营销CRM更关注"线索",擅长从线索中找出客户信息,对线索进行分析,这些线索能够帮助团队获客, 前段时间我分享过一篇文章,主要介绍的是从0-1规划SaaS行业CRM系统时的项目经历。而在首个大版本上线后,很多在初期未做的重要功能以及公司在市场战略上的变化成为了后期迭代的关键点。 其中就包括营销CRM模块。 不同于销售CRM系统更为关注销售过程管控与团队开发的特点,营销CRM则是希望通过一定的策略为销售团队提供更多线索资源,并辅助运营人员通过可行的方法尽可能留住客户。 开发营销CRM的原因 开发营销CRM模块的主要原因主要有以下两点: 1. 企业目标客户的变化 企业最初的SaaS产品售卖策略是通过"免费+增值服务"的模式进行。其目的在于,希望在前期获取更多客户,同时打磨自身产品,为此前期也一直采用免费的方式运营。后来为了能够在不丢失客户量的同时提升产品盈利能力,就在免费功能的基础之上做增值服务,以此完成商业过渡。在完成过渡之后,SaaS模块将采用直接订阅付费的模式而不提供免费使用入口。 从市场战略的变化上看,企业的主要目标客户发生了变化:在免费+增值服务期,企业的目标客户是那些熟悉平台基础功能的免费入驻老客户;而直接订阅付费模式的目标客户其实大部分来源于未入驻平台的新客户。 因此,我们需要关注之前一直被忽视的新客户线索的获取与孵化过程,而这部分是通过营销CRM模块来完成。 2. 客户成功期的精细化运营 SaaS企业与其他的To B领域产品有所不同。 以软件公司为例,相比那些To B定制化软件开发企业,作为按需订阅的SaaS产品,其大部分的利润来源于客户成功,因此客户成功对于SaaS企业尤为重要。此外SaaS产品是部署在云端,这就使得在获取用户数据及行为上,SaaS产品有着天然的优势,更容易实现精细化运营。 1.0版本的CRM产品解决了销售流程的管理需求,但是无法对进行客户的全生命周期进行管理。 由此带来的问题在于我们不了解客户在首次购买后的使用情况及偏好,这样就无法判定客户处于流失状态还是激活状态,进而难以设计用户运营策略;通过精细化运营完成客户画像建立,进而实现客户细分也是营销CRM有待解决的问题之一。 从上述两个角度可以看到,我们的营销CRM模块希望能够达成对用户从浏览网站到客户最终流失的全链路生命周期管理的目标。 为了这个业务目标,我也参考很多相关资料,结合一些在产品实践中的经历,谈一谈营销CRM在SaaS领域中的作用以及使用场景。 SaaS营销的几个关键阶段 在探讨营销CRM的应用场景之前,首先我们需要了解SaaS产品的营销流程,从流程中我们可以提炼出SaaS营销的几个关键阶段。 上图中我简要的展现了SaaS营销的全流程,这其中可以将SaaS营销流程划分为三个关键阶段:线索生命周期管理阶段、销售过程管理阶段、客户成功阶段。 1. 线索生命周期管理阶段 在线索生命周期管理阶段,我们想要达到的目标是是尽可能地获取更多高质量线索,这将有助于提升最终的成单转化率。 基于这个目标,营销CRM产品需要在每个关键的节点输出对应的功能从而辅助用户做出相应决策。 2. 线索获取 常用的线索获取手法包括线上和线下。 其中线下是通过会议营销或其他线下市场活动来完成,这部分不属于营销CRM能够干预的范畴,因此不做过多讨论。 而线上的线索获取方法主要通过SEM、短信/邮件营销或从第三方等渠道获取客户数据信息等;这里面通常使用的推广方式是在各推广渠道嵌入官网或落地页地址,吸引用户点击进入公司网站;如果客户对产品感兴趣,则在网站中提交需求信息,这个信息往往就被定义为线索。 