2020年12月3日，世界智能汽车大会在广州举行。在当天下午举行的GBA专场活动中，数果智能数据产品总监就“数据驱动汽车行业全域用户运营”为主题发表了演讲。

以下为Xie.Mr的演讲实录：

大家好！我是数果智能的数据产品总监。一直以来，都是从事数字化营销和私域流量运营领域，今天其实刚刚几位嘉宾从汽车的设计到汽车生产制造，然后现在我们来说汽车落地之后该怎么去卖出去。我们现在是基于数据驱动汽车行业的全行业应用。简单介绍一下，数果智能是综合的大数据解决方案服务商，我们基于从数据中台到营销智能终端两套产品服务现在的交通、零售等各行各业。

现在我继续分享我今天的主题《数据驱动汽车行业全域用户运营》。主要讲三个点：

一、汽车行业的全域用户运营现状

汽车行业数字化营销的方式，过去的营销很多都是重品牌，车企和品牌零售商，现在零售的转变方向就是从用户驱动、以用户运营为核心关注整个营销的环节。最近阶段可能比较活的一个概念就是私域运营，私域运营红利耗尽的行业增长缓慢。基于现在已经耗尽的情况，我们如何构建自己的流量池在已有的存量客户寻找自己的增量，这也是汽车行业的发展趋势。

数据和智能驱动，未来商业主要是两个方面，一是网络协同，一个是数据智能，网络协同现在很多车企在营造自己的生态，基于数据智能，我们怎么打通传统的营销智能，实现“千人千面”的营销，数果有更加丰富的解决方案。

我们看看现在行业当中的现状，从数据采集方面来说，有很多渠道的数据缺失。比如说我们一个用户可能在每个平台上发生的行为，比如说从App、小程序、Web，发生了很多行为无法统一监控，产生各个数据域的数据缺失，各平台端没有统一的用户ID形成完整的数据，我想看到一个用户从这个小程序到那个App的行为轨迹怎么连串起来。这是很多企业现在面临的问题。

二是数据的分析。整个分析的效率过于低，从以前导出的数据，到最后出现结果，整个环节非常多。

三是数据应用。整个营销最终闭环，整个营销效果缺乏很好的监控，对于整个营销之后的用户洞察以及画像的剖析不能清楚知道整个用户的特征跟画像情况。这是在全域用户运营车企的现状。

我们提供了我们面对数据现状的改善方案，包括完整、打通、准确、实时、灵活。我们是全渠道监控，从线上、线下，从Web端全渠道打通统一的全生命周期。通过One-ID构建用户的识别，通过采集用户真实触发的交互行为信息，通过ID真实捕捉到用户的行为，识别用户行为方面可以做得更加准确。数据的实时输入计算和数据实时输出，灵活分析，解决整个分析的问题。讲一下我们在整个行业的平台，具体的业务分析问题在哪里。

我们整体形成了用户的运营平台，从用户行为洞察跟用户画像分析，去发现具体业务上面的问题在哪里。我们通过精准化的营销和精细化的运营，解决我们分析出来的问题，通过埋点技术的支撑，行为分析的支撑以及用户画像系统和智能决策系统，形成了整个用户的运营平台，从用户的洞察到集中的解决，用户洞察到解决方案的提供，从而形成整个行业的营销闭环。

数据采集、数据管理、数据分析到数据应用，可以看到采集渠道，官方网站、小程序服务端、数据库，在座很多车企现在这些采集的触点基本上都会存在各种业务系统，那如果采集过来的东西，我们通过怎么样的方式把用户进行融合，形成一个One-ID，把各种的用户和全域的用户进行聚合。

最后实现我们分析的可视化，从我们海量模型上，拉新、激活、留存、转化。对于车企来说，可能更多我从引流、到店、购买、忠诚等等这些模型，分析整个用户从留资到购买到忠诚的行为轨迹，我们还有一些分析模型能够分析用户的留存情况，能够分析用户购车整个路径的漏斗分析情况，到整个路径以及时间间隔情况，这是数据分析。到最后的数据应用，我们可以应用在渠道的优化。

现在对于车企来说，像一些留资的线索，基本上转化的留资线索成本基本上是1200元以上，或者更高，有一些好的行业可能做到700-800。我们做获客成本精准优化以及客户精准活动的效果评估，真正带来多少车的销量，以及我们的投放内容的优化，还有产品的优化等等在数据方面的应用。最后在我们产品运营方面，去实现整个产品的智能化。一个是个性化推荐，一个是自动化运营触达工具，能够实现“千人千面”运营的推送，不同的人根据自己的行为特征，车企能够给他们推送不同的内容。

