大型集团用户画像系统化标准化数字化用户主数据管理项目规划方案（159页PPT）

导读：本文基于某大型集团用户画像系统化、标准化、数字化用户主数据管理项目规划方案，拆解这类项目的核心逻辑与落地路径。无论你在零售、消费电子、保险，还是任何以"用户资产积累"为核心命题的行业，这套框架都值得认真对待。

一、先把问题说清楚：现状为何如此糟糕

1.1 数据孤岛：每个系统都有用户，但没有人知道他们是同一个人

大型集团的信息化建设，通常是按业务条线分头推进的。结果就是：

电子保卡系统（ESA） 里有IMEI和手机号，但没有姓名
体验店系统 里有姓名、性别和手机型号，但字段格式不统一
电商官网 里有收货人电话和地址，但那可能是代收人，不是真实用户
售后系统 里有维修记录，有真实姓名，但关联不到购买记录
移动互联网App 里有行为数据，有SSOID，但线上匿名用户无法关联线下实体信息
社区平台 里有VIP粉丝，活跃度最高，却和前面几个系统完全割裂

每个系统都有"用户"，但企业层面上，没有任何一个地方知道这六个系统里的"张三"是不是同一个人。

这就是用户主数据缺失的本质：不是没有数据，而是数据分散、标准不一、无法关联。

1.2 线下优先的渠道结构，让用户数据天然残缺

以线下销售为主的集团，和小米这样线上原生的品牌面临的是完全不同的数据挑战。

小米从用户注册App开始就捕获完整信息，线上行为数据近乎全量。而以线下为主的集团，用户从踏入门店到拿走手机，核心交易发生在一个信息收集能力极弱的场景里：

导购员的第一任务是销售，不是收集信息
填写保修卡是用户主动行为，配合率低
门店POS系统设计目标是上报销量，不是构建用户画像
分销系统的字段设计从未考虑过用户画像需求

这种结构性问题，导致大量用户从购买的第一天起就"失联"了。企业甚至无法向已售出设备的用户推送一条固件更新通知，因为没有联系方式。

1.3 用户分层的缺失：所有用户都用同一套服务标准

没有完整的用户画像，就没办法做分层。没有分层，就只能对所有用户提供无差别的服务------无论是一年购买三台高端机的忠实粉丝，还是一次性买了入门机再无任何互动的散客，待遇完全一样。

这不仅是资源浪费，更是战略失位。高价值用户感受不到差异化，忠诚度难以建立；低活跃用户占用服务资源，转化率又极低。用户资产的价值，在粗放运营模式下被大幅折损。

二、解题的起点：先定义"用户是谁"

任何用户数据治理项目，第一步不是上系统，而是回答一个基础问题：我们要记录用户的哪些信息？

这听起来简单，但实践中极易陷入两个误区：要么贪大求全，把所有能想到的字段都列进去，最终收集率极低；要么只记交易字段，跟着业务系统走，永远停留在"知道用户买了什么"而不是"知道用户是谁"。

2.1 用户信息的底层框架：7W2H九维模型

这套方案采用了一个被行业验证过的用户信息构建框架------以"7W2H"为核心，将用户及用户行为解析为九个关键因素：

维度	英文缩写	信息类型
谁	WHO	用户静态信息（属性）
与谁	WHOM	对象信息（社交关系）
何时	WHEN	用户时间信息
何地	WHERE	用户位置信息
做什么	WHAT	用户动作信息（行为）
原因	WHAT FOR	用户需求信息
何种方式	HOW	产品/服务信息
何种途径	WHICH WAY	渠道信息
以何代价	HOW MUCH	服务代价信息

这九个维度最终归并为三类：用户属性、用户行为、用户需求。

这个分类不是形式上的，而是有功能逻辑的：

属性是用户本身固有的特征，不因其与企业关系变化而变化------用于支撑用户的分层分级工作
行为是用户已发生的事件------用于挖掘偏好和倾向，预测未来可能的需求
需求是未来用户可能发生的行为，由属性和行为关联分析产生------用于指导具体的用户运营工作

其中，需求维度是最容易被忽略、也是最有价值的一层。大多数企业的用户数据建设停留在属性和行为，却鲜少问：这个用户现在面临什么问题？这个问题对他的影响有多大？他期望企业做出什么改变？