在用户收到推广信息到提交需求生成线索的过程,可以通过第三方UBA(用户行为分析工具)完成对用户行为数据的采集,并与营销CRM系统进行对接,打通数据链路。 现今市面上的第三方UBA工具很多都可以被使用,功能也很强大,不仅能够记录用户的行为路径;还可以通过对渠道来源的URL上标记UTM参数,这样便可以获取到各渠道用户的来源情况。 3. 线索评估 在初步获得线索后,接着由市场团队对线索进行评估,甄别出不同质量的线索并加以标记形成MQL(市场合格线索),并为下一步线索孵化阶段打下基础。 线索评估的目的及意义 线索评估在营销过程中的作用不言而喻。 我们都知道市场营销理论经常会提到的"二八法则",即20%的客户会为企业贡献80%的收益,而属于B2B行业的SaaS营销领域则体现得更为明显。 因此,在线索获取的初期阶段,我们需要对线索的质量进行评估。 设想如果销售团队把大量的时间和人力成本都浪费在无意向的、无预算的、甚至连线索信息都不完整的客户线索身上,这样做无疑是低效的。因此,市场团队需要和销售团队密切配合,为销售团队输出更为高质量的线索。 营销CRM模块在这个阶段需要承担的角色是辅助市场团队,对线索进行清洗、打分;同时还需要市场部门将筛选后的线索通过电话的形式扫一遍,将信息不完整、或无价值线索人工再进行甄别及筛选。 当然这要根据各企业及产品的实际情况,一些AI电销系统也能够替代这一步操作,将市场部门解放出来。 线索评估方法 线索评估的第一步,是要对线索进行预处理,预处理的规则需要根据公司自身情况决定。通常预处理的内容包括客户的联系信息、客户所属企业的唯一性校验与去重等。 在客户信息的完善程度这个层面,一般会对客户的姓名、联系方式做真实性校验,比如对于手机号码可以通过位数校验、手机号码规则检验等等;而客户的去重方法一般是对客户所在地区、企业名称、规模相似程度等方法进行去重操作。 在线索预处理完成后,系统将配合市场部同事完成线索打分操作。 线索打分的方法可以从通过显性线索、隐形线索2个维度进行考虑: 显性线索 即通过客户在线上提交的明确线索(如需求表单)进行判断,显性线索又可以拆解为个人数据、企业数据及其他关键数据。 其中,个人数据包括用户的所在职级、角色、工作地等;企业数据则包括企业的规模、行业匹配程度、市场竞争力等多个要素。 除此之外,还有一些其他的关键数据值得我们关注:比如一些大中型企业客户的外部采购流程较为规范,往往会制定一定时期的预算及采购时间点。因此在产品营销的时机上需要具备一定策略,假如在错误的时间跟进了在一定时期内没有预算的客户,即便与客户建立了十分密切的关系,也无法保证成单,这就让企业承担了一定的风险。 为此,我们引入一个BANT模型,借助这个模型也许能够帮助我们解决这一问题: BANT模型是指针对B(Budget)预算、A(Authority)权限、N(Need)需要、T(Time)时间四个维度对线索进行量化评估,由市场部门对客户的四个维度进行标记,超过一定分数的线索将被设置为高质量线索。 隐性线索 隐性线索是指通过记录和跟踪用户行为间接判断客户偏好。 在隐性线索的收集过程中,如果客户以游客身份访问网站,我们虽然无法获得用户更多的基本资料;但可以通过IP地址判断用户的所处地域。 如果企业对这个IP地址较为熟悉,可以反推出行业甚至企业名称会更好;即使无法实际判定客户角色,基于一定量级的浏览数据也能帮助我们了解大多数用户对产品的偏好程度与喜爱程度,为产品的推广方式及迭代优化提供数据支持。 在实际的业务中,我们的产品形态决定了一部分目标用户是已入驻的免费用户,它们在入驻时已经填写了部分信息,因此在这些客户信息的收集上并没有纯隐性线索那么困难。