图丨壹看板创始人兼CEO赵乾坤

所谓大客户管理是指某一类特殊的企业，大客户是他们服务的对象。这类企业不是按照消费者的类型来划分的，比如2B还是2C的模式，而是从服务对象的单次消费金额来区分。

大客户是指企业服务类和高单价个人服务类企业的一个抽象概念。这类企业有这么几个特点：

1、针对这类型的企业，每个客户线索都是非常珍贵的，不单单是获客成本很高，其决策过程中的转化流程复杂（虽然我们支持各种电子支付），各层转化率最后乘积起来也会导致比一般转化率要低而且优化相对复杂。

2、这类客户一般都属于理性购买，内容营销是构建用户品牌认知或者选择信任该企业的重要因素之一。

3、这类产品一般都有独特的工艺，或者复杂的技术支撑，或者多年行业经验的整合，真正完全用好，需要厂家不断的支持服务，才能完整的体现该产品的价值。

4、使用者和购买者有可能分离，个人消费品可能是用于商务作用，A买B用；企业消费更是管理者来批预算，使用者一般都是中低层业务人员。

针对这类型企业的市场和销售全流程，目前市面上有诸多的相关软件，从SEM投放、新媒体广告、线下活动、社群营销、DSP投放、电商和渠道合作等对流量和线索的获取，到会员管理、SCRM、SDMP，到销售管理的CRM、CSM、客服，甚至到仓储、物流等等都有着众多的成熟软件供应商和新的创业公司。

本文中我们从市场和销售的角度来拆分一下，如何做好这类企业的大客户管理？这些软件可以简单分为两类软件：

一、提升效率的工作流程信息化、移动化、智能化的工具类软件；

二、对效果负责的软件和服务比如cps，cpa，ppc等各种类型的广告服务，取决于对于效果的定义。

上面说了这么多的工具和服务，我们也都很清楚做好任何一样工作的核心就是：抓住本质善用工具。那么如何更好的善用工具来做好数字时代的大客户管理呢？我们可以分为两个部分：

第一部是拆解大客户管理的本质和核心目标；

第二部分是如何善用工具提升效率留出更多的时间来思考做好核心任务的策略。

拆解大客户管理的本质和核心目标

最基本的还是从目标开始拆解，市场和销售的最终目标是实现持续增长的产品/服务销售收入，我们可以简单用一个公式来解读就是：客户数x单客均价 ，如果从一个长期的角度来看，另外我们添加一个系数 a，a x客户数x单客均价 ，这个系数代表的是增长的指数。除了业务的增长率之外，这个系数在不同场景下会受到类似复购率，顾客流失率，品牌指数等等的影响。

我们可以将这三个数继续拆解，以企业服务类客户为例：

客户数，指经过一系列流程漏斗最后成单的数据，我们需要了解整个漏斗的转化情况，但更重要的是我们需要了解这个漏斗头部的总流量入口的天花板在哪里？哪里是潜在客户流量的高地？如果很容看到流量的天花板，那就需要从本质上思考到底值不值得做，有没有其他的流量来源？ 一般企业服务会通过SEM，联盟广告，新媒体广告，知识平台和社区，线下沙龙，代理渠道等不同的方式获得，你的客户到底在哪里出现？ 然后我们分析漏斗的转化问题，哪些人流到下一个阶段哪些人流失了，他们的属性，来源，行为特征是什么？什么样的内容更容易在某个转化环节起到催化的作用？甚至到最后细致到关键词的购买，创意的有效性，落地页的设计，内容的标题，案例的可读性等等。

单客均价，在MVP或者是POC的阶段过程中，一般大家都会以解决相对应问题的价值相当的定价，如果有老的解决方案，一般都是以类似甚至更低的价格先来切入市场。当然，也可以从企业自行搭建这样的系统的成本来核算最后给出一个中间价格。整体来说收费模式是非常重要的，对于企业服务，订阅模式会让后续企业的增长越来越轻松，速度也不会经过爆发增长后迅速回落。

系数a，分析会比较复杂，在企业服务领域一个好的企业营收前6年的增长基本都是以33222的模式来增长的。这样新客户和老客户续费的比例就直接影响到了后续新客拓展方面的市场策略，同时保证续费率的CSM成本也是需要均衡的。这方面我们也还在探索中。

善用工具，提升效率，专注优化核心策略

将目标拆解之后，我们需要做到了解目标现状、评估现有策略、洞察策略和目标的关联，做出相对应的策略验证优化。以上四步优化的逻辑的背后有着一个基本的要求：市场和销售流程的透明和可视化，只有透明了，量化了，并且可视化了大家才能可以了解现状、评估现状、洞察现状和优化现状。

客户数的透明化和量化涉及到我们需要能够从流量、获客（留资）、线索识别、客户沟通、需求匹配、意向沟通、方案确认、商务流程，到项目实施、售后培训服务、客户成功，到下一年续费或者复购这样一个完整的流程进行关联、量化和可视化。目前构建这样一个数据基础，我们面临着诸多的挑战。

1、流程复杂，其中涉及到多家系统和工具，还有内外部的系统和工具，上面我们提到了各种工具比如SEM、DSP、线上线下活动、CRM以及客服等等；

2、数据不一致，多个系统中的数据的一致性，往往由于不同职能人员的定义和业务判断不一致未出现数据不一致的情况；

3、数据的开放性，不是所有的系统都有成熟的数据API和完整的文档记录，获取数据也有一定困难；

4、自助性，如何满足不同业务背景和技术背景的同事对于数据的需求，从数据的获取，到分析、可视化，再到提供人人可用的，易用的数据框架。

我们作为一个提供数据可视化服务的企业服务公司也正在实践着以上的市场和销售模式。我们需要高效的了解公司的市场和销售的现状，做到心里有数，看到大致上的趋势和问题，进而达到对业务流程的分析来发现日常运营中的产品价值分布，服务及销售流程的优化等， 最终通过整合市场和销售数据+客户的行为数据，通过数据分析来优化产品设计，服务质量，和销售体验。

关于作者

赵乾坤，数据猿专栏专家，壹看板创始人兼CEO，数据挖掘专家，先后毕业于华中科技大学、新加坡南洋理工大学，并于美国宾夕法尼亚大学完成搜索引擎相关的博士后研究。其相关的研究和应用在国际知名学术会议（WWW，KDD，AAAI，CIKM 等）上发表了 20 余篇论文和讲座，2 项国际的专利技术。

赵乾坤曾任好耶广告北京首席架构师、西班牙电信大数据科学家、AOLChina 发起人，后创立脉博网与37degree。有深厚的数据挖掘技术背景和十余年的互联网行业经验，是大数据在传统企业和互联网广告应用设计师和实践者。

注：投稿请发送邮箱至：tougao@datayuan.cn