消费者行为学告诉我们，用户的购买决策，本质上是在寻找解决自身问题的方案。不理解需求，就永远停留在"推销"而不是"服务"的层面。

2.2 用户属性树：从"记名字"到"理解这个人"

在"用户属性"这一层，需要构建一棵属性树。这棵树的主干包括：

人口统计属性：姓名、性别、出生年月、证件信息------这是最基础的识别层，也是关联其他数据的锚点。

身份识别属性：IMEI、手机号码、SSOID、甲方ID、QQ、电子邮件------这是跨系统数据打通的技术基础，本质上解决的是"多个系统里的同一个人"的识别问题。

价值属性：累计消费金额、积分、会员等级------这是分层分级的依据，决定了企业应该把多少资源投入在这个用户身上。

兴趣偏好属性：手机购买偏好（尺寸/外观/功能/配置/价格区间）、生活方式偏好（饮食/娱乐/运动）、心理属性------这是从"知道用户买了什么"到"理解用户是什么人"的关键跨越。

联系方式：常用手机号、备用号码、电子邮箱、社交账号------这是触达的基础，没有这层，用户画像再完整也无法转化为实际运营动作。

2.3 用户行为树：从"买了什么"到"做了什么"

行为数据的价值在于揭示用户的真实模式，而不仅仅是交易记录。

方案将行为分为两大类：

业务行为：与企业有直接关联的行为

消费行为：购买产品的类型、时间、金额、渠道、地区、门店
使用行为：App登录ID、使用时长、使用内容、OS版本升级时间、运营商网络
交互行为：客服咨询记录、投诉内容、营销活动参与情况、粉丝互动数据

独立行为：与企业无直接关联但反映用户生活状态的行为

在线行为：第三方应用的使用时间和内容
地理轨迹：非工作时间上网地址（反映居住/出行特征）

行为树的构建，遵循"5W1H语法"------时间（When）、地点（Where）、内容（What）、渠道（Which Way）、对象（Whom）、方式（How）。每一个行为事件，都可以用这六个维度完整描述。这不是理论框架，而是数据字段设计的直接依据。

三、数据从哪来：全触点、全生命周期的收集策略

有了用户信息框架，下一步是解决"数据从哪来"的问题。

方案的核心逻辑是三条原则，这三条原则必须同时成立，缺一不可：

3.1 原则A：线上线下不同触点，各取所长

不同触点天然适合收集不同类型的数据，强行统一反而适得其反：

线下终端售点（有导购）：最适合收集基本识别信息------姓名、性别、手机号、IMEI。导购员通过问询方式获取，这是线下渠道的独特优势，但信息深度有限
体验店：除基础信息外，还能收集使用偏好和产品偏好，用户在体验过程中自然流露真实需求
售后系统：用户主动来访，信息采集配合率高，能获取详细的设备使用状况和服务反馈
移动互联网App：行为数据收集精准，IMEI关联后可获得丰富的使用习惯数据
社区/社交媒体：适合收集兴趣偏好、社交关系、粉丝活跃度等软性数据
电商官网：可获取消费行为数据，但个人信息（如收货人）可能不是真实用户

这里有一个关键洞察：线下渠道的弱点在于收集深度，线上渠道的弱点在于关联线下身份。 两条腿走路，才能形成完整的用户视图。

3.2 原则B：覆盖用户全生命周期的五个阶段

消费者的购买决策，已经从传统的"线性管道"转变为持续评估的循环式：发现 → 考虑 → 评估 → 购买 → 使用。

对应到数据收集：

发现阶段：收集用户接触渠道的数据，如广告投放路径
考虑阶段：收集购买前的决策行为数据，如线上浏览情况、搜索关键词
评估阶段：收集比价行为和内容偏好
购买阶段：收集消费行为和基本身份信息（这是线下渠道的黄金时刻）
使用阶段：收集用户的线上行为和售后数据

每个阶段都有其最适合的数据采集方式。错过了某个阶段，用户画像就会出现空白，影响后续运营的精准度。

3.3 原则C：针对不同类型用户，差异化收集重点

在约7000万的用户规模里，大致分三个层次：

第一层：全部用户（约7000万，100%）

配合度最低，只能收集最基础的信息------姓名、手机号、手机型号、IMEI。主要通过线下卖场、终端售点、电子保卡和售后渠道收集。触达方式为手机号推送或App Push，提供基础用户服务和营销推送。