唯一要做的是了解用户浏览产品应用市场时的用户行为,基于这些行为的频次、时间等维度评估线索质量。 线索孵化 该阶段主要由市场部的潜在客户开发团队,基于初步筛选出的SQL(市场合格线索)进行线索孵化,并尽量使它们成为高意向的潜在客户(有时被称为商机客户),并将商机转换至销售部门,并最终协助销售部门达成订单销售任务。 同时,市场部门也会在线索孵化的过程中不断调整线索的评估分数,一些在孵化过程发现难以形成商机的线索也会根据实际情况放回至线索池中——因此线索的孵化也是一个可逆的过程。 销售过程管理阶段 营销CRM模块在销售过程管理阶段中,主要负责对销售过程中沉淀的数据进行深入分析与决策。 这里引入一个销售领域中经常用到的分析模型:销售漏斗模型。 "漏斗"是对销售模型的一个形象解释,它生动解构了销售活动的每一步过程,销售管理人员可以借助这个模型清晰直观的了解各销售部门及人员的执行进展情况,能够对销售业绩出合理预测。 由于篇幅原因,这里我就不再对销售漏斗模型进行展开分享,后面的文章中我还会对这个模型的概念、使用场景及分析方法做介绍。 客户成功阶段 1. 客户成功的价值与意义 客户在完成首次消费后,实际上他就被定义为了老客户,此时作为SaaS企业,最重要的就是留住老客户,让他们为企业带来新的价值回报。这就是客户成功阶段企业最需要做的事。 其原因有如下两点: 1)留住客户的使用成本更低 引入营销学之父菲利普科特勒的一个理论:企业获得新客户的成本是挽留现有客户的5倍。 通过与老客户建立长期的合作关系,能够深入了解客户的诉求点,这样无论在产品的打磨上与服务的改进上,还是产品的续费与增购上都会带来正向反馈。 2)优质的客户服务将会提升NPS(净推荐值) 如果企业更为重视客户成功,将更多资源投入其中并为客户提供更优质的服务。这些客户会更愿意为企业推荐其他的客户,而有了老客户的背书将使得新客户开发难度大大降低。 客户生命周期价值是指客户在企业完成首次消费到最终流失期间带来的总价值。 对于SaaS企业来说,如果客户首次购买了你的产品/服务并认可你的时候,你再为他推荐其它产品/服务,客户更容易接收你的推荐,甚至愿意去尝试付出更高价格,客户生命周期价值也得到了提升。 2. 营销CRM的使用场景 客户成功阶段最重要的工作,就是要引导老客户完成续费与增购。而老客户完成续费与增购的前提是进行客户识别,区分客户续费/增购的意向程度,并通过系统做分层,针对不同客户使用不同的客户运营策略。 B2C行业会使用RFM模型对客户进行分层,即通过最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary)三个维度进行判断客户层级。 不过对于SaaS行业,由于消费的周期较长,频次较低,这个模型可能不太适用,更多的是采用"系统+人工"的方式对客户进行分层,维度包括合作关系的密切程度、预算以及客户活跃程度判断客户层级。 针对高层级客户,系统可设置在某一周期(对于按年付费的产品,往往是以季度为单位)设置常规的营销策略,比如对接短信通道及企业邮箱,并在合适的时机向目标客户自动触发邮件推送完成交叉、向上销售,并返回结果。 同样,对于即将流失的客户,系统会根据用户使用异常情况做出预警,提醒客户成功部门跟进处理。 如果客户的分层与其他客户基础标签(诸如行业、规模、企业性质等)进行整合分析,将会使目标客户营销更为精准,企业便可以在新产品上线后找到最与之匹配的客户。 不过这样的分析与决策的技术成本也会较高,此时企业也需要针对自身情况选择合适的系统功能,毕竟企业最终要完成业务增长而非功能本身。