車企數據中臺指標體系建設方法論
當前汽車行業的現狀和痛點是什么?可以通過什么方式解決?本文結合相關案例,總結分析了車企數據中臺指標體系建設方法論,希望對你有所啟發。
01 汽車行業現狀和痛點分析
首先來看一下當前汽車行業的現狀和痛點。
1. 煙囪式的系統建設阻礙業務發展
煙囪式系統產生的原因有以下三點:
- 車企會有多個供應鏈廠商,不同廠商設計存在系統邊界,致使每個業務線中間有同樣的模塊,從而導致重復開發;
- 技術棧不統一,這會造成公司內部IT架構無法統一規劃,且技術能力難以積累的問題;
- 數據分布廣,格式不統一,導致數據難以打通。
2. 業務分析效率低
目前汽車行業面臨業務分析效率低的問題,可以歸結為6大癥結:癱、亂、重、慢、缺、難。
- 癱:一次大型活動,比如新車發布會,會需要市場部門、品牌部門、銷售部門等各個部門協同工作,但每個部門有各自的系統,各系統來自不同的服務商,系統分散,能力無法互通;
- 亂:數據分散在各個系統,數據口徑不統一,定義不清晰,就會導致數據不準確;
- 重:很多報表停留在excel階段,需要大量人工工作,數據統計耗時費力;
- 慢:各供應商交付的系統沒有很好的擴展性,沒有整體考慮性能問題,難以快速支持業務創新;
- 缺:各部門各自為政,沒有統一標準、統一規劃,缺失統一的管理組織;
- 難:發布會結束后統計ROI,發現線下車展數據缺失,僅可統計線上投放部分ROI,導致評估困難。
02 指標體系是數據中臺的價值引擎
汽車行業的生命周期包括研發、制造、營銷和用戶體驗,數字化轉型涵蓋了這四個環節,底座則是數字化中臺。本文將從數字化營銷的視角,來講解指標體系的搭建。
1. 數據中臺發展歷
第一階段:數據庫階段
主要是OLTP (聯機事務處理)的需求。例如MySQL、PostgreSQL、Oracle等,數據來源主要為各業務系統。
第二階段:數據倉庫階段
OLAP(聯機分析處理)成為主要需求,例如Hive、Greenplum、HBase、ClickHouse等。在使用OLAP進行數據分析時,需要對原始數據進行維度建模,之后再進行分析。維度建模理論中,基于事實表和維度表構建數據倉庫。在實際操作中,一般會使用ODS、DW、AD三級結構。
第三階段:數據平臺階段
典型的代表為Hadoop,針對海量數據,主要解決BI和報表需求的技術問題。
第四階段:數據中臺階段
數據中臺的概念由阿里巴巴首次提出,它的目的是將企業沉睡的數據變成數據資產,從而實現數據價值變現的系統和機制。通過系統來對接OLTP和OLAP的需求,強調數據業務化的能力。
2. 通過數據中臺為精準營銷提供數據支撐
整體架構如下圖所示。包括業務應用、數據產品、數據治理、數據源四大部分。
(1)業務應用
市場營銷:媒介投放——垂媒(汽車之家、懂車帝、易車網)、社交媒體(微信、微博、抖音、小紅書、B站)、轉介紹、線下活動引導APP形成私域流量池
線索轉化:流量池匯聚到統一的線索庫,線索庫下發4s店/直營門店,銷售伙伴線索跟進,邀約試駕,大定轉化
車輛交付:上牌、保險、車飾等環節
售后服務:主要是圍繞修車的場景
(2)?數據產品
第一階段:經營決策支撐
基于業務梳理建立數據指標庫平臺,通過指標體系對關鍵指標全鏈路業務進行下鉆分析,生成經營分析報表/決策數據大屏,支撐經營決策。
第二階段:數據資產化(CDP)
通過CDP沉淀用戶全生命周期的標簽數據,去更好地做精準營銷。
第三階段:數據業務化
通過CDP對數據指標的沉淀進行應用,推出用戶畫像、精準營銷等服務。
(3)數據治理
是整個數據中臺核心的平臺層,參考了阿里的數據中臺架構,通過OneID、OneData、OneService來實現底層架構和基礎能力的搭建。
(4)數據源
包括客戶數據、營銷數據、售后數據等。
整個數字化營銷數據中臺,搭建了一個可復用的數字化的能力,包括數據治理能力、數據資產化能力、數據分析挖掘能力、數據可視化能力和數據業務化能力。
3. 指標體系是數據中臺的價值引擎
指標體系相當于中臺地基的血肉,為不同角色用戶提供數據決策支持,實現數據驅動業務。
- 最上面是企業級KPI,主要為經營類指標,幫助高層和決策者進行決策。作為管理者更多的是看結果。
- 下面一層是部門級KPI,包括銷售、交付、售后等指標。中層主要是對數據進行監控,發現業務問題。