第二层：线上注册用户（约1000万，~15%）

配合度适中，可收集兴趣爱好、年龄、行业、生活态度、服务偏好、娱乐偏好。主要通过体验店、移动互联网、微信/微博、社区收集。可以做相应的数据分析，提供更好的用户服务。

第三层：高价值用户/VIP会员（约20-30万，3-4%）

配合度最高，信息最全面，数据应用价值最大。属于品牌最忠实的粉丝人群，可以提供最好的差异化服务体验。

这个三层结构意味着：企业需要接受一个现实------不是每个用户都值得同等的数据收集投入。把有限的运营资源集中在能带来最大价值的用户层，才是务实的选择。

四、跨系统身份打通：解决"一个人多张面孔"的技术难题

有了数据收集策略，还要解决一个更底层的技术问题：如何确认分散在不同系统里的"张三"是同一个人？

4.1 六个唯一标识字段

通过梳理各业务系统，提取出六个可作为用户唯一标识的字段：

主要标识字段（识别能力强）：

IMEI：设备唯一标识，出厂后基本不变，在ESA、电商、体验店、移动互联网、售后、社区中均有存储
手机号码：最直接的联系方式，几乎覆盖所有系统
SSOID：线上统一身份认证ID，关联电商、移动互联网、社区
甲方品牌ID：账号注册后生成，适合跨平台身份关联

辅助标识字段（触达价值高）：

QQ：可作为独立触达节点，但覆盖率相对有限
电子邮件：类似QQ，触达价值高，但在移动互联网时代覆盖率下滑

选择唯一标识需要满足四个原则：可触达 （能单独作为与用户沟通的节点）、基础性 （进入系统后不常变更）、准确性 （信息来源可靠）、共享性（多个系统共同存在或潜在需要）。

4.2 身份演进：从设备到人的逐步完善过程

用户身份的识别和画像完善，不是一次性事件，而是随时间逐步丰富的过程：

第一步：用户线下购机，导购员通过问询方式获得"姓名、性别、电话"，系统自动获取IMEI，绑定后自动生成SSOID。此时画像包含：姓名+性别+电话+IMEI+SSOID。

第二步：用户使用手机过程中，移动端的使用行为通过IMEI自动关联到之前的信息，进一步补全使用习惯、App偏好等行为数据。

第三步：当用户注册并登录特定应用时，系统生成"甲方品牌ID"，线上线下互联互通的关键连接由此建立。此时画像包含完整的线上+线下双维度数据。

复购场景：当用户购买新手机并用旧账号登录，系统识别并执行信息归并------新旧IMEI关联，历史行为数据保留，复购时间间隔、跨代偏好变迁等有价值的洞察由此产生。

4.3 数据归并规则：冲突时怎么判断以哪个系统的数据为准？

不同系统对同一用户字段的记录往往存在差异------售后系统里叫"张先生"，社区里叫"张三"，移动互联网里登记的手机号和体验店里的不一致。

解决这个问题，需要两个维度的判断规则：

时间维度：优先采用最近更新的数据。例如手机号码，用户可能换过号，移动互联网App里的登录号码是最新的，优先级高于电子保卡时登记的旧号码。

有效性维度：按数据来源的可靠程度排序。系统自动生成的数据（如ESA的IMEI）优先级最高；有人工验证的数据（如回访核实）次之；有交互行为支撑的（如客服服务记录）再次；用户主动维护的（如自助修改信息）也较为可信；配合度最低的（如线下导购填写）可靠性最低。

两个维度综合运用，最终产生一条"黄金记录"------这就是用户主数据管理的核心产出：每个用户唯一的、最高质量的数据记录。

五、用户分层分级：把价值洼地变成精准运营地图

有了完整的用户主数据，接下来要解决的是：如何对7000万用户进行科学分层，让有限的服务资源发挥最大效用？

5.1 分层的逻辑：价值和活跃度两个坐标轴

用户分层的核心，是把用户在企业价值贡献体系中的位置量化出来。通常从两个维度判断：

价值维度：

实体贡献：累计消费金额、购买次数、客单价
虚拟贡献：积分累计（O币/可豆/N豆）、会员特权使用情况

活跃度/忠诚度维度：

购买频率：近期是否有复购行为，复购间隔是否缩短
互动频率：社区发帖、评论、参与品牌活动的次数
渠道依赖：是否倾向于通过品牌官方渠道购买和服务

这两个维度形成一个四象限模型：高价值高活跃（核心用户）、高价值低活跃（沉睡高净值用户）、低价值高活跃（潜力用户）、低价值低活跃（普通用户）。不同象限的用户，应该匹配完全不同的服务资源和运营策略。

