这家券商 App 的客户经营卡在一个说不清的地方：客户现在处在哪一段、下一步会往哪走、这件事该由谁去做。数花先把客户按活跃度和价值度两个轴算成一张迁移矩阵——谁会沉睡、谁正在往上走、哪些人值得提前动手，都变成能派出去的名单。再往上是五段场景、模型接进活动要素、总部商机推到一线。这套东西跑完，运营第一次能答上“我的客户三个月后还在不在”。
这套体系上线前，这家券商的活动量并不小。问题不在这批活动做得好不好，在于没有人能说清：客户现在处在哪个阶段、下一个周期会往哪走、这一批动作该派给谁。
客户画像
某证券 App，客户量级在数百万，长尾占比高。总部有活动平台和标签体系，分支机构有客户经理，App、企微、短信、外呼的触点都在，但缺一条把“客户在哪、往哪走、谁去接”串起来的线。
原来的做法
活动按业务条线和日历排，标签按各自业务需要维护；模型主要解决“这批人值不值得投”，不解决“用什么权益、在什么时机、由谁触达”。分层靠资产等级一刀切，活跃度只看近 30 天登录。
我们的判断
客户经营不是把活动做得更多，是先把“谁正在往哪走”算出来。算不出来，所有策略都只能算赌。这个判断决定了后面所有动作的顺序：先建标签与迁移，再配场景，最后才是模型和分发。
人力集中在活跃客户和准流失客户身上，占绝大多数的长尾客户没有一条固定路径，只能等大促顺带触达一次。
一次一个活动，按日历排，不按客户所处的生命周期排。同一个人一天收到三条不同条线的推送，谁也说不清算哪套策略的功劳。
模型输出的是一个高潜人群包，权益、内容、触达时机还得运营自己拍。人被选对了，活动却对不上，模型的价值在这一步被砍掉一半。
新客、促活、财富、分支机构各自要曝光，同一个用户在不同资源位被重复触达，既没有统一排序，也没有跨条线排重。
线索挖出来，没有明确的承接人和跟进规则；一线客户经理的时间被大量时效性强、又必须做的通知类事务占着。
策略被复用了几次、哪个标签最常被用来分群、同一场景里哪套策略排第一，都看不到。每期复盘都像从零开始。
顺序是反过来的：不先问要投什么活动，先问客户会在下个周期流向哪里。诊断把这件事算出来，落地把它变成场景和配置，陪跑把它变成一线的日常。
拉一个完整周期的访问与交易事实，按活跃度、价值度两个轴打标，看每个状态的人下一个周期流向哪里。诊断做完，“长尾没人管”这句话才有了体量和人群。
五段各有一套对客策略，触点、权益、内容、时机按人群配。模型不只输出人群包，还要给出权益建议、内容建议和触达时机，否则它就只是个高级筛选器。
总部出决策，分支机构做承接；必做的通知类事务交给系统自动跑，有价值的线索才派到客户经理；运营官按画像补能力，不靠一次培训过关。
判断依据、该做什么、拿什么衡量。三段落在线上自动化，两段必然要人接；越往后，人力和触点的权重越高。
| 阶段 | 判断依据 | 对客策略与衡量指标 |
|---|---|---|
| 引入期潜在客户 | 未开户，或开户在 3 个月以内 | 开户转化：福利页投放、新手任务、开户断点实时跟进。看开户率、进入开户流程率、断点跟进率。 |
| 成长期新客户 | 开户 3 个月内，已有首笔交易 | 把动作养出来：功能体验、首购、渠道绑定、次月留存。看有效户率、首购转化、功能使用率。 |
| 成熟期存量客户 | 开户 3 个月以上，有持仓或持续交易 | 往上走：复购、权限开通、交叉销售、投顾推广。看 App 活跃度、产品销售额、有效户率、活动转化漏斗。 |
| 沉默期沉睡客户 | 一个周期内零访问、零交易，未销户 | 唤醒：签到、权益提醒、服务人员跟进。看唤醒率、唤醒后 30 天内的首笔交易率。 |
| 流失期流失客户 | 连续两个周期无访问，或已销户 | 召回：体验型权益、课程领取与核销提醒、二次跟进。看召回率、召回资产留存。 |
这张表的作用不是分类，是排班。每一段都必须写清楚三件事：谁来判断、谁来执行、下个周期看哪个指标。写不全的阶段，最后都会退化成“再发一次券”。
迁移矩阵本身是张报表。真正有用的是把它翻译成两批人：一批要拦，一批要推。这一步做完，运营才知道今天该找谁。
