探索运营商渠道佣金数字化运营
![探索运营商渠道佣金数字化运营](https://static001.geekbang.org/infoq/9b/9b089517378d1c88da178c7dfd540e22.png)
当前全球经济增长放缓,行业竞争持续加剧已是常态,用户需求越发苛刻、经营成本不断上升。内忧外患,企业经营如何突围?越来越多的企业发现,融合数字化技术的 IT 解决方案为企业提供了一种解决问题的可能。
数字化运营可以帮助企业管理者快速透视从战略到执行的全景视图,利用预测和模拟等技术手段,及时洞察经营过程中的不确定性,适时应对变化,从而帮助企业有效解决经营过程中长期存在的高库存、高成本、长交期、低效率等问题。
01 企业数字化运营的价值
企业数字化运营的价值主要体现在四个方面:
第一,促进用户活跃。通过精细化渠道触达、活动运营,提升用户访问频率与使用时长,有效增强用户对产品的价值认同与内容依赖。比如给用户提供更加有吸引力的内容,会提升用户活跃度、使用时长等指标。
第二,优化用户体验。通过诊断产品可用性与易用性,改善产品感官体验与交互体验,提升独立用户与全局用户的满意度、忠诚度。
第三,提升用户价值。通过建立用户分层体系,细分用户需求,了解用户业务偏好与消费习惯,对业务流程进行诊断,有效提升业务各环节的转化,提升用户价值。
第四,驱动业务创新。通过整体性的用户需求与产品价值及需求度满足评估,定位业务运营困境,指导业务创新与竞争力提升。
02 企业数字化运营关键步骤
企业数字化运营需要围绕业务展开,因为最终评估企业竞争力的也是业务价值。因此,围绕业务需求出发的数字化运营分析需要包含这几个步骤,并构成闭环:需求分析、数据准备、数据应用、应用迭代、效果评估。
![](https://static001.geekbang.org/infoq/30/3049733f149055c2a6242ad81b96ff90.png)
企业数字化运营关键步骤
第一,业务需求。只有从业务需求出发的数据应用,才能最终应用到业务中并创造价值。值得一提的是,这里的业务需求意义广泛,技术部门也可能是数据应用的需求方,如技术部门提出给 APP 的稳定性做监测。
第二,数据准备。基于业务需求要做一定的数据准备,如果企业有相应数据只需整理数据逻辑,如果企业没有相应数据需要做对应的数据采集。
第三,数据应用。数据应用可以粗略分为简单的分析应用和数据产品化的应用。数据分析应用,是通过数据分析诊断业务流程问题,评估业务效果、指导业务迭代,主要是指导业务方向,并不涉及与产品打通或更改产品流程;数据产品化应用,则是通过数据二次开发将数据应用至产品流中,优化产品流程,如智能推荐算法。
第四,业务迭代。在数据应用环节完成对应的应用开发后,即可尝试在具体的业务场景中进行使用、验证,并依照使用过程中的问题逐步迭代。
第五,效果评估。通过业务迭代验证后的数据,可以通过数据分析进行效果评估,从而判断迭代方向是否正确。之后,基于效果评估或业务实际情况,又产生新的业务需求,从而不断地使闭环运转和完善。
03 骤渠道佣金+企业数字化运营
渠道佣金是合作销售运营商产品和服务的第三方渠道为客户办理移动产品业务、固网业务及其他增值业务所获取的运营商的报酬、奖励及其他补贴费用。
为了更好的激励一线渠道发展业务,市场部会制定各种结算政策,依托结算系统的计算能力,为符合激励规则条件的渠道发放佣金奖励。当前运营商渠道酬金的资金投入相当大,高体量渠道佣金对市场成本控制影响很大,因此对渠道佣金的数字化运营转型诉求非常强烈,希望以数字化手段实现渠道佣金的精准把控,高效使用渠道佣金,加快企业数字化运营转型。
通过对某些省份渠道佣金业务进行分析,结合企业数字化运营的一些思路、方法,总结出渠道佣金要做数字化运营转型需要以下几个步骤。
1. 业务需求:召集各个相关部门开会讨论对渠道佣金业务分析需求。会议组织形式采用头脑风暴技巧,可采用思维导图方法,从多角度、侧面等方式切入问题,让各部门参会者充分发挥想象力和探究精神。而后将会议内容利用 Xmind 等工具进行整理和总结,最后形成相关行动计划和业务需求分析决议。
![](https://static001.geekbang.org/infoq/10/10f48e1f3f183795c9774e4a64854810.png)
省渠道佣金数字化运营需求梳理
2. 团队组建:根据行动计划、决议中的内容,组建运营团队。运营团队由三部分人员构成,业务组需要熟悉本地业务,可根据运营分析数据提供相关业务方面咨询建议,让数据更好的符合业务场景;技术组则主要是负责根据运营场景开发数据应用,完成对应运营数据模型的构建;运营组则是使用技术组开发的数据应用,跟踪数据应用落地情况,并及时跟踪反馈运营的效果。
![](https://static001.geekbang.org/infoq/cc/ccf197049c9c9e02b9162531832b0bdb.png)
渠道佣金运营团队构成