5.2 三级用户运营体系

在分层基础上，建立三级运营体系：

L1：全量用户触达层

以手机号和IMEI为基础，通过系统推送实现基础覆盖。重点是消息传递效率，不追求个性化，确保品牌信息的广泛渗透。

L2：注册会员服务层

以SSOID和品牌账号为核心，结合用户的行为数据，提供定向内容推送和活动邀请。这一层的关键是"相关性"------推送内容要与用户的已知偏好吻合，否则会加速流失。

L3：高价值用户差异化服务层

这一层的逻辑不是推销，而是主动关怀。包括：

优先接入客服通道（呼叫中心识别高价值用户来电，优先分配专属坐席）
主动推送个性化解决方案（提前预判通用性问题）
专属回馈活动（赠送服务与配件）
产品体验优先权（新品抢先体验、内测资格）

这三层不是静态分类，而是动态流动的------用户的行为变化会触发层级迁移。一个L2用户在连续三个月内完成多次高客单价购买，并且在社区活跃，应该自动升级到L3。这种动态机制，才能真正把分层变成活的运营工具，而不是贴个标签就束之高阁。

六、用户统一服务视图：把数据变成一线员工的实战工具

所有的数据工作，最终都要服务于人------服务于那些每天面对用户的一线员工，让他们在每一次接触时都能做出更好的决策。

6.1 用户服务统一视图（USAR）的六个核心模块

方案参照"统一服务分析记录（USAR）"框架，设计了用户服务统一视图，包含以下六个维度：

①客户资料：身份信息+联系信息+设备信息（持有设备型号、持有周期）------一线人员在用户发起任何交互前即可知道这是谁

②客户服务：服务类型+订单管理+近3次的售后处理记录和交互满意度------售后人员无需重复询问，快速了解过往背景

③客户贡献：累计贡献金额+间接贡献+消费频率------帮助判断当前用户值得投入多少服务资源

④客户偏好：生活偏好+心理偏好+数字偏好+消费偏好------让服务话术和推荐内容更有针对性

⑤客户行为：消费行为+使用行为+社交行为------了解用户最近在做什么，帮助预判下一步需求

⑥客户分析：分群结果+信用评级+购买力评估+忠诚度指数------这是给管理决策层使用的聚合视图

6.2 统一视图的实际应用场景

一个已实现上述视图的客服坐席，在接到一个用户来电时，面对的不是一串号码，而是一张完整的用户档案：

来电用户：张三

会员等级：高价值VIP（累计消费金额XX元，购买3台设备）

设备持有：XX旗舰机，已使用14个月

最近售后记录：2个月前屏幕故障维修，满意度评分4分（5分制）

近期行为：最近1个月社区活跃度下降，上次登录距今45天

系统提示：该用户持机周期已超平均换机周期，潜在复购概率高

这条信息，可以让客服在20秒内决定：要不要给这位用户主动推送新品信息？要不要升级服务方案让他感受到品牌重视？

这就是用户主数据最终的落地价值------不是停在报表里，而是转化为每一次用户接触时更好的决策。

七、数据管理的组织架构：没有人来执行，再好的方案都是空的

这是项目中最容易被忽视、却是实际落地最关键的部分。

7.1 初期：项目组形式，以打通信息为核心任务

初期不建议立刻成立独立部门，而是以虚拟项目组形式运作------由各业务条线（渠道管理、客服、电商、移动互联网、IT）抽调骨干组成，跨部门协同推进以下四件事：

线上线下数据整合：通过数据清洗匹配规则，实现从"设备---号码---人"的三步关联，打通体验店、售后、ESA与社区、移动互联网的数据孤岛
主数据管理平台建设：建立物理的用户主数据库，建立各业务部门的子视图，并与各业务系统打通接口
相关系统技术改造：改造分销系统（在上报销量的同时，通过电子保卡收集用户手机号等信息，不超过5个新增字段）；改造操作系统开机注册流程，引导用户填写关键信息
线下数据收集执行：监控数据收集质量，培训导购员规范化信息录入，建立数据质量考核机制