从我们的全生命周期的采集，兴趣、意向、购车、用车到售后服务再到客户转介绍，这是车企里面用户轨迹的行为路径。在这边，如果在App端，我们能发现一些用户的浏览偏好、试驾的兴趣偏好，下单的购车信息，然后有用户的功能，一些功能偏好以及售后服务的方面情况以及转介绍的情况。微信端我们也可以看到，有很多微信可以展示我们车企的新车型以及试驾信息等等，我们用户在整个购车的生命周期里面，也能够进行全方位的监控，以及在官方网站也是。所以我们基于全生命周期、全渠道触点不同的业务触点获得用户的数据。

这个是基于私域拉新、活跃、留存到价值贡献、裂变。我们如何去寻找增量的突破，涵盖去讲解了一个车企从拉新到最后裂变的整个环节可能涉及到的一个职别，然后去形成用户的指标体系以及讲到我们现在的实践模型。

我们刚刚的指标基于我们现在的事件模型，一个人在什么时候发生了什么事，其实整个事件模型基本上描述一个事情发生的事实，用户在某一个App或者是某一个店里面真正到店发生的某一个事件，用我们事件模型的方式上报上来，然后我们记录了整个事件的情况，比如说从浏览帖子是否官方以及帖子的标题、话题以及基础数据、信息，从而可以更好知道用户的整个全貌，具体对什么事情感兴趣，这个是我们记录用户所有线上留下来的行为轨迹或者是痕迹。

从前端的采集到引导用户的一个编辑完善以及后台的输出，这是我们的数据采集，采集方面，我们主要分两种，一种是主动采集，一种是被动采集。有一些采集一些用户的信息可能会缺失，我们可以通过一些运营活动，去获取用户的其他方面的信息，比如说我们获取了一些场景，生日，可以进行生日权益礼品发放，比如可以获得用户的生日信息，地址信息我们可以通过发送礼品让用户填写留资的信息，更好获得用户更多其他的数据属性上报上来，全面能够知道用户在各个地方各个行为轨迹他们自己用户的属性画像和触点。获得更多的数据属性上报，从而全面能够知道用户的全貌，他具体对哪些方面的事情感兴趣，这是我们作为用户在线上所有数据的留下来的行为轨迹或者是痕迹。

二、数果的全域用户行业解决方案

刚才讲到ID DMP，全域用户运营我们要做的点就是把用户在不同域的ID做上来，现在各个企业有很多触点实时跟用户产生各种交互。

比如说我们在购车的场景里面，一个用户从线上看到某一个广告留资的信息，线下到店的摄像头的监控，然后离店以后我们可以根据自己品牌的小程序看到我们客户的其他行为轨迹。

从整个场景来看，用户是跨不同的域，在不同的地方与我们集团整个品牌形象发生各种交互，从线上到线下。

我们如何通过精准识别统一的用户。整个就是One-ID，用户在官方网站、在Web官方网站或者是App，自己机车的一些信息，他可以留下自己的一个我们看到的设备信息、个人信息、编码、身份证，这其实都属于一个用户所有的身份识别信息。我们怎么生成一个One-ID让用户下次到店或者是下次登录我们平台的时候很精准知道这个用户在其他行业其他地方的行为轨迹，就是我们对于One-ID把各个用户在不同域的一些行为或者是一些信息合并，形成整体的用户群体画像。

刚刚讲到我们整体的数据融合和整合，一个是可视化埋点，我们可以把业务数据和订单数据上报到同样的一个平台里面，对用户从行为到业务的全生命周期轨迹进行跟踪，还有业务对于日志以及实时的清晰，我们通过这几个方式把用户全域的数据进行一个整个采集的上报。

汽车行业行为数据分析价值及应用点举例。我们从业务洞察到市场营销推广、用户精细化运营，具体用户的业务流程以及画像存在怎么样的问题，针对不同的用户，我们进行“千人千面”的推广，当用户真正推广回到我们自己的流量池以后，我们通过什么样的流量手段对用户进行更加精细化的运转，主要从以下几个点进行展开：

一是汽车行业的行为轨迹的行为架构，从用户各个业务线，各种App、公众号或者是官方网站或者是业务系统，我们对业务线进行采集，采集过来以后对整个数据进行分类、处理。比如说前端的交易数据、后端的留资数据或者是车联网信息，进入我们数果的平台，这里面所有的数据进行联合打通，再进行一个分析。

事件分析、漏斗分析，我们分析用户从留资到整个转化的过程，可以把高价值用户、低价值用户和忠诚用户进行用户的分群，根据实际的用户场景推送不同的策略。主要是提升两方面，一是对于产品和运营方面，产品和运营他们自己对于产品的优化和改造以及运营对于营销的改进和提升。然后是我们的人力成本，大家不需要解决每次营销活动之后还有很多的数据处理的过程。整个营销闭环直接回流，出来整个分析的结果。

