術，通過預置話術模板、話術自動更新等功能，有效解決企業營銷服場景中話術冷啟動、話術維成本高、知識難沉淀難共享等問題。

在過程中我們運用到了很多技術，比如在提升公域獲客成功率上，通過機器人相關工具進行統一的線上觸點線下獲客，再到全鏈路的促銷轉化、極“智”服務提升客戶滿意度，最終形成客戶MGM（member get member）裂變營銷，整個鏈路都是通過數據智能進行驅動。

我們把整個銷售鏈路分成了售前、售中和售后三個環節，在售前環節主要是作用于全私域靜默以及咨詢用戶主動營銷、促轉化，售中環節主要是作用于下單關鍵環節主動服務，售后環節主要作用于老客戶的長期跟蹤、提升復購。簡單來講，就是在售前-售中-售后三個不同場景下，設計不同的鏈路來達成業務指標。

數據驅動的本質是以數據為支撐，企業應該建立一個基于客戶視角的數據倉庫或CDP（客戶數據平臺），目的是把企業所有線上線下的數字化觸點數據進行導入加工，形成OneID后進行個人、產品、業務三個層面的標簽體系構建，再通過算法模型進行人群劃分，最終細分生成系列應用。比如可視化數據、復購意向度、客戶評級、情感識別等，這些人工智能應用都是基于多數據源整合的，是非常關鍵的底層。

我們在服務一些零售企業中發現，目前的客戶數據整合遺漏了一項關鍵數據，即全渠道對話洞察。無論是PC、APP、社交媒體，還是微信、電銷，都是現在的主流觸點，但里面大量的對話內容意圖沒有被深度整合。

而在過往實踐中，我們發現客戶的對話內容是非常有意義的，它能夠帶來兩方面的價值，一是洞察客戶的真實需求，二是判斷當下客戶的真實情緒。

針對一個客戶，無論是電銷還是IM即時通信，深度挖掘對話內容可以發現用戶對商品的需求程度、競品提及、客戶疑議、潛在價值分析、服務反饋等大量關鍵用戶意向信息，但這部分內容并未被重視。

而基于語義分析和NLP技術，對客戶對話內容進行加工和洞察，可以實現更精準的消費者需求洞察、反哺線上營銷策略、提煉最佳營銷話術等價值輸出。

對話洞察在銷售環節和AI話術優化場景也有非常多的應用。比如將客服和用戶之間的對話，通過ASR轉成文本進行深度分析后，對話術進行深度提煉，再將提煉出的優秀話術反哺給其他客服，進而提升二次外呼營銷的準確率。

另外，營銷服一體化還需打通的一個難點是網電銷一體化。目前無論是零售企業還是其他行業，都在大量布局網銷渠道，但電銷也是企業的主流渠道，在“網電結合”的大趨勢下，只有結合兩種模式不同的特點和優勢，才能真正實現營銷服一體化。

網電銷一體化需要實現四個“通”和五個“全局”

四個“通”是數據通、鏈路通、策略通和團隊通。

五個“全局”一是指全局的標簽體系，過往網銷和電銷的標簽體系是分開的，數據也較為割裂；二是全局的意圖，對于對話意圖全局打通；三是全局策略的調度；四是全局策略的優化；五是全局的增長實驗，過往網銷和電銷的ABtest都是相互獨立，但鏈路實際轉化時是網店聯合的形式，用戶不再通過單一渠道觸達商家，這進一步提升了數據打通要求。

數據驅動需要引擎支撐。這個引擎是指營銷自動化相關工具的應用，同時提供營銷場景、銷售場景和服務場景三個場景的支撐。因為將用戶數據、渠道等全部打通后，AI外呼或者是電銷、網銷，只是跟用戶溝通的觸點和渠道，可以應用于不同場景下。所以未來的渠道不會局限于某一個場景，一定是營銷服三個場景互相融合，這種情況下，我們就需要一個統一的調度框架來進行整體調度。

營銷服一體化的數字化鏈路是比較復雜的，很多企業在數字化轉型初期進行構建時也會有一些疑問。

首先，我們要構建CDP（客戶數據平臺），打通所有相關數據，之后形成用戶畫像標簽體系，按照標簽體系進行人群分包，劃分完成后傳到用戶營銷自動化平臺，進行相關營銷策略的全鏈路制定，包含電銷、網銷所有渠道。完成后再掛載相關內容、知識、活動、權益等，通過機器人平臺進行全渠道發送，搜集用戶回復的部分意圖和反饋，更新用戶數據標簽體系，同時評估業績相關效果，進一步優化營銷策略，這就是完整的數字營銷服務體系鏈路。

最后，分享下中關村科金與重慶百貨的合作，我們如何通過上述營銷服體系解決了重慶百貨在營銷中的痛點，助力其重構客戶體驗和提高業績增長。

重慶百貨擁有三百多家門店，但營銷服多系統相互獨立，工作效率比較低，客服接待多業態，業務咨詢需要不停切換系統；大量咨詢難以同時處理，影響客戶體驗，對工作人員要求高、壓力大；工單內部流轉效率低；最重要的是無法有效識別用戶，通過網銷轉化而來的用戶或許曾有電銷通話記錄，但網銷客服不清楚，反之同理，這是導致重慶百貨難以構建營銷服一體化的底層原因。

中關村科金營銷服一體化解決方案如何幫助重慶百貨解決上述問題？

深度打通在線客服、呼叫中心臺等多渠道、多系統；

打造智能化服務，通過文本機器人、NLP技術進行常規問題的自動回復；

高效聯動內部協作，實現線上工單系統多部門、跨部門協作；

通過客戶數據平臺，把電銷、網銷線下數據進行ID Mapping，構造全渠道用戶統一視圖。

這套完整的體系上線后，由于打通了底層數據和渠道，構建、優化和統一了多渠道營銷策略，有效實現了多項業務指標大幅上升。如智能工單的內部流轉、智能外呼的回訪量、智能客服的重復問題抵擋率、人力成本的降低、呼叫中心的問題解決率等。

針對“百貨業態”，我們在常規業務咨詢場景把線上渠道和電銷服務打通后，大部分客戶咨詢是由文本機器人進行處理，難以處理的問題會生成工單流轉到總部進行人工判斷和處理。

針對“電器業態”，客戶通過線上和電銷入口進來后，優先由機器人接待，未能識別的問題工單會轉給人工，然后基于用戶需求分派在線客服或呼叫坐席，之后進行滿意度回訪，而無法解決的問題生成工單后再流轉到線下門店及時處理。

針對“總部”的智能服務場景會更復雜一些，因為總部的線上渠道如公眾號、小程序等入口眾多，客戶進入后同樣是常規問題機器人優先接待，投訴類問題會直接分派給在線坐席或呼叫坐席及時處理，門店無法解決的問題會生成工單流轉到總部進行統一解決。

以上就是中關村科金對于構建營銷服一體化的一些經驗分享。隨著越來越多的企業數據基礎在逐漸完善，對用戶意圖進行挖掘需要被企業廣泛重視。未來中關村科金將持續投入對話式AI技術，深入挖掘對話場景里的數據寶藏，通過數據與技術的全面結合賦能營銷服體系，打造面向企業營銷服數智化的全生命周期、一站式的解決方案。

用戶意圖進行挖掘需要被企業廣泛重視低、呼叫中心的問題解決率等，