一、以用户为中心的组织重构或整合
发现，市场上大部分做的非常成功的私域项目，都是由CEO推动的、基于该战略的组织重构去驱动的。
我们也看到，在很多公司，私域运营是由品牌部门、CRM部门和Trade Marketing部门合作一起运营的。
二、以用户为中心的生意视角驱动——双轴
如果从我们的用户提供给企业和品牌的价值（不止是交易价值）和时间这两个维度来看，在两条轴刻度线上，最大化用户量、单个用户的价值和单个用户与我们保持关系的时间，就能够站在“以用户为中心”的战略高度支点上，无限扩展我们的“单客生意疆域”，也就是用户价值面积。
思维模式上我认为，任何战略在组织中实施，其成功与否，最重要的，是能否真正让组织里的每个个体、他们的思维模式（Mindset），能够转变到与战略相同的方向上。
而要真正实现以用户为中心、数据驱动私域战略的成功，最关键的是，能不能让每个人都将传统的流量思维转变为留量思维，将之前的推广思维转变为用户思维，将CRM的关系思维升级到体验思维。
站在一方私域的角度，做好用户数据的存、盘、用，则将必定成功。
三、接受现实——盘活存量——ID体系——数据地图（比例、偏后端）
基于品牌详细的用户体验框架，我们开始从数据贯通的角度，绘制品牌的用户体验数据地图（Brand Consumer Experience Data Map）。
绘制的基本逻辑是在每一个触点上，主要确定两个数据情况：
该触点上用户的唯一标识（或者称主键标识）是什么？
该触点上，对于用户产生的数据信号（Data Signals）有哪些，数据信号我们可以简单理解为数据点（Data Fields）。
基于第一点，在各个触点上的用户唯一标识们，我们尝试和评估各个触点之间数据贯通的可能性。
在我们做的很多数据地图项目中，国内的现实是，由于各个生态帝国之间的围栏高耸等等原因，尝试直接打通各个生态里触点的用户唯一标识，是几乎不可能的！
但是如前文问题一里给出的解决方案，我们可以通过“业务驱动”的方式，推动用户授权去创造一个“祖ID”，拉通在他各个触点、各个生态上的唯一标识（“子ID”）们，这是在接受现实的情况下，最完美的数字解决方案。
现在，我们以用户为中心，绘制出了基于用户体验框架下的用户数据地图。
我们通过数据的角度，可以看到或者找到，我们的用户都在哪里，或者去哪里找我们的用户；同时，我们也看看到数据在用户旅程各个触点上的流动情况，并且找到了那些需要我们通过业务手段去拉通的数据断点（Data Gaps），数据层面上的用户在哪里（Where）这个问题就解决的差不多了。
在绘制数据地图，打通数据断点的过程中，笔者想分享几个站在私域战略视角上重要的经验：
1.品牌应该尽量让数据地图上，自己拥有的一方数据比例超过地图面积的一半以上，为什么？数据所有权这玩意儿就跟股权一样，大股东说了算。
2.如果从用户周期，比如购买周期的角度来看，如果不能全盘拥有自己用户在所有生态里的数据，品牌应该尽量争取去拥有，用户旅程周期（或者转化漏斗）里各个阶段的偏后端（或底端——lower funnel），比如从用户购买开始的所有数据，应该尽量保留在品牌自己一方的手里。这个也不难理解，核心阶段的数据一定得存在自己手里。
3.品牌需要接受现实，尽量尝试吃透一个生态。在一个生态里，根据生态帝国里的规则，找到生态里增长和生态话语权的平衡点，这个不宜讲的过深，大家自己体会。
我在各个企业的数据咨询和运营项目里都发现，很多企业和品牌，对于每年要驱动多少的财务数字指标非常清楚，但是，却对于每年有多少存量用户和新增用户要去经营，没有特别准确的数字概念。
因此，站在整个“以用户为中心”的数据策略上，首先就要确立，在留存到自己手里（一手的才是相对可靠的）和搞清楚到底有多少用户这两个层面上，用什么样的逻辑来解决。
