课程简介
课程精准对接客户核⼼诉求,通过⼯商银⾏、民⽣银⾏、招商银⾏、兴业银⾏、平安科技等多个⾦融⾏业爆款产品案例, 以线上沉浸式互动实操体验的形式,结合理论(⽅法+模型+⼯具)、实践的⽅式帮助学员掌握数据驱动的客户精细化运营及商机挖掘转化等核⼼能⼒,并借此来提升学员的产品认知和扩宽思维边界。
课程收益
精准匹配客户诉求,并最终教会学员掌握⼀套完整的⽅法⼯具框架(toolset) 和思维模式(mindset)。可使⽤公司当前发布的产品做为封闭内训期间的实战产品,学员现场可以快速收获针对当前负责产品最直观的建议及⽅法论,同时快速梳出路演交付物。
课程对象
产品经理、设计师、运营经理、需求分析师、团队负责⼈、团队⾻⼲等。
课程时长
本次培训授课时间计划:
Day1: 6⼩时/⽩天
Day2: 6⼩时/⽩天
总计: 12个课时/全程
课程大纲
Day1 数据驱动的客户价值定义及分层运营策略
1)商业⽬标导向下的B端客户挖掘与定位
案例:招⾏薪福通等案例
会重点讲解:
• B端客户画像构建及客户健康度评估框架模型
• 如何通过假设驱动的⽅法去构建定性客户画像
• 如何通过标签聚 类等⽅式去构建定量客户画像
• 如何⾼效地去触达⽬标客户
• 客户利益链分析 Stakeholders等
会输出:B端客户画像及健康度评估
核⼼演练:供应商数据字段清洗与标签体系设计(提供模拟数据)
2)客户价值挖掘提炼:客户研究中的产品机会挖掘和洞察
案例:建信⾦科等爆款案例等
会重点讲解:
• ⾦融B端客户旅程地图CJM
• 如何找到客户的体验改进点及商业机会点等
会输出:B端客户旅程地图等
3)创新价值定位:构建卓有竞争⼒的产品定位
案例:京东数科、阿⾥钉钉等案例
会重点讲解:
• 产品定位SWL+、反⾝性模型、三位⼀体模型
• ⾦融竞品分析三步⾛⽅法论、竞品的⼴度与深度分析、竞品的持续对标分析策略等,同时重点阐述如何选择竞品、如何获取竞品数据、如何选择分析的维度等要点
会输出:B端竞品分析及价值重定位报告
4)客户分层运营:客户分层运营策略 案例:平安科技等⾦融类产品
会重点讲解:
• 客户分层运营策略:客户价值-风险九宫格(迁移银⾏对公客户管理模型)
• 核⼼思考:如何识别供应商中的“战略客户”与“流量客户”?
5)客户数据运营体系构建:构建客户全⽣命周期的数据运营模型
会重点讲解:
• 客户数据指标体系构建(⼀⼆三级指标以及维度指标等)等。
• 以客户实际案例为例,解读如何根据业务场景进⼀步细化⽣命周期的维度。
• 指导团队能够在现有框架的基础上,基于实际的业务场景完善⽣命周期的⼆级分类,如何开展客户⽣命周期的监控和优化:挖掘⾼价值客户和商业流程闭环。
会输出:⾦融客户运营数据指标体系(从⾼维到低维度)等
6)客户运营策略:客户运营闭环
会重点讲解:
• 运营监控看板设计:领先指标(Leading)、滞后指标(Lagging)
• 商机挖掘技术路径:规则引擎:基于历史⾏为的触发式商机及算法模型(协同过滤推荐:匹配同类供应商采购偏好,XGBoost商机预测:特征包括供应 商产能利⽤率、⾏业景⽓指数)
会演练:分析供应商历史数据,⽣成⾼潜⼒客户清单,模拟邮件触达ROI测算 矩阵。
Day2 数据驱动客户全⽣命周期运营及商机转化 1)客户价值运营:产品数据运营全周期实例
案例:京东科技等案例
会重点讲解:
• ⽤实际案例讲解的⽅式来分析产品定位
• 客户拉新激活、客户留存、客户转化传播等阶段的核⼼数据模型以及关键数据指标, 并通过R模型以及双R模型来进⾏实操演练
2)构建数据分层知识体系(上):数据分析处理能⼒
案例: 微信⽀付等案例
会重点讲解: 通过数据的内外部来源、数据清洗与统⼀、多维数据模型等
3)构建数据分层知识体系(中):数据分析⽅法
案例: 字节跳动(⽕⼭引擎)等案例
会重点讲解: 描述性统计分析,推断性统计分析,⼗种典型的数据分析⽅法(漏⽃分析、分群分析、同期群分析等),使⽤场景来分析常见的业务数据问题
4)构建数据分层知识体系(下): 据可视化决策
案例: 阿⾥的数据可视化分析等案例
会重点讲解: 业务分析报告,数据可视化报表等。
5)客户运营分析(上):渠道运营及获客 案例:⾦融⾏业授信客户转化逻辑改造 会重点讲解:
• 全渠道触达策略优化(渠道适配模型(迁移银⾏客户经理制),⾯向决策者(EB)、使⽤者(UB),使⽤⾸选渠道、次选渠道、禁忌渠道的运营策略)
• 内容营销技术(基于NLP的素材⽣成)
• 营销策划活动转化分析
• 讲解如何结合产品⽬标以及业务场景,使⽤各种不同的数据分析⽅法找到可能存在的客户运营抓⼿,⾼效获客
6)业务运营分析(下):场景数据驱动客户留存及商机转化
案例:银⾏对公客户信贷转化策略、保险机构⼤客户交叉销售等案例
会重点讲解:
• 如何通过构建核⼼模型层去弥补宏观指标的不落地以及微观指标容易迷失带来的数据鸿沟问题
• 给出场景化数据分析的三⼤策略(细分、对⽐、溯源等)
• 给出场景化数据分析的⼀般⽅法论(场景假设驱动的数据分析与验证)等
• 转化漏⽃设计,商机线索质量分层(L2C模型迁移、供应商商机评分模型等)
• 商机推进卡点诊断矩阵(卡点类型、数据监测指标、解决⽅案等)