客户接触你 8 次,你只看得到 3 次

一个做市场的老朋友,上个月约我吃饭。刚坐下,他就把手机推到我面前,屏幕上是一份季度复盘:预算没减,广告照投,邮件照发,回访也做足了,可下单人数就是不往上走。

他问我:"你猜我差在哪一步?"

我反问他:"那你说,客户从第一次听说你,到最终掏钱下单,一共要经过你几次?"

他想了一会儿:"三四次吧。"

"三四次。那剩下的八九次呢?"

他愣住了。那八九次,他一次也没有看见。

这顿饭,我就是想跟他聊这件事。

先说清楚,什么叫"客户旅程"

大白话讲,就是一个人从"第一次听见你的名字",到"把钱花在你身上",中间走完的整段路。路上每跟你打一次照面,就叫一个"接触点"。

过去这条路很好画。

搜索一个词,点进你的官网,填一张表单。或者在社交软件刷到你的广告,点进落地页,再被邮件一封封喂大。

3 到 5 个接触点,一条直线,干净、规律、好预测。

现在呢?先猜一个数字:一个企业客户下单之前,平均要跟你打几个照面?

8 到 12 个。普通消费者买个稍贵的东西,也要 4 到 8 个。

但这句话藏着一个陷阱。它说的是"传统工具统计得到的那几个"。你要是把看不见的那些全算进去,真实数字至少再多 30% 到 50%。

为什么?因为你的客户,正在一些你根本看不见的频道里认识你。

客户在你看不见的地方认识你

你回头想想,这段时间客户是从哪儿进来的?下面这几条,是不是从没进过你的报表?

AI 搜索的引用。 现在人想问点什么,结果页顶部就直接给答案。那些大模型一边答题,一边顺手把你的名字点了出来。谷歌的 AI 概览、ChatGPT 搜索、Perplexity,一天能点名你好几回。客户还没点进你的官网,心里已经对你有印象了。每一次露面,都是一层"认知",而你的后台,一个数字都不会多。

聊天机器人。 你官网上的、合作方站点里的、测评平台里的。客户带着问题来,一问一答,收获比翻三页落地页还多。然后呢?然后他走了。没留下一次点击,传统归因完全看不见。

语音助手。 Siri、Alexa、还有谷歌搜索。客户随口一句"帮我推荐个靠谱的",你的名字就飘过去了。零点击,零记录,但"听过你"这件事,已经种进他脑子里。

AI 编排的信息流。 社交平台现在最狠的排序方式,不是按时间,是让算法判断"谁合适看"。你的内容被推到很可能上钩的人面前,一分广告费没花,后台连一个曝光都不记。可那条路上,他真真切切地看见了你。

这几样加起来,今天大概能影响企业客户 35% 到 40% 的下单决定。

而你的归因体系,一个都没看见。

归因这门课,该换一张卷子了

什么叫归因?

说白了,就是给功劳打分:这一单要是成了,功劳记在谁头上?

最后一次点击归因,功劳全给最后那一下。首次点击归因,反着来,全给开头那一下。线性归因,则平均分给所有人。

这套规矩出生在一个旧年代。那个年月,一单只有 3 到 5 个接触点,画得清清楚楚;现在一个订单 8 到 12 个触点纵横交错,其中一半你根本看不见。对一个看不见的东西打分,不是评分,是猜。

更靠得住的办法,叫"数据驱动的归因"。

它不按"开头 40%、中间 20%、收尾 40%"勾一张死菜单,而是拿你几千条真实购买路径去给 AI 训练,让它自己学出来:哪一种接触点组合,最容易带来订单。

举个例子。你会发现:先读了你的一篇干货,又被 AI 的引用提了一句名字,最后再收到一封邮件的客户,成交概率可能是"只收了那封邮件"客户的三倍多。

那篇干货、那一次引用,该记的功劳,一分别想漏。这就是数据归因替你干的事。

但它有门槛,我提醒一句:每个月至少要 500 个订单,它才练得出准头。 订单还不够的日子,先用"位置归因":开头 40%、中间 20%、收尾 40%。它不完美,但比"只认最后一键"强太多。

把散落的数据,搬进同一栋楼

很多团队卡在原地,不是没数据,是数据全都放在各处。

网站分析只知道"谁看过哪页";邮件平台只知道"谁打开过哪封";CRM 记着销售的跟进;聊天工具的记录又自成一家。四套数据,讲的是同一个人,可换个系统去看,他就有了四个名字、四个身份。

把这些碎片合成一张卡片的工程,叫"客户数据中台",也就是英文里的 CDP。

这个词不玄。你就当它是一个"把客户档案统一集中起来的大仓库"。

市面上有这么几家:

• Segment:接入能力最强,四百多个现成接口,适合喜欢自己动手的工程师团队。
• HubSpot CDP:如果你公司本就已经用了一圈 HubSpot,它最省事,连数据接通都省了。
• mParticle:在企业数据治理、隐私合规上做得扎实。
• Salesforce Data Cloud:把自家销售、营销、客服三朵云拧成一张客户图,再配上一个叫 Einstein 的 AI,帮你去预测客户下一步想要什么。

哪家最好?没有标准答案。看你自己家里原本接的是什么系统,就选谁。

但有一条硬条件:CDP 必须和你的 CRM、自动化流程死死绑在一起。否则那一柜子数据,永远只是"看得见的历史",不能指挥任何一个未来的动作。

这套全部跑稳了,CDP 加上 AI 打通身份,跨渠道归因准确度能高约三成。

一条路四段,每段装一盏红绿灯

数据和工具备齐了,然后呢?然后,就该给这条路装红绿灯了。

客户旅程可以切四段,每一段,都配上自动化。

第一段,认识他。接触点是 AI 引用、自然搜索、语音推荐。他只要露出一点兴趣的信号,教育内容就一个一个喂过去;你一发现你的品牌搜索量开始往上爬,马上盯住。

第二段,犹豫。他开始读你的博客、跟公司的聊天机器人聊天、翻你的对比页。这时候别再塞一屏天花乱坠的自吹。给他一套你定制的演示,让他直观看到你能帮他怎么弄。他综合评分一过线,系统直接把人转到销售。

第三段,下单。他混迹于重定向广告、定制邮件、报价页之间。看到这种动静,带限时感的推送即刻上场,一封专为他写的信立刻发出,销售再给上一记临门一脚的补刀。

第四段,留住。30 天没有动静,流失预警自动触发;他在某个使用里程碑上刚好越过一个台阶,加购建议立即推过去;到了关键节点,再发一套 NPS 问卷,问问还有哪里可以改。

你说这些好听。可在段与段交界的地方,才是真正的大坑。

哪一段掉人最重?第二段到第三段之间,一个路口就能丢掉六七成的人。

人们在哪走掉的?不外三件事。

其一,你的内容没能回答他的疑虑。他正在拿你身边另一家比,你还在不停地讲"我是谁",却没回他那一句真心的"我凭什么选你"。

其二,跟进火候不对。太慢,他原本的热乎就凉了;太勤,又把人推得更远。

其三,换个通道就断了线。他刚才明明随手翻完对比页,马上收到一封"你上次看的文章没看完"的邮件。这种场景,人往往就拔腿走了。

AI 掉队分析,就是干这件查漏的活:把多少成交和半途离开的两群人的所有行为比一比,找出他们是在哪个触点、哪篇内容、哪个时刻被你丢下的。

这法子用上一两个季度,光是"犹豫到下单"这一段流失,就能再降 15 到 25 个百分点。

你把这笔账算得越硬,后面动作就越有底气。

五步,直接抄走

下面动手,照着五步走,一项也别跳。

第一步:把接触点一个个翻出来。

官网、社交、邮件、广告、聊天机器人,还有 AI 问答里提到的你的名字、语音里给你的那句推荐,都放上台面。绝大多数团队翻完都会吓一跳:总数比自己直觉上的估计,多出四到六成。

第二步:接 CDP,把所有人认成同一个。

把你的数据灌进去,把"悄悄看过你主页的路人""注册过的老会员""在聊天小助手那边讲过话的人",并成同一个人。验证方法也简单:随便挑出 100 个老客户,一单单对了以后,才算通过。

第三步:让数据自己把主线走出来。

收起 PPT 里那张"漏斗铁定是直线"的旧图,让数据自己聚类,跑出来看看:真实的主线,有没有就那么 4 到 6 条?大概率你会惊呼,还真有这么巧——这 4 到 6 条主线,就产生了 70% 到 80% 的成交。

第四步:装红绿灯。

从你吞吐量最大的一条主线开始,定义好"什么信号出现了,说明他准备好进下一段",给它装上自动化。这一条跑顺了,再回头装第二条、第三条。

第五步:盯指标、随时调。

从第一次接触到成交要过多少天、每个触点贡献了多少、每段交界丢多少人,一星期收一次账。AI 时代客户在变,你的旅程图,就只能是一张不断更新的活地图。

回到开头那位朋友

那天,我讲完,他半信半疑地回去,把他从没算过的那十几个"看不见的接触点",一个一个写到了纸上。

两个星期后,他发来一条信息,只有几个字:"真的多了。"

一个营销人最大的遗憾,就是在这段看似平淡的旅程里,稀里糊涂地把客户给错过了。

先搞清那 8 到 12 次,再去数你已经看到的 3 次。

祝你,早一步把那 9 次看不见的接触,从别人看不见的地方,一个一个找回来。