访问日志、交易流水、持仓变动、活动触达记录，四类数据对齐到同一个客户 ID。周期长度按业务定，半年是证券行业常见口径。
活跃度看当期活跃天数（高、中、低三档），价值度看持仓与下单状态（新下单、短期持仓、长期持仓、短期空仓、长期空仓）。两个轴交叉，人群才分得开。
看“这个状态的人下个周期去了哪”，不是“现在有多少人”。存量占比只描述现状，迁移方向才决定动作——前者是周报，后者是名单。
负向迁移的人进预警池，向上迁移的人进加推池。名单带策略、带触点、带承接人，直接落到活动平台和客户旅程里，不停在 Excel。
两个场景正好是这套体系的两端：一端是把有限预算压在最该投的人身上，另一端是把不该由人做的事全部交出去。
用模型预测“开户未入金、未达有效户标准”的一批人里，谁的入金概率最高，把名单压到 TOP 1%，配同一套权益和同一批话术，与专家规则组、随机组做三组对照。目标不是把活动做大，是把同一笔预算投给更准的那批人。
App 弹窗、站内消息、企微、短信四条链路分批走，第一波没响应的进第二波，未触达的再交服务人员。触达结果每小时回传一次，回流到活动与模型两侧。
入金金额、资产达标、交易手续费达标、有效户达标，任一门槛达成即可回馈抽奖。四类门槛拆开，是因为不同人群卡的环节不一样，统一一个门槛只会筛掉一半人。
活动期压在一个自然年的最后一个季度，客户本身就有资产结算与调仓的动作，运营顺着这个节奏走，比自造热门节点省力得多。
另一端的场景是规则驱动的：新股中签后的缴款资金缺口提醒。这件事时效强、必须做、触发量又大，做成全自动比派给人更划算。下面这张表是它一天里的完整链路。
| 时点 | 系统动作 | 人做什么 |
|---|---|---|
| T-1 日数据落地 | 取中签结果与账户可用资金，构造实时事件 | 不介入。数据源异常才报警。 |
| T 日 03:00采集 | 数据中心采集，运营平台从数据中台取数 | 不介入。 |
| T 日 08:00分发 | 全渠道分发：App 弹窗加消息、PC 站内信、企微、短信，按客户绑定的渠道走 | 不介入。触达数据每小时回传。 |
| T 日 11:00补触达 | 重新取余额，对仍未补足的客户发起智能外呼 | 只看外呼结果回传，13:00 前汇总。 |
| T 日 13:00分流 | 未触达人数不高于 100 人交客服；高于 100 人拆单派到分支机构 | 客户经理按名单电话跟进，结果回写。 |
| T 日 16:00收口 | 触达、转化、未完成三组数据汇总进数据中台与运营平台 | 当日复盘，异常进次日策略。 |
这套链路的价值不在“自动化”三个字，在于它把一个每天都要做、量又很大的事务，从几十个客户经理手里拿走，只留下判断环节。同类的事务还有新债中签缺口、产品到期、大额存取提醒。
节奏按四段排：先把数和口径对齐，再把场景配出来，然后拿一两条业务线试点，最后才谈全量。跳段推进的项目，通常死在第二阶段。
| 阶段 | 这段时间产出什么 | 谁必须到场 |
|---|---|---|
| 第 1–6 周诊断 | 现状盘点、五段口径、第一版迁移矩阵 | 数据团队给取数与人级 ID，业务侧给场景与历史策略，一线运营官给真实使用反馈。 |
| 第 7–14 周共创 | 五段场景库、模型清单、分发与排重规则 | 运营、产品、算法同坐一张桌子。策略模板必须由最终执行的人确认一遍。 |
| 第 15–22 周试点 | 一两条业务线上线，A/B 与全自动场景各跑一轮 | 先选两个愿意配合的业务条线，跑通“名单—触达—回流”的闭环再谈扩面。 |
| 第 23 周起常态化 | 月度迁移复盘、策略复用排序、新场景进模板 | 运营主导，驻场团队逐步退出，指标由客户的运营周会盯着。 |
试点期最容易被跳过。跳过它直接全量，会同时暴露口径、分发、承接三个问题，最后没人分得清是哪一环坏了。
不是一份厚厚的诊断报告。每一份都对应一个具体的岗位动作：谁在什么时候打开它，看完做什么决定。
| 交付物 | 形式 | 谁在用 |
|---|---|---|
| 生命周期运营手册含五段场景库 | 文档 + 策略模板 | 总部运营与分支机构，每段一套打法、一套指标、一套话术。 |
