“流量池思維”的火爆，打開了每個運營人對于流量的關注。運營人如何用好流量池思維？如何構建流量池？本篇文章中，筆者對這些問題分享了自己的思路與看法。

流量池思維的橫空出世，迅速替代了“增長黑客”，被奉為營銷界流量玩法的新宗旨。隨后，一陣瘋狂的科普浪潮席卷了朋友圈和看一看，在對流量池有了初步的了解后，大家也都四處尋覓構建流量池的方法。

流量池一曰數據二曰運營，要達到運營、發掘數據價值、帶來更多流量的目的，需要數據基礎+強而快的系統。本期我將就 “構建數據池”分享一些思路。

一、企業為什么需要數據池？

企業或多或少都有自己的客戶數據，但他們卻很難回答“我們擁有哪些數據”“我們掌握的數據能夠反映客戶的真實狀況”以及“不同部門使用的數據維度是否一致”這些問題。

1. 我們可以一起來看看，企業都擁有哪些數據？

第一方數據

• 交易訂單數據：從ERP、CRM、電商系統中產生的各類交易信息。包括卡券、訂單、購物車、退換貨訂單。
• 行為數據：客戶在微信、網站、App、小程序等各類第一方觸點上產生的大量行為數據。比如關注微信，提交表單，訪問頁面等等。
• 產品等業務對象數據：這些數據不是客戶數據，但會和分析極度相關。比如庫存和產品價格，就是許多零售客戶分析時必需的數據點。
• 外部工具產生的數據：現代營銷依賴于非常多的外部工具，比如報名表單、郵件、微課堂、微店等系統產生的大量數據。

第二方數據

• 合作系統傳回的數據：如郵件、短信在發送后，客戶是否有閱讀、點擊等。
• 合作媒體數據：廣告投放、視頻、門戶、垂直媒體等提供的數據。

第三方數據

• 第三方數據供應商提供的數據，如數據平臺，運營商等。

2. 企業都把數據放在哪？

每個業務部門依賴的是客戶數據的不同方面，他們都有自己的運用場景。銷售部門依賴于CRM（客戶關系管理平臺），售后部門主要看客服系統，市場營銷部門關心微信平臺，數據分析團隊使用數據倉庫或者客戶行為分析工具。

各個部門都有自己的主系統，每個系統關注點不一樣，針對的也是不同階段的客戶，那么看到的東西當然也是不一樣的。

就好像盲人摸象一樣，每個部門看到的只是自己關注的部分，而不是客戶的完整情況。不同部門使用的工具都各自產生新的、孤立的、片面的客戶數據，無法快速同步。

割裂的數據為運營造成極大的挑戰。

舉個例子，某企業想做個客服小程序，結果發現Billing數據在ERP中，訂單信息在電商系統中，行為數據在網站后臺。盡管他們要做的功能非常簡單，但企業卻需要三個開發人員從三個不同的系統中取值。

好不容易搞懂了不同系統的取值規則之后，還需要寫大量邏輯去合并。然后，下次再做另一個小程序的時候，又得把以上步驟再重復一遍……

因此，企業需要一個數據池作為基礎，保障后續的流量運營。需要明確的是，數據池它不是一個產品，你可以將它理解為企業的一類數據資產。

二、我有其他的數據工具，可以將其作為數據池嗎？

答案是，不行。

1. “行為分析工具” 可以成為數據池嗎？

很多人都會問“行為分析工具”也會收集客戶行為數據，也會提供可擴展的數據結構。那么“數據池”的區別在哪里？其核心區別在于數據的粒度。

比如，企業有多個App?！皵祿亍贝鎯Φ臅r候，會按照不同的App分門別類，將數據存儲在一起。在查看的時候，您可以看到各個渠道的數據流入流出的情況，也可以將一個人按照不同的渠道進行切片。

但是“行為分析工具”一般會建議您將各個App的數據隔離處理，因為其設計目的不是做跨渠道數據整合的。

2. “數據湖”可以用作數據池嗎？

需要強調的是，“數據池”和傳統意義上數據湖是不一樣的。

“數據池”只關注收集客戶數據，并且可以大規模統一，標準化和激活這些客戶數據資產。通過“數據池”，收集的數據不是簡單的合并，而是可以通過將各個渠道的數據切片保存。

而數據湖則是一個存儲大量原始非結構化和結構化數據的庫，所以數據湖對于不懂IT的人來說很難使用。

“數據池”是之前的業務系統無法代替的，它是企業存續運營流量而重組的數據資產。

對企業來說，“行為分析工具”收集的數據和“數據湖”都是不同類型的數據資產，只是在構建流量池這個場景中不適用而已。

三、數據池應該如何構建？

1. 打通數據壁壘

沒有較為完整的全渠道數據，會使運營受阻，因此企業需要一個共享的數據來源，連接每個渠道上的每一個客戶互動，從微信到網站，從門店到ERP，支付服務，客服系統，甚至是CRM。

然后，再將數據傳遞到各個部門使用的系統中去。

這樣就可以讓數據在各個系統各個部門之間流動，從而打破公司的“部門墻”，讓每個人都可以對客戶有全面的了解，同時也有助于建立公司基于數據、基于事實說話的文化。

進而節約開發成本，提升運營效率，讓團隊更專注。

2. 數據歸一化處理

各種重復記錄、字段缺失、跨系統數據值的不匹配，一直是困擾運營的問題。

因此企業需要在整個組織內實施通用的數據標準，定義構成良好數據的內容，并從源中刪除錯誤數據，讓整個企業相信數據是正確的。

3. 構建畫像

以上兩步可以說是數據籌備階段，接下去就應該是數據洞察階段。

企業可以將收集到的零散的客戶屬性、行為數據轉譯成標簽，為每個客戶打上獨一無二的“烙印”，比如他們最喜歡的產品類別、購買頻次等等，并對這些特征進行分析、統計，以挖掘潛在的價值信息，勾勒出客戶畫像。

打上標簽之后，企業還可以根據自定義業務條件進行標簽分組，這樣就能在與客戶溝通時候，知道應該說什么，為客戶提供獨特的體驗。

4. 管理完整行為數據

客戶的行為數據可以為客戶畫像進行良好補充。隨著客戶與企業互動渠道激增，知道客戶的喜好往往還不夠，有時可能還需要知道客戶行為發生在何時，從而更精準地對癥下藥。

企業可以通過捕捉客戶的完整行為數據，敏銳洞察客戶意向， 基于不同階段制定運營策略，充分挖掘客戶生命周期價值。擁有了完整的行為數據后，企業對于同類型的客戶，還可以預設針對性運營策略。

數據池是流量池的數據基礎，那么高質量的數據就是必不可少的。高質量的數據是進行分析決策、精細化運營的重要參考，進而企業更好的為客戶服務，達到發掘數據價值、帶來更多流量的目的。

本文由 @Linkflow 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。