比如多销售通路和渠道的企业，就需要建立一套，建立用户唯一标识的ID图谱体系，用一个“超级ID”（笔者喜欢称之为“祖ID”）去管理一个真实用户在各个通路和平台上的“平台ID”们（笔者喜欢称之为“子ID”）。
这个主键（Primary Key）离真实用户的标识距离越近，向下覆盖的次主键（Secondary Primary Key）越多，则数字体温越真实，越能真正代表用户，以用户为中心，贯通全局。
那怎么样去构造这个ID图谱体系呢？
在笔者认为，一定要优先使用“业务驱动”的模式流程去建设，而不是一上来，就开始计划如何使用炫酷的技术和数据模型来建设。而大多数企业在尝试做自己的ID图谱体系时，都犯了这个错误，最后导致项目失败。
用一个例子，让大家来感受下为什么这么说。
回到好几年前，各大互联网巨头“All In Mobile”的时候，大部分都是用的“业务驱动”快速打通PC和移动端用户ID统一标识体系。
大家都应该还记得，当时用PC端账号去“联合登录”移动APP端的账号，京东和天猫给大家直接发钱的历史吧。
先不论这样的方式是不是太简单粗暴了（互联网就是这样，野蛮并且茁壮地成长）。大家可以想一想，拼IT和程序员资源，中国有哪个企业可以和这些互联网巨头比？但是即使是这样，这些巨头在拉通自己的PC端和移动端用户ID体系时，依然优先使用了“业务驱动”的模式。
而站在品牌的角度，笔者会比较建议这样的“业务驱动”模式。
如前文提到贝索斯描述的他对于为什么亚马逊要做“以用户为中心”模式的理解，即，如果我们是一个聚会的主人，我们希望提供给聚会客人什么样的体验？
品牌和企业在建设自己的用户唯一标识体系的时候，也可以借鉴这样的思考。
如果我们向用户许诺（promise）：一旦用户授权我们更清楚地去认知和标识你的唯一性时，我们才能站在这样的基础上，提供给用户唯一且独特的品牌和产品体验。这样的体验，因为有了用户授权“唯一性”的价值交换（value-exchange）保证，将会是随叫随到（Always-on）的，将会是宾至如归的个性化体验。
只有这样的“以用户为中心”的体验许诺，才能从“业务拉通”的角度，让我们的用户放心地把她在我们的“布达佩斯大饭店”钥匙（主键-Primary Key）交给我们保管。
四、用户价值管理、用户个性化体验、用户洞察和用户旅程
- 用户价值管理
我最好的用户是哪些人？如何奖励他们？
Who are my best customers?……How to reward them?
二八效应具有广泛的普适性，在我们的社会生活是这样，在企业和品牌的用户群体也表现出这样的普适性。
头部20%的用户贡献企业和品牌80%的商业价值。
二八定律，在我做过的很多行业用户价值分析里，都看到了这样的普适性。
肯定会有同学问：快消行业（FMCG）也适用品牌用户的二八原则么？
当然，大家都知道，快消行业是个商品低卷入度（简单说就是购买决策耗费的时间和智力较小）的行业，用户走到货架前，拿上就走。
但是在笔者做过的某个全球快消最大品牌之一的客户案例里，也能看到二八原则的体现。
品牌以用户为中心的私域战略里，最核心的问题就是，这20%的高价值用户（谁是我们最好的客户？），我们知道他们都是谁吗？他们给咱们品牌提供了80%的商业价值，但是在我们的用户花费里，我们又给了他们多少？占比多少？他们有被我们充分地感激（appreciate）和回馈（reward），还是我们在杀熟？
再反过来想一想：第一，我们维护好这头部20%价值的用户，我们大部分的销售就能够得到保障；第二，这些20%的头部价值用户，是不是更容易在我们品牌身上花的更多？
将精力、时间、金钱和好脾气花在爱你的人身上，总没有错的！
- 如何提升单客价值？
How to grow customer value?
