一个非CRM系统销售中台的客户分析功能设计，目的是通过客户分析了解客群的资产和行为特征，帮助销售人员更好地销售金融产品，初代非完善版本。

1.整体说明

1.1需求概述

客户分析功能，通过对客户基本属性、行为信息、偏好信息标签化处理，形成用户画像（UserProfile），抽象出客户的信息全貌，成为整个平台的客户数据基础；然后，借助客户的行为信息（客户接触点）找到销售机会，并根据客户的偏好信息为客户推荐合适的产品；同时，基于RFM模型，提炼客户价值，做好客户分类营销管理。

1.2场景说明

平台投顾是客户分析功能的使用者，所以，该功能的设计需充分考虑投顾日常的使用场景，目前，总结出三个典型的场景：

（1）怎么对客户进行分类管理？

我名下有上千名客户，我需要根据客户的价值把客户进行分类管理，因为不同价值的客户，采用的销售手段和方法也不同。例如VIP客户，需要重点关怀；流失客户，需要用召回措施。

（2）如何找到客户的销售机会？

我应该在什么时机和客户接触最合适？为什么这个时机是客户最需要购买理财产品的？能否通过客户的行为进行判断？例如客户经常搜索理财产品。

（3）怎么给客户推荐合适的产品？

金融产品众多，我怎么样才能保证我找到的产品是客户最适合、最喜欢的？或者，我需要知道客户的行业偏好、产品偏好、持仓产品等信息。

1.3设计目标

通过对投顾的使用场景分析发现，客户分类管理、挖掘客户偏好、找到客户接触点都是为了提高销售成功率服务的，所以，我们可以把“提高销售成功率”作为该功能的设计目标。

1.4功能架构

客户分析在X平台，也就是销售中台实现，它提供了用户价值分类、行为分析、偏好分析在内的功能，目的是为投顾提高销售产品成功率服务，并支持投顾把产品方案推送到手机终端让客户下单，它依赖的核心是作为底层数据的用户画像。

1.5用户画像

客户分析的数据基础依赖用户画像，所以第一步工作就需要构建基本的用户画像。用户画像的核心工作是为用户打标签，即用户信息标签化处理，例如把用户的年龄、性别、姓名、风险等标签化。

用户画像需要采集所有和用户有关的数据，分为静态数据、动态数据两种。

静态数据：用户比较稳定的信息，例如姓名、性别、年龄、风险等级等基本信息，以及总资产、可用余额、收益率等资产信息；

动态数据：用户动态变化的信息，包括用户偏好和用户行为，例如用户行业、产品的偏好可能会受到当前环境和产品本身的表现而不断变化；用户的的行为是不确定的，可能搜索了某只产品，可能打开了某个产品详情，可能点击了购买按钮，但是由于某种原因又取消了，这些行为都可以归为客户的接触点。

用户的动态数据，需要从所有用户使用到的终端去取，包括手机证券、Web端、理财APP等，需要采集的数据如下图所示，待完善。

1.6RFM模型

根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：

最近一次消费(Recency)

消费频率(Frequency)

消费金额(Monetary)

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为（Recency）、交易的总体频率（Frequency）以及总体交易的金额（Monetary）3项指标来描述该客户的价值状况。

根据RFM模型，可以把客户进一步细分为8种价值客户，并且建议采用不同的营销策略。如果采用RFM模型，就意味着，早前平台根据产品创收、产品保有划分重点客户，根据保证金余额、亏损金额、投资经验等纬度定义的潜力客户分类方法，需要进一步的优化。

1.7用户行为

参考诸葛io以用户为中心的分析方法，用户的事件行为特征能最大化还原用户使用场景，一方面可以帮助我们完善前端页面，改进用户的行为路径，提高销售转化率；另一方面，可以帮助投顾找到用户接触点，达成销售机会，例如某个用户多次查看某个产品详情，在最后一步多次尝试下单失败，这一系列的行为，就代表该用户很有被销售的可能性。

来源诸葛IO

2.功能说明

2.1客户群分析

2.1.1客户群分类

详见1.6RFM模型，如果按照该模型进行分类，则可以分为8大类。在客户分析页面顶部，可以按照该分类切换到不同的客户群，让客户经理可以了解不同客户价值分类的情况。

2.1.2客户群基本信息

基本信息，作为客户群的第一个模块，会展示客户群的基本情况，包括年龄、性别、是否机构户等基本信息；总资产、持仓收益等资产信息。基本信息模块，是为了让客户经理对客户的整体情况有一定的了解。

展示的内容包括：

（1）客户总资产、近1月持仓总收益、近1月产品创收、总客户数；

（2）近6月客户资产占比情况；

（3）客户年龄分布。

2.1.3客户群偏好

客户群的偏好包括行业偏好、产品偏好、盘型偏好等内容，主要是帮助客户经理了解客户群体的爱好，针对性地推荐合适的产品。图形中的百分比代表客户群中对该偏好的人数占比。

2.1.4客户群行为人次

通过数据埋点，提炼客户在销售终端的关键行为，为客户经理找到销售的切入点，目前既定的行为有：搜索产品、进入产品列表、查看产品详情、购买产品。

当前模块展示的内容包括：

（1）客户行为的趋势图，即每个关键行为近7天的发生的人数走势；

（2）用二维表列出行为的人数情况，点击人数，可以跳转到页面查看具体的人员名单，详见2.1.5客户行为名单。

2.1.5客户行为名单

客户行为对客户经理找到销售机会有重要的帮助，所以对于关键性行为，我们会列出具体的有该行为的客户名单。名单的内容包括客户名称、客户类型（基于RFM模型）、最后一次访问时间，访问次数、访问时长、渠道。

2.2单客户分析

2.2.1单客户基本信息

单客户分析集成在客户详情中，分割为“基本信息”、“客户分析”等tab，方便客户经理获取不同层次的信息内容。

2.2.2RFM分析

若采用RFM模型，则会在单客户分析页面给出该客户的RFM指标，科学解释该客户的分类依据，并可以根据该类型客户的特点，给出相应的营销建议。

2.2.3单客户偏好

和客户群的内容基本一致，但是属于单个客户的。

2.2.4单客户行为次数

和客户群的内容一致，但是人数改为单客户接触点的次数。

---

延伸阅读：

竞品分析：途牛APP竞品分析报告（携程、去哪儿）

精品（超过900赞）：干货：让你全方位学习成为一名交互设计师（1.6万字诚意之作）

交互设计系列：后台全局搜索交互设计案例