随着互联网的发展，给客户带来的体验也在不断变化，渠道在变多，那么如何给客户带来全渠道的一致体验，是当前的挑战之一。企业想要更好地进行客户旅程编排，实现全渠道的用户体验统一，作者总结了必备的三大引擎，希望对你有所帮助。

每一个时代有每一个时代的主题，每一个时代也有每一个时代的挑战。

2010-2020 年是移动互联网的时代，大量的智能手机和 App 诞生并在线上加速推广，越来越多的网民加入进来，流量红利时代登场。具体来看，交易型业务开始向线上迁移，电商、O2O、互联网金融等行业飞速发展，各行各业的经营需求不局限于看数、分析数，而是更深度的用户行为分析。

2020-2030 年是数字化转型时代，流量红利触顶，企业面临着新的机会与挑战。数字化转型的概念越来越清晰，也正在成为大家的共识，它并非只是线上线下的多渠道整合，而是“全渠道（Omni-Channel）打通”，它代表着企业要在客户访问终端、柜台、小程序、App 时，基于客户画像、属性信息等，给客户带来一致的体验。

对于企业来说，“全渠道”既是机会又是挑战。挑战在于要给客户带来全渠道的一致体验；机会则是指触点红利带来新的增长可能——数字化转型帮助企业跨越了时间、空间的限制，在全渠道的背景下，客户可以随时随地进行业务操作，企业和客户的触点增多，只有有效利用触点红利，才能实现真正意义上的为客户创造价值。

过去，当我们讨论客户旅程时，很多时候都只是在关注用户体验、CEM、NPS 等；而现在我们讲客户旅程，强调的是全生命周期的客户经营。

客户旅程编排（Customer Journey Orchestration，简称 CJO）是现阶段美国企业都在讨论的话题，是一个新的理念。流量时代有 Growth Hacking 这样的理念，数字化转型时代有 CJO 这样的理念。比如，对某些金融客户来说，需要关注客户从新客获取、注册登录、新客绑卡、理财新用户教育、理财断点营销、新户理财首购等的全生命周期的交互体验。

也就是说，在实际业务中，企业通常讲以客户为中心，但更多的是以业务流程为核心。企业的数字化客户经营核心要围绕客户旅程去思考，而不是只依据单个的渠道/触点，触点红利背后是触点构成的体系化的客户旅程，给客户带来全渠道统一的体验。

我们将客户旅程编排分为五个阶段：绘制、埋点、分析、编排、优化，即 MTAOO 方法论。

1. 绘制（Map）：将企业和客户打交道的每一步详细描绘出来
2. 埋点（Track）：数据的合规采集是神策数据的能力之一，它能够帮助企业记录与客户相关的每一个触点
3. 分析（Analyze）：是围绕整个客户旅程的分析，而不只是针对某一个环节的分析
4. 编排（Orchestrate）：针对整个客户旅程中的问题/断点，进行针对性编排
5. 优化（Optimize）：基于客户互动的反馈，持续迭代优化

企业要想更好地进行客户旅程编排，实现全渠道统一用户体验，提升客户满意度与留存，提升 LTV 和运营效率，可以围绕客户数据引擎、客户旅程优化引擎、客户旅程分析引擎三大核心引擎展开。

1、客户数据引擎

客户数据引擎，即客户数据平台（CDP），为企业的全域客户经营提供数据基石。

我们认为，“全域、实时、灵活圈选”是 CDP 的三大必备能力。除此之外，高性能查询能力能够帮助企业在复杂的业务场景中越能发挥更大价值。

除此之外，相比 SQL，面向业务人员的实体查询语言——EQL 能够适配更复杂的业务场景，支持基于多实体属性和多运算符/函数进行运算；大大简化表达逻辑，更简洁、富有层次地描述需求；在灵活的基础上，更快捷、准确地查询目标用户群。

2、客户旅程优化引擎

客户旅程优化引擎作为客户旅程编排的“发动机”，囊括受众服务、用户旅程服务、内容决策服务、触达通道服务四大组件服务能力。

为了更好地支撑客户旅程编排，我们认为客户旅程优化引擎应该具备四个基础能力：灵活配置、实时、高并发、开放性。目前，对于企业来说，他们选型数字化服务商时除了关注以上四个基础能力之外，还会格外重视这三大优势：

第一，聚焦核心能力。神策数据从已经在数百家客户中得到应用的营销核心能力中进行抽象，涵盖各行各业的营销场景底层能力支持；能够满足数千万级日活的大型营销场景。

第二，低接入成本。神策数据以“接入成本最小化”为原则的开放能力设计，能力分层包括 API、前端组件和模板等能力；拥有完善的开发者调试工具。

第三，全链路可控。神策数据能够帮助企业对营销策略运营全流程进行记录、监控和干预，完整管控复杂营销活动的各环节状态；最大程度避免出现系统策略黑盒、运营失控等。

3、客户旅程分析引擎

根据过往多年的实践经验，我们认为，全域、全链路、实时、灵活是每一个分析引擎都必须具备的基础能力，面向多角色可视化地分析用户旅程，支撑企业从用户到经营，从“人”到“场”的全视角旅程分析与决策。

具体来看，服务商在分析引擎的优化过程中可以从这些方面入手：构建指标平台，帮助企业对齐业务指标、统一指标口径，提升应用效率，打破用户行为数据和业务数据间的孤岛；强化可视化分析能力，为企业级客户提供集用户数据、业务数据为一体的综合看数 & 分析平台。

认知驱动是我们一直坚持的做事方法。围绕数据驱动客户经营这件事儿，我们的认知也在持续迭代，从最初的“重构数据根基”到“打造数据闭环”，再到现在的客户旅程编排，我们要从客户旅程的视角去看如何帮助企业实现数字化客户经营。