对用户进行价值分级，识别最重要的高价值用户，这点在以用户为中心的私域数据策略里，非常重要。
对用户进行价值分级有很多种方式，比较普遍的，是用金字塔架构去进行分级（Value Pyramid），从下往上，分别根据单个用户的价值量，从低到高排序。比如：低价值用户、中价值用户、高价值用户、VIP钻石用户等等。
基于不同价值的用户，在提升单客价值的方向上，就会有如下问题：
*怎么去留住我们的VIP钻石用户，不让他们流失？
*怎样将高价值等级的用户，培养成VIP钻石用户？
*怎么发展中等价值用户，向上流动？
*怎样能激活低价值或者沉睡用户的活跃和动力？……
通过用户价值分级，驱动针对不同类型的用户群，进行价值成长的数据应用方式有很多，大家听的比较多的比如：
通过RFM模型切分：
通过聚类分群（Clustering）切分：
购物篮交叉：
买了又买，看了又看：
等等。
2020年是私域业态发展的元年，但是其真实内核，却是以一方用户为中心、数据驱动型的体验管理，数据战略是决定品牌私域建设能站在多高、走的多远的核心关键因素。
跑马圈地拉流量的时代已过，存量精益运营的时代来临。
整理了十大核心问题，十个可以每天用来拷问自己，是否战略性地走在私域运营、特别是以用户为中心运营的正确道路上的问题。
通过回答这些问题，也可以帮助企业和品牌，更好地去整理和规划，自己的私域运营和数字化战略（包括数据策略），以及在这样的战略引导下，可以创造最大化的用户价值、企业价值以及社会价值的方向。
十大核心问题：
Why : 为什么以用户为中心如此重要？
How Many : 我手里有多少用户？
Where : 我的用户都在哪里出现？
When : 用户体验的关键时刻？
Who : 我的用户长啥样？
What : 我的用户需要什么？
The Focus : 我最好的用户是哪些人？
How to : 如何提升单客价值？
Re-examine : 一个用户的真实价值是多少？
Efficiency : 人工智能的时代，如何让私域用户体验管理更高效？
以用户为中心的品牌私域战略，就是特别要从数据层面、避免品牌对于每个用户的脸盲症。
避免品牌对于用户脸盲症的方式，需要通过建设一套能够针对品牌用户（最好是能细粒度到每个单一用户）的特定用户（数据）描述体系，或者我们称之为品牌定制化的用户标签体系。
自己的用户，还是自己来描摹，最懂得，最真切。
搭建一套“基业长青”的企业一方用户标签体系，是个非常能体现企业数据+业务整合驱动能力的项目。这也是笔者跟团队在搭建标签体系的时候，反复强调的，一条标签规划之前，要反复拷问自己，为什么非要生产这条标签？这条标签可以直接拿去给业务用吗？等等。
好的标签体系，一定是有具体的业务指向、有深刻的业务涵义和有明确目标的业务商业价值的。
五、标签类型：事实标签、规则标签和模型标签
一个用户的真实价值是多少？
How much is the real value of one customer?