- 最下面是運營層KPI,基層專題運營重點是看細節評估運營活動效果。這里需要通過運營相關指標進行自助分析,定位問題細節。
03 指標體系建設方法
1. 梳理業務目標
整合數據資產,貫穿汽車全流程全場景營銷,圍繞著客戶全周期行為觸點,在合適的場景下,選擇合適的媒介,向用戶傳遞合適的內容,實現與用戶的高效溝通,將大幅節約溝通成本,實現營銷效率和效果的雙提升。
下圖展示了車企消費者洞察及營銷策略流程全生命周期五大流程:關注、線索、成交、轉介紹、服務??傮w目標是:營銷策略研究 ,在每個環節都有各自重點目標,例如關注階段重點投放策略、內容營銷等。
2. 指標方案設計
指標體系的設計是與業務強相關的。下面介紹如何依據海盜模型搭建車企指標體系。首先對車企業務依據AARRR流程拆解成關注、線索、成交、轉介紹、服務五大環節;再通過指標維度與數據來源確定完成指標體系設計。
例如線索環節,數據指標包含歷史線索數、新增線索數、線索的跟進處理數等;數據維度包含來源、狀態、時間、區域、經銷商等;數據來源為客戶管家。
3. 指標開發
不僅要注重底層指標開發建設(原子指標、派生指標、衍生指標)還要關注指標開發鏈路(實時指標、離線指標)。
底層指標開發建設:指標的組成要素決定了指標的生產邏輯。根據組成要素、生產邏輯的不同,數據指標可被分為原子指標、派生指標、復合指標等類型。其中原子指標,指的是對某一業務行為事件的度量,比如歷史線索數、新增線索數、線索的跟進處理數;派生指標,指的是基于原子指標進行維度、統計周期或過濾條件的派生,比如近一周的歷史線索數、上一年的歷史線索數等;而復合指標就更為復雜,一般是對多個指標進行加減乘除等運算得出,比如2022年月平均GMV、投資年化收益等。
開發鏈路:主要介紹下阿里云大數據套件下的實時和離線指標的開發鏈路;實時指標開發主要采用DataHub+Flink+Hologres;離線指標主要采用MaxCompute+ Hologres;在整個指標開發的過程中基于不同場景的需求指標的更新頻率不一樣,比如大定量最好是實時,幫助業務實時知曉全國、大區、城市、門店的大定量;比如生產環節相關的指標就不一定需要實時,小時級更新即可,這時用離線指標即可。
4. 指標管理
之所以需要做指標管理,主要因為存在同名不同義、同義不同名、口徑不清晰、來源不清晰、邏輯不準確等問題。
指標管理大致可分為五個步驟:
- 建立指標生產協同機制:指標的誕生要經過需求申請、審核、數據開發、上線應用流程,收口指標創建過程,避免指標建設的隨意性帶來的“污染”。
- 制定指標命名、口徑說明規范:按照原子指標+業務限定+統計維度的方式,將規則集成到平臺內,通過系統規則來把控指標輸出。
- 指標字典線上化:解決線下文檔(excel)管理指標存在的共享難、更新不及時、權限管控缺失等問題。
- 指標數據邏輯綁定:即除了維護指標的業務元數據外,還要建立指標的技術元數據,指標數據從哪個模型、哪個字段、何種計算邏輯得到。
- 指標輸出:指標管理最大的價值還是為數據產品提供數據輸出。
5. 這里主要介紹類應用
(1)移動看板:管理層經常會使用移動端看板,會有很多定制化需求。
(2)PC看板:更多的是面向業務人員,要求更高的靈活性和便捷性。
(3)決策大屏:比如管理駕駛艙、經營駕駛艙。
04 案例分享
案例1:車企業務數據洞察——銷售全周期分析
針對經銷商、區域等多維度對銷售全周期客流、線索、潛客、訂單等各個關鍵環節進行數據分析,通過試駕率、建卡率、保有客戶轉化率等一系列指標透視整個銷售環節,找出其中的薄弱環節,有針對性的進行策略優化、方案改進。
案例2:數字沙盤,助力業務洞察市場行情
數字沙盤分為兩個部分進行指標建設,達到知己知彼提升市占率。
一是競品指標:通過了解市場行情、市場容量、掌握市場動態等,預測發布車型市占率。
二是自身產品指標:通過對客源、潛客、訂單等流程梳理、再經過多維度數據分析,定位銷售劣勢,優化銷售環節。
作者:趙松,微信公眾號:松果子聊數字化,極氪汽車大數據產品負責人,多年汽車數字化從業經歷。
本文由 @松果子聊數字化 原創發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自Unsplash,基于CC0協議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
很不錯,學習了。