3. 数据准备:依照业务需求中的内容,组织召开内部讨论,将需要分析的业务场景对应的外部系统以及关键数据识别出来,并进行数据对接,获取对端数据。经分析,渠道佣金数字化运营需要对接 CRM、计费、渠道等多个系统,获取包括销售品资料、销账资料、渠道资料等数据,对接这些系统后,将数据以指标形式沉淀到数据应用中,供数据应用环节使用。
4. 数据应用:根据渠道佣金的运营业务需求,数据应用可分为两类,一类是渠道佣金运营看板,另一类是渠道佣金高/低效发展原因挖掘。渠道佣金运营看板,将业务数据进行多维度数字化展开,可为相关角色业务运营决策提供方向;渠道佣金高/低效发展原因挖掘,从业务、场景、触点、用户等多维度进行数据深钻,对高效益用户及高效策略进行归纳推荐,可为分公司提供渠道佣金运营提效的具体方案。
渠道佣金运营看板,需要依照业务理解对指标数据进行组合分析,形成分析模型,接着利用 BI 相关工具对分析模型进行分析,并将数据以可视化形式展现,形成对应角色的看板视图。如,利用用户销账指标数据、用户费用发放指标数据,形成用户收益分析模型,通过 BI 工具呈现出新用户发展月度走势、各分公司收支排名、各业务收支排名,帮助业务人员、触点管理人员实现同类效益对比、优化费用政策。
![](https://static001.geekbang.org/infoq/8b/8b7f69149111b0572762277756928dd0.png)
渠道佣金运营看板流程
渠道佣金高/低效发展原因挖掘,需要先结合业务需求讨论并制定各类效益分析场景,效益分析场景是由分析模型和指标数据构成。通过效益分析引擎获取该场景的分析模型以及指标数据,依照编排好的分析算法进行分析,最终得出效益分析报告。业务人员可在分析过程数据中查看到分析轨迹,结合业务评判是否符合业务诉求,最后通过分析结果点评对分析进行评价,效益分析引擎会根据得分情况进行分析算法调优。
![](https://static001.geekbang.org/infoq/fc/fcbd3dcbbfe6e69fe088e1b16bb0a394.png)
渠道佣金高/低效发展原因挖掘
5. 业务迭代:数据应用开发完成后,将渠道佣金看板视图以及渠道佣金高/低效发展原因挖掘进行上线使用,使用过程中需要注意数据权限隔离的处理。采用访谈、日志分析等手段分析相关人员在使用过程中,是否可以真的带来运营提效,或解决业务运营问题。在使用、验证中不断调整数据分析模型,扩展数据分析指标,完善运营分析模型。
6. 效果评估:汇总业务迭代数据,包括分析结果点评、用户操作日志、业务迭代记录等,判断业务迭代方向是否正确,对方向不正确的分析模型考虑优化或者下架处理。同时,针对业务迭代情况以及效果评估情况,挖掘新的业务需求,再针对新的业务需求进行下一轮分析,构成良性运营分析闭环。
04 渠道佣金数字化运营案例分享
案例:高收益政策推广分析
业务背景:A 分公司市场部执行的 5G 政策还不错,省公司想知道这个政策能否在 B、C 分公司推广扩大收益。
运营分析:A 市的 5G 政策是否可在 B 市推广,可按以下几个步骤进行运营分析
A 市高收益政策分析(判断 A 市政策是否是高收益政策):
通过高收益政策分析模型对 A 市的 5G 政策进行分析,判断是否是高收益。判断政策是高收益还是低收益,首先需要先获取该政策新发展的用户,根据这些用户统计用户收益指标(用户是赚钱还是亏钱)、政策收支平衡指标(政策收支平衡周期是多少,6 个月还是 1 年才能实现收支平衡)、用户离网周期指标(用户离网周期是多少,6 个月还是 1 年)、重点业务发展指标(新用户是否增加了今年集团重点业务受理量),最终结合业务对这些指标进行权重计算,算出该政策的得分,根据得分评判得出 A 市政策为高收益政策,值得推广。
![](https://static001.geekbang.org/infoq/a4/a46e3e0793954646da9193d35ac7ef78.png)
A 市高收益政策分析
B 市政策推广收支预测(该政策是否适用于 B 市推广):
A 市政策虽然为高收益政策,但在推广前,还需要将该政策在 B 市的用户群体进行推广前测算,预测下 B 市推广后的 1 年内的预计收支情况,预测要素包含核发量、核发率、核发总额、单价,并和预测前数据进行比较。
![](https://static001.geekbang.org/infoq/07/07ed880ac01ce1434938fb757e0f27b1.png)
B 市推广收支预测效果图
B 市政策推广运行跟踪(B 市推广跟踪并不断迭代优化):
记录每个月 B 市推广运行 5G 政策的详细数据以及走势情况。将 B 市实际推广运行数据和 B 市预测前数据进行比较,判断 B 市的政策运行情况是否符合预测预期。根据二者的比较差异,结合业务情况适当调整 B 市运行中的政策规则,调整后的政策规则,再用预测模型进行预测,根据预测结果调整政策规则参数,直到预测结果达到预期收益目标。通过如此形成闭环,帮助 B 市更好的落地新政策,实现数字化运营方案更好的落地。
版权声明: 本文为 InfoQ 作者【鲸品堂】的原创文章。
原文链接:【http://xie.infoq.cn/article/fee7eb06b09b2974d6b1dc047】。文章转载请联系作者。
评论