来源：神策数据

很多面临数字化转型的企业都在关注数据资产和旅程指标。在数字化转型之后，一个常见问题就是数据暴涨。从传统渠道扩展到 APP、小程序等线上化渠道之后，公司会面临 5 倍、10 倍甚至几十倍的数据增长。除了带来技术架构的挑战，还会带来数据资产与其价值验证压力的同步增加。

业务应用增长的压力和数据资产增长的压力是同步的，最终会回归到一个灵魂问题：数据资产增长的价值到底在哪？

数据资产积累困境的解决，主要围绕数据资产的高质量增长以及旅程指标的持续积累两部分。

一、数据的高质量增长

在数字化转型趋势下，数据增长的核心是客户数据的快速增长。从客户的行为、状态到产品的数据，都会表现出暴涨的形态。

将客户数据进行抽象后，可将其想像成一个 Excel。表格中的行和列构成了数据库。表格“行”的增长，主要是用户与旅程的增长；表格“列”的增长，主要是客户与产品复杂度的增长，比如用户标签属性的增长；而表格“保持”的增长，依赖持续的正反馈。以车企为例，车销量的增长就是“行”的增长，而车型扩充、产品线增加、购物选择增多会让客户需求变得复杂，从而带来“列”的增长。

如何保持“行”的高质量增长？我们需要重新定义“用户”，梳理“旅程”，解放数据增长思想。一般而言，我们可以认为“客户”是指产生过付费或消费行为的人，而“用户”扩充了“客户”的概念，在付费前关注品牌、了解产品的人都是我们的用户。对于传统转型企业来说，这种差异带来的变化，提示我们重新思考旅程设计，从客户前置到用户。数字广告、落地页工厂、智能客服技术的应用都属于这个部分。而将视角从线上转到线下，一线服务员工的生产工具的数字化升级，则是量化了更多原来线下的客户旅程，特别是影响客户服务的节点。

如何保持“列”的高速增长？列增长是反映用户需求 、消费潜力、旅程阶段等不同属性数据的增长。合适的产品能力可以帮助我们更好的获取列的扩展。搜索功能、商品详情页可帮助获取用户需求意向与程度；评价反馈可帮助获取客户态度与体验；通过表单或算法挖掘、提炼可帮助我们获取用户生活形态与潜力。获取更多的用户行为数据，可以帮助用户洞察做得更好。

“行”“列”之后，需要形成持续的正反馈。数据又准又快，是数据高质量持续增长的正反馈核心。数据采集不“准”，部分是技术原因，更多是业务、数据、技术认知与语义的对齐。数据的“快”，本质是有限的算力下如何满足用数需求，因此需要对用数应用场景有明确定义，关键是要区分不同使用者与业务场景下，是离线、准实时或是实时计算。

二、旅程指标的增长

旅程指标有三个：基于事先假设的业务知识，设计数据汇聚计算规则，所得到的客户旅程描述体系。旅程指标是为了解决业务问题可量化、可验证，并以此为依据持续优化业务表现。

旅程指标的梳理分为四个步骤：

1、目标与客户群体定义：明确业务目标与对应的用户群体；

2、用户需求阶段定义：通过客户调研或专家访谈，明确并定义该类用户的需求发展路径与阶段，有一些现成模式可以借助参考，如零售的 AIPL、互联网的 AARRR；

3、用户外显行为梳理：根据各旅程阶段的用户主观想法与触点互动情况，梳理典型的用户行为结果类型；

4、旅程指标映射：根据上述数据指标表现，梳理出反映各客户需求旅程阶段的行为结果集，比如 AIPL 的品牌“了解”，具体是哪些触点行为、发生了几次、停驻了多长时间等，可以认为该用户完成了对品牌的“了解”。

三、客户旅程分析

完成旅程指标梳理后，需要对其进行分析。客户旅程分析分为三个步骤：

1、看现状：在旅程指标梳理完成后，对旅程客户覆盖度、各节点数据丰富度、流转比例等进行数据整体回顾，从而判断整体旅程设计是否合理；

2、找机会：观察各节点之间的转化率，找出旅程中“低”“慢”的典型阻塞，调整旅程设计，发挥更大价值；

3、判潜力：业务迭代存在成本，有些旅程节点表现“低”“慢”是出于业务模式限制或行业天花板限制。需要参考同业数据，或者在较长时间维度上看该节点的数据波动，判断其业务提升潜力。

四、旅程指标管理

1、旅程定义与指标口径的管理：旅程指标在企业内部，需要进行管理后方可被运用起来。旅程指标的运用不止局限于数据分析人员，而应该包含业务人员、管理人员在内；

2、旅程元数据的管理：对运用到的相关数据进行对齐。每个埋点及数据的含义要清晰，并且能够在跨事业部之间进行数据对齐及回溯。

数据资产快速增长，如何对其进行变现和应用？解法就是将采集到的数据结合业务去应用，其中最关键的环节就是将其转换成旅程指标。往前一步就是从客户和企业的角度重新审视，先拥有高质量的数据之后，再将其转换成业务上可用的旅程指标和相关数据。

<