神策数据桑文锋：双引擎赋能数字化客户经营
每一个时代有每一个时代的主题，每一个时代也有每一个时代的挑战。
2010-2020 年是移动互联网的时代，大量的智能手机和 App 诞生并在线上加速推广，越来越多的网民加入进来，流量红利时代登场。具体来看，交易型业务开始向线上迁移，电商、O2O、互联网金融等行业飞速发展，各行各业的经营需求不局限于看数、分析数，而是更深度的用户行为分析。在此背景下，神策数据应运而生。我们是互联网时代的受益者，通过打造神策分析给客户带来价值，并经过多年发展成为用户行为分析领域的佼佼者。
2020-2030 年是数字化转型时代，流量红利触顶，企业面临着新的机会与挑战。数字化转型的概念越来越清晰，也正在成为大家的共识，它并非只是线上线下的多渠道整合，而是“全渠道（Omni-Channel）打通”，它代表着企业要在客户访问终端、柜台、小程序、App 时，基于客户画像、属性信息等，给客户带来一致的体验。
对于金融企业来说，“全渠道”既是机会又是挑战。挑战在于要给客户带来全渠道的一致体验；机会则是指触点红利带来新的增长可能——数字化转型帮助金融企业跨越了时间、空间的限制，在全渠道的背景下，客户可以随时随地进行业务操作，企业和客户的触点增多，只有有效利用触点红利，才能实现真正意义上的为客户创造价值。
也就是说，企业与客户的互动，要围绕客户旅程进行思考，而不是只依据单个的渠道/触点，触点红利背后是触点构成的体系化的客户旅程。
过去，当我们讨论客户旅程时，很多时候都只是在关注用户体验、CEM、NPS 等；而现在我们讲客户旅程，强调的是全生命周期的客户经营。客户旅程编排（Customer Journey Orchestration，简称 CJO）是现阶段美国企业都在讨论的话题，是一个新的理念。流量时代有 Growth Hacking 这样的理念，数字化转型时代有 CJO 这样的理念。比如，对某些金融客户来说，需要关注客户从新客获取、注册登录、新客绑卡、理财新用户教育、理财断点营销、新户理财首购等的全生命周期的交互体验。
从客户旅程编排的视角，我们评估了与神策数据合作的近百家传统金融企业，发现有近 ⅔ 金融企业的数据和旅程编排能力有待提升。
另外，基于客户旅程编排的理念，神策数据提出了用户/客户数据采集、用户/客户数据平台、用户/客户数据分析、旅程编排引擎的四大新基建，帮助企业实现全渠道统一用户体验，提升客户满意度与留存，提升 LTV 和运营效率，从而与金融企业共同打造全新的客户全生命周期交互体验，制胜触点红利时代。
过去八年，神策数据核心围绕数字化客户经营，基于 SDAF 数据闭环方法论，综合数据采集、神策数界、神策分析、神策智能运营四大方面的强大能力，已经为 30 多个行业的 2000+ 企业客户带来价值，并持续迭代和升级对产品、解决方案等的认知与理念。接下来将围绕“用户/客户数据平台”和“旅程编排引擎”双引擎做详细介绍。
1、引擎一：用户/客户数据平台，即 UDP/CDP
2022 年，Gartner 发布了关于数字营销的 Hype Cycle，模型显示 CDP 这一概念已经跌入谷底、过了最热的阶段，但这也代表着 CDP 迎来了新的发展机会。Gartner 认为，CDP 的核心组件包括数据采集、用户档案统一及 ID 打通、标签分群、数据激活四个环节。
我们认为，“全域、实时、灵活圈选”是 CDP 的三大必备能力，神策数据的高性能查询是比其他服务商更擅长的能力，越是在复杂的业务场景中越能发挥更大价值。目前，神策数据每日可处理上千个策略的上万个客群的圈选计算，日产出计算结果超过 200 亿人次。
神策数据 CDP 即神策数界平台，通过整合多源数据、统一数据模型、丰富的数据加工方式和数据输出能力，为业务系统、分析洞察、BI 报表、自动化营销等场景的全域客户经营提供数据基石。
相较于神策分析，神策数界平台进行了数据模型的再升级，在原有 Event-User-Item 模型基础上，支持用户、网点、商品、企业、设备等多实体间的交叉分析，支持全域客户经营过程中属性/事件/明细数据的统一管理，实现用户行为数据与业务经营数据的融合，更好地解决客户旅程编排过程中的问题。
另外，神策数据发明了面向业务人员的实体查询语言（EQL），支持银行常用的多实体对象（包含业务客群、业务产品、员工用户、权益内容等）的便捷查询。相比 SQL，EQL 能够适配更复杂的业务，支持基于多实体属性和多运算符/函数进行运算；大大简化表达逻辑，更简洁、富有层次地描述需求；在灵活的基础上，更快捷、准确地查询目标用户群。
总的来说，神策数据能够为不同阶段和水平能力的业务人员提供符合其实际需求的数据加工、数据筛选能力，帮助其更好地完成人群圈选。
2、引擎二：旅程编排引擎，即 Journey Orchestration Engine
客户旅程编排是当下比较热的概念，Gartner 将它概括为四个工作流：
-
受众筛选：利用 CLV 和倾向模型实现自动化的优先级排序。CDP 是企业更好地进行受众筛选的利器
-
自动化编排：一个自动优化的库，包含基于事件触发的行动和推送的用户体验。流程画布能够为企业塑造更好的编排能力
-