| 标签与迁移口径表双轴定义 | 口径文档 + 取数脚本 | 数据团队与运营，保证每月算出来的矩阵可比。 |
| 模型清单与上线规则含评估标准 | 模型台账 + 评估模板 | 算法与运营，明确哪个模型在什么场景生效、看哪几个指标。 |
| 流量分发策略配置资源池与排重 | 平台配置 + 规则说明 | 各业务条线的投放负责人，解决同一批人被多线重复触达。 |
| 商机规则与旅程配置承接路径 | 规则表 + 平台配置 | 客户经理与分支机构负责人，线索派到人、跟进有记录。 |
| 运营官画像与培训包能力建设 | 画像报告 + 课程与案例 | 一线运营官与人力，按短板补，不按统一课表补。 |
平台、模型、标签都能采购。这四条判断采购不来，它们决定了同样的预算，是做成体系还是做成活动。
存量占比告诉你现在有多少人在沉睡，迁移矩阵告诉你哪些人下个周期会沉睡。前者是周报，后者是派活的依据。同一份数据两种用法，差的是一个季度。
把高潜人群交给运营，运营还得自己想权益、想文案、想时机，模型的价值在这三步里被逐渐抵掉。把人群、权益、内容、时机都做成可决策的要素，它才配得上“智能”两个字。
总部挖的线索如果没有明确的承接人和跟进规则，一周之内就会变成待办列表里的一行灰字。线上自动化解决必做事务，线下旅程解决有价值的跟进，两条路都得有，缺一条就断。
同一套活动换个业务线就要重做一遍，这是组织问题，不是工具问题。把模板、复用热度、场景内策略排序做出来，第二年才不用从零开始。这件事看着最不性感，却决定这套体系能不能活过两年。
四个条件：客户量级够大、数据能落到人、有线上触点、有承接组织。四条齐了这套结构就能迁移；缺哪条，就先补哪条，别直接上矩阵。
反向判断：客户量级小到几个人就能盯全的，不需要矩阵；数据还没打通到人级 ID 的，先做底座，矩阵算不出来；只有线上没有承接组织的，负向迁移的名单派不出去，最后还是会掉回发券；指望一个月内改结构的，也别从这条路开始。
数花提供 40 分钟免费诊断：先看你的客户按活跃度和价值度能分成几层、迁移方向是往哪走、名单有没有人能接，再判断该先做标签口径、先做场景，还是先做分发。诊断不收费，也不用先准备完整材料。
不能直接照抄，但能照着逻辑做。矩阵里的比例来自一个周期的模拟数据，用来验证算法和口径跑得通；真正要得到自己的数，得用自己三到六个月的访问与交易事实重算一遍。这一步必须做，因为每个平台的沉睡占比、周期长度、活跃度分布都不一样，拿别人的矩阵去派活，派出去的大部分是错人。
跑得起来，但要分两步。第一步是规则层：靠标签和条件筛选把五段客户分出来、把负向迁移的人圈出来，这件事不需要模型团队，需要的是取数口径和标签治理。第二步才是模型：有效户预测、流失预警这四五个模型，可以用现成平台跑，也可以由驻场团队带着业务侧一起训。先跑规则、再上模型，比一上来就要算法团队现实得多。
要看这 6.5 个点的分母有多少人。在 TOP 1% 这一档上是 20.92% 对 14.48%，同样的名单规模、同样的权益和话术，多出来的 6.5 个点是纯增量，不追加预算。如果这一档名单是万人级，它就是几百个真实转化的差别。反过来，如果名单只有几百人，这点差距确实不算什么，那就别为它单独建团队。
会，如果他们收到的是事务性任务的话。这套体系把两类活分开：必做、时效强、量又大的通知类事务（中签缴款提醒这类）交给系统全自动跑，只知会员工；真正有价值、需要人判断的线索才派到客户经理，而且带客户画像、带推荐策略、带跟进记录。一线感受到的是活少了、有价值的活多了，抵触自然会降。
不冲突，是加一层。原有标签多是业务视角的静态分级（资产等级、渠道、产品偏好），这套加的是两个时间轴：这一段是不是活跃、这个周期有没有持仓。静态标签告诉你“他是谁”，迁移矩阵告诉你“他正在往哪走”。两者叠在一起用，原有标签不用推翻，只需要补一套能按月跑的迁移计算。
第一批可用的名单在诊断期就能出来，大约六周；第一批能跑的自动化场景在三个月内可以上线；要看到迁移率这类结构指标的变化，得跑满一个完整周期。它不像一次大促那样一周见效，但如果第一个周期结束时沉睡占比没动，那就要回头查标签和策略，而不是继续加活动。