在一个“去中心化”的世界，每个独立的个体都有真实的用户，都拥有推荐的力量。 ——《超级连接：用户驱动的零售新增长》
计算一个用户的真实价值，主要分三个层次：
1.用户的交易购买价值（transactional value）；
2.用户的时间和生命周期价值（lifetime value）；
3.用户的社交网络价值（network value）。
私域业态相较于传统业态，尤其在零售领域，最大的区别有三点：
1.流量：传统业态流量多以三方为主，自身并不留存；私域业态主要将流量转成一方控制；
2.终身价值：私域业态可以很好地沿着用户的整个生命周期，在每个重要的节点，发展其商业价值；而传统业态很难做到这点；
3.裂变率，我也喜欢称之为推荐价值：私域业态区别于传统业态，可以很有效地通过在一方的环境下，驱动种子用户发挥自己的社交网络价值（六度空间理论），指数级裂变新用户增长，“星星之火，可以燎原”。当然，如果我们把导购、社群和直播等角色放到裂变链条里，这个推荐价值的计算范围就会很广。总结起来，就是从把1件商品卖给100个用户，到让1个用户买给100件商品，或者让1个人推荐，100个用户来买。
从计算一个用户的真实价值的角度，发现品牌最重要的关键意见顾客（KOC: key opinion leader）是很核心的问题，特别是这些真实的关键传播用户被品牌自己主动招募的KOL/KOC的光芒挡住，隐藏在用户裂变路径里面。
因此，识别用户裂变路径里的这些关键传播节点（关键传播用户），对于我们更好地发掘用户网络价值、扩展用户裂变范围，至关重要。
除了计算归属在单个用户节点下的所有用户关系的数量之外，还可以通过SNA（社交网络分析模型）建模去识别用户裂变关键节点、识别裂变模式以及最重要的，哪些用户拥有特别大的社交网络（裂变）价值。
用户数据平台+ Martech / Salestech平台组件+ 消费终端数据运营管理。
六、AI在营销是下一个重要赛道
- 人工智能的时代，如何让私域用户体验管理更高效？
人工智能的发展，对于人类社会、各行各业的改变是方方面面的，这样的改变前所未有。
我经常跟组里的同学讲，虽然现在数据行业炙手可热，可是随着人工智能的发展，有很多现在天天做的数据处理、数据分析以及数据挖掘的工作，都可以被机器取代，到那时，我们的定位是什么？我们的价值又是什么？
技术和生态的发展，让自动化、智能化技术开始普遍应用于营销领域，特别是以用户为中心、数据驱动的用户体验管理上。
虽然美国营销技术之父Scott Brinker早在2008年就提出了MarTech（营销技术）这个概念，但是营销技术在中国的真正落地到遍地开花，还要归结于私域业态的发展，让营销技术不只是一个飘在空中的战略概念。
- 私域用户个性化体验的自动化
实际上，在单客价值巨高、购买决策时间巨长、购买决策和影响者巨多的B2B行业，营销自动化应用由来已久，并且应该非常广泛，也产生了很多巨头，比如Salesforce等等。
私域生态的成长，让品牌可以去复用这些在B2B行业已经广泛使用的自动化方法论和应用场景，比如用户旅程自定义设计（Journey Builder）。
3. 私域用户个性化体验的智能化
到2025年，多达95%的用户互动将通过人工智能（AI）技术支持的渠道进行 。——微软
人工智能可以成功地应用于在用户旅程中的任何时刻，提供智能、方便和充分理解用户自身情况的体验。这给了我们重新想象用户体验和端到端的用户旅程的机会，这些体验是集成的、更加个性化的，因此对用户来说更加自然、更加“丝滑”。
人工智能现在普遍应用于用户体验当中，主要有以下三个方面：
1.智能用户服务：比如聊天机器人；比如虚拟助手；
2.个性化体验预测，或基于预测结果提供的个性化体验：智能预测和定制将使用户感觉，每一个产品或品牌体验，都是为他们量身定做的；
3.人工智能驱动的用户体验提升机会发现：使用传统的分析方法和工具，在数十亿次独特的客户旅程中挖掘见解是一个费劲而缓慢的过程。
人工智能驱动的客户旅程分析功能，其强大之处在于，它可以在一个更大、更复杂的数据空间中进行筛选，从而发现更多的商业机会，甚至是我们没有意识到，应该寻找的机会。
因此，我们可以将时间花在对这些见解进行优先级排序上，而不是被海量的底层行为数据暴击。
人工智能驱动的客户旅程分析，可以发现数据中存在的每一个关系（没有明确人工指向）。它可以高精度地预测未来行为的可能性，同时发现用户价值增长的驱动因素和阻碍因素。
总体来讲，企业站在一方私域的角度，做好用户数据的存、盘、用，则将必定成功。