我们以预约试驾为案例，进入试驾页面填写表单，最后预约提交和预约成功。我们可以分析每一步，入口分析，是官方网站的浏览进入还是媒体投放进入，还是前向页面，这个页面对于每个渠道对我们带来的流量情况可以进行很好的监测。我们表单的漏斗，对于表单设计环节，整个表单在设计的时候能够让用户留下留资信息并产生数据，把信息留下来，可以看到整个留资的时长以及留资有没有报错，就会知道我们的产品有没有存在什么问题。最后我们看表单是提交还是跳出，跳出的原因是什么。每一步的转化都会进行分析，分析以后我们会给出各种的优化方向，入口页怎么引导让用户有点下去的欲望和冲动，表单的位置和表单的内容我们怎么尽可能少，让用户愿意填，填了有怎么样的礼品反馈促进用户来填写这个内容，我们分析用户整个路径下来可能存在的问题与我们迭代和优化的一个方向。渠道推广及追踪分析，我们从线上到线下，一个是线上的留资到店和自然到店，后面到试乘试驾二次购买到回店，整个环节监测他们的指标情况，从落地页看访问次数、访问用户数和跳出率等等。这是我们整个的分析模型的平台。

精细化运营主要是呈现在整个用户全生命周期的指标以及标签的情况。现在车企有很多用户的标签，他们很好判断用户具体的兴趣特征和爱好。还有像现在的偏好分析，通过一些车主自己对于某一些浏览情况，可以分析车主对哪些兴趣的偏好。刚才讲到用户分群，我们可以按促销的敏感度、活跃度和内容进行分群，精准对用户进行分群管理以及分析以及精细化的运营推荐。

分群这方面的挑战，数果的分群叫全域用户分群，把用户线上线下行为进行结合。比如说一个用户自己的一个交易数据，最近180天有回厂多少次，消费金额平均多少钱，标签以及具体年龄层面以及自己的车辆标签大概是什么时候产的，用户平时的行为，我们可以进行各种的全选，标签数据是用户的基础属性数据，车辆数据和线上的数据，可以精准找到这一批人，我们可以看到自己这一边全域行为来圈选用户的条件，形成各种用户群，形成精细化的运营。

最后营销策略方面，从设计营销方面，选取用户人群，方案执行，效果统计以及二次营销。这个是我们从整个策略的执行流程来说，以前的做法都是通过Excel手动筛选，然后人工属性、会员级别然后人工定时执行，频次仅支持单次，后台触发精准人群，然后自动生成报告，最后产生整个分析报告，快速迭代第二期的运营计划。

这边是我们营销诊断中心的情况，可以看到整个首要目标、次要目标的完成情况以及我们这个活动的具体运营指标的情况。举个例子，比如说我们现在举两个场景，优惠券的发放场景，这个对于汽车后市场门店做得比较多，就是节假日的发券或者是买赠的发券，根据用户的精准行为进行精准的发券，这个是精准化的发券，我们把用户进行四个维度的划分，针对不同的维度给出不同的营销和运营策略。

这个是针对App车主，平台的高活跃用户以及发帖，把平台核心用户、普通用户等等区分，我们可以看到他的高频用户，根据平台浏览的情况可以知道他自己整个发帖量的情况。我们核心是为了寻找这边的KOL意见领袖帮助我们自己的车主社群更加活跃。这边是我们看到策略的一些场景。整个保客的场景。这个是整个模型，可以看到从数据输入到价值平分到购车意向，最后形成整个闭环，从策略制定到整个受众触达到消费群体的反馈。

可以看到，我们原始做一个活动是按天级别的，从脑暴一个运营想法。现在是按小时，就可以完成整个产品的迭代，整个活动运营的效率提升了很多。

三、数果的成功案例

讲个案例，我们跟一个汽车后市场公司合作，旗下有8000+家汽车服务门店提供数字化运营服务，我们通过门店之前的数据，分析给出门店的模型，从人货场对门店的整个状况形成了门店诊断，每个诊断下具体有什么问题。我们的营业额，活动策略是场效还是人效的问题，后面会给出一些诊断的方案。我们商机挖掘，通过车的里程数和到店保养，推荐今天会有多少个车主做某一个项目的保养，这是基于大数据做的精准推荐。

到店之后的整个数据缺失是断层的，经销商录数据的时候录得不全，我们其实想要用户从线上到店的闭环，可以更好地识别用户在线下的行为轨迹和信息，入店我们的人脸摄像头，到各个展厅区域通过Wifi探针实现用户的特征，最后转化成交之后又转回线上，我们在店下布了各种触点获得用户的信息找到推送的机会进行销售。

以上就是我们整体的分享，谢谢大家！