数据分析|乔一鸭：数据分析对 To B 类企业的价值、瓶颈与实践

本文由36氪企服点评专家团乔一鸭原创。
乔一鸭：见证 1500+ 企业数字化转型实践，分享团队智慧。
————正文————
企业服务模式是一种全新的商业模式，不只是把软件、服务搬到网上那么简单，它意味着我们和客户之间的长期伙伴关系。企业服务的本质在于：了解客户和真实业务诉求，并为其提供优质的产品与服务，帮助其走出复杂商业环境中的发展困境。
一、理想：能做的，但还未做的这对供职于企业服务的产品经理、运营人员、市场人员来说，提出更高的要求，因为他们需要从客户成功角度去重构整体业务。通过围绕“以用户为中心”的数据分析赋予了企业小伙伴们一定的便利，他们希望通过数据分析解决以下问题：
如何以较低的成本获取高质量的客户？
如何快速判断线索跟进优先级，有效提升销售线索转化率？
如何诊断易流失客群和高价值客群，实现客户全生命周期支持与管理？
如何根据数据提供优质的客户服务，增强客户黏性，保障客户续约率？
【数据分析|乔一鸭：数据分析对 To B 类企业的价值、瓶颈与实践】对于 B2B2C 类型的客户，如何提供给 B 端客户自有业务运营情况数据？
二、瓶颈：那些束缚手脚的绳索实际在实际着手这件事的时候，不难发现有需要难以解决的问题与挑战，例如：

数据孤岛：前端行为数据和线下、CRM、ERP 等后端业务数据无法打通

对于企业管理者而言，了解各个推广渠道，分别带来的流量和用户量是多少，每个渠道带来的用户的后续转化和留存情况如何，是最基本的诉求，但是我们最终关心的转化不仅仅只限于注册，我们希望了解到该批线索用户有没有转化为客户，有没有最终付费。
遗憾的是，大部分企业的现状是，营销推广数据与企业 CRM系统没有打通，所以就不能衡量每个渠道最终真正完成付费转化的有多少，从而不能筛选出最优质、ROI（投资回报率）最高的推广渠道，优化营销投入产出比。

产品功能复杂，动辄上千个埋点，不知如何定义和管理数据模型

企业服务相较电子商务、互联网金融等行业而言，由于产品功能复杂，涉及产品模块众多，经常会出现埋点无序混乱、数据采集缺失，而且这整个过程会涉及两个用户主体，一个主体是用户，一个主体是企业，那么如何设计数据模型更有利于分析就是一件令人比较头疼的事了。

跨部门、多业务线数据完全独立，无法全局分析

To B 类产品一般会有多条业务线，涉及团队和业务线人员众多，如何将多条业务线整合统一在一个平台进行分析，满足不同团队不同人员按需提数，而不是给开发提出需求后，排队等排期，就显得很迫切了。客户的整体情况及健康度、渗透率等基础分析都依赖于多条业务线统一分析。
三、实践：一些冲破枷锁的尝试以 A 公司——一家提供移动 CRM（客户关系管理）系统软件的企业服务商为例。同样，A 公司同样是坚持以客户为重，希望对客户获取、潜客线索管理和优化以及客户服务等业务流程进行持续优化，从而实现整体经营绩效的提升。A 公司的一些尝试值得借鉴。
一个埋点事件支撑 5 条业务线 21 个团队数据分析需求
我们知道，企业服务类企业成功的关键是促使企业用户活跃，提高企业客户的留存，降低企业客户的流失，所以 A 公司需要对企业的健康度做一个比较全面的分析，及时发现健康度不佳的企业。
A 公司一直关注活跃的企业数和员工数有多少，以及每天的变化趋势；并进行企业质量的衡量，如平均一个企业中有多少个用户使用，在线的员工占企业开通员工的比例。