内容运营：可以适合且灵活组装的可重复使用的内容组件
-
渠道分发：自动路由和版本控制，将结果反馈到客户数据存储库中；可对接多种渠道
其中，受众筛选和自动化编排是神策数据现有能力可以独立支持的，而内容运营和渠道分发则是神策数据联合合作伙伴可以共同实现的。
旅程编排引擎是客户旅程编排的“发动机”，它包括四大子引擎，分别是受众引擎（Who）、用户旅程引擎（When）、内容决策引擎（What）、触达通道引擎（Where），支撑营销过程中的营销受众圈选、触发时机选择、营销内容决策、触达渠道对接，助力企业更高效地经营客户。
这里我们重点讲一下受众引擎和用户旅程引擎。
（1）受众引擎支撑客户旅程中的核心环节——用户筛选，企业可以通过界面配置、EQL、自然语言创建等方式进行交互。尤其值得一提的是，我们通过把自然语言转换成 API 请求，可以让用户轻松地完成复杂规则的人群圈选。
（2）用户旅程引擎能够帮助企业实现策略组件的灵活组合，这是神策数据擅长打造的“重武器”。同时，我们也会为企业提供完善的监控系统，以确保全链路可控。
为了更好地支撑客户旅程编排，我们认为旅程编排引擎应该具备四个基础能力：灵活配置、实时、高并发、开放性。神策数据在数字化客户经营方面积累多年，对比更多服务商，除了以上四个基础能力之外，我们的旅程编排引擎还具备三大优势：
第一，聚焦核心能力。神策数据已经在数百家客户中得到应用的营销核心能力抽象，涵盖各行各业的营销场景底层能力支持；能够满足数千万级日活的大型营销场景。
第二，低接入成本。神策数据以“接入成本最小化”为原则的开放能力设计，能力分层包括 API、前端组件和模板等能力；拥有完善的开发者调试工具。
第三，全链路可控。神策数据能够帮助企业对营销策略运营全流程进行记录、监控和干预，完整管控复杂营销活动的各环节状态；最大程度避免出现系统策略黑盒、运营失控等。
自成立以来，神策数据的认知和战略是不断迭代的，从单品极致到产品矩阵，再到营销数据闭环，我们在这个过程中意识到了开放生态的重要性。从去年年中到现在，我们一直都在践行开放生态闭环的新理念——我们和合作伙伴的产品能力进行打通，赋能企业客户的业务系统、数据平台等。在 2023 年金融营销科技价值发现论坛现场，神策数据与 Hi-Finance、亚马逊云科技、爱设计、蘑菇财富、嘉略数据等合作伙伴举办了隆重的合作签约仪式，携手为更多企业的数字化客户经营带来价值。
如何结合双引擎更好地赋能金融企业呢？我们可以通过三个案例进一步了解。
案例一：神策数据 X 某国有银行，打造更领先的数字化营销中台
目前，银行数字化业务的普遍痛点在于营销能力缺乏平台化、营销策略缺乏体系化、营销决策缺乏智能化，对此，神策数据为银行构建营销业务中台、打造统一的营销策略中台，通过受众引擎和个性化推荐引擎推动营销决策智能化。
某国有大行为建设数字化新银行，依托金融科技的力量，加快推进数字化转型，与神策数据深入合作，以客户为中心，加速全流程数字化应用，重塑银行价值体系、经营管理、业务流程及客户服务等环节，挖掘数据价值，为客户精准匹配产品和服务，着手启动数字化营销中台的搭建，全面提升客户体验。
在针对理财到期的自动化营销场景中，神策数据帮助该行基于策略四要素，制定完整的营销计划，实时运算和捕捉客户的完成情况，实时掌握客户变化，提高营销时效性，从而提升营销响应率。
截止到目前，该行每天都有上千营销策略并行，支撑数百亿客群的计算，完成了数亿次主/被动的内容营销。
案例二：神策数据 X 某头部券商，构建客户全生命周期数字化运营体系
某头部券商在与神策数据合作之前，面临着三大困境：数据平台能力单薄，难以深度洞察客群；上百条策略落地难度大，客户价值传递受阻；无法系统性建设策略体系，缺少方法论支撑。
为了解决以上难题，该券商选择与神策数据合作，致力于高效率构建行为数据分析平台、智能营销平台，共创并快速复制成熟 SOP，支撑全生命周期的客户运营。在这个过程中，我们基于该券商客户的 Lifetime、Value 进行分层，对客户旅程进行有效引导，规划客户跃迁，进而驱动更好的客户价值创造。
与此同时，为了解决更多业务场景的精准化运营需求，该券商可以借助神策智能运营的平台模板能力，快速搭建出适配客户业务场景的资源位，如首页 icon、开机广告位等。而神策内容推荐引擎的 Open API，也可以快速对接和支撑平台模板搭建起来的营销应用。
案例三：神策数据 X 某头部城商行，搭建营销业务与数据之间的桥梁
目前，很多金融企业都已经建设了数仓或数据湖，以数据汇集、数据治理为导向，重点关注数据生产过程中的语义、口径、血缘等方面。湖仓系统的数据，除了支持营销应用之外，还支持风控、会计核算等等多种应用场景。
大家可以把神策系统看做是面向客户营销场景的数据应用。数仓本身可以支持多种数据模型，比如大家都了解的星型模型、雪花模型等等，但若要直接基于数仓的表来做营销策略的话，还需要高级的分析师参与其中，解决取数用数的问题。神策数据在客户视图/客户集市这个领域中，通过 EUI 模型和新推出的多实体模型，能够让营销人员更容易地理解数据、更高效地使用数据，为营销业务与数据系统之间搭起一座桥梁，也能更好地达成业务目标。
