← ZHENG LIANG · CASE 03
CASE 03 · 营销大脑

把分散的渠道触点,编成一张会思考的策略网

角色主导经营端 / 管理端设计 平台PC + 移动 时间2023 — 2025
SECTION 01

项目背景 - 业务目标 - 设计目标

设计需求背景:银行的营销触点分散在 App、微信、短信、网点、外呼、企微等多个渠道,活动各自为政、客户体验割裂、效果难以归因。运营人员手握丰富能力,却缺乏一个能把「人群 × 渠道 × 内容 × 时机」编排清楚的系统——营销大脑正是为此而生。

SECTION 02

策略编排的决策路径探索

设计需求背景:运营人员最终是怎么「编排一次投放」的?为降低决策瘫痪、同时保留专业可控性,我们设计了 3 种差异化的编排路径。

图 · 编排一次投放 · 3 种路径
方案1 系统推荐编排

智策直接给出渠道判断与内容方案,上手最快,但专业人员感到控制权被剥夺。

上手 低 · 可控 低 · 瘫痪风险 低
方案2 手动拖拽画布

人群 × 渠道 × 内容 × 时机自由组合,专业可控,但门槛高、易决策瘫痪。

上手 高 · 可控 高 · 瘫痪风险 高
方案3 AI 补位 · 推荐+人工确认

系统给出可解释默认值与待确认清单,运营逐项确认。

上手 低 · 可控 高 · 瘫痪风险 低
↓
最终判定:以 方案3 为主 —— 系统给出可解释智能默认(人群 / 渠道 / 时机各附「为什么」),运营在此基础上微调确认,既降门槛又不剥夺控制感。
4 维
编排变量 · 人群 × 渠道 × 内容 × 时机
6 类
接入渠道 · App/微信/短信/网点/外呼/企微
100%
推荐可解释 · 每条推荐必带一条依据
SECTION 03

设计策略 - 三条主线与验证方式

策略推导:营销大脑本质是「策略操作系统」。难点是把多维策略变成可理解、可编排、可复盘的东西——我同样用三条主线概括,并各自说清验证方式。

图 · 三条主线 · 与验证方式
1
先把客户合成一个人
以 One ID 聚合各渠道行为与偏好,把同一客户在不同渠道的碎片拼成一张完整画像,解决归因的前提问题。
怎么算做到了 · 跨渠道行为可归并到同一客户主体,运营在编排时看到的是「一个人」而非一串渠道记录。
2
把策略变成可拖拽的画布
用可视化旅程编排「人群 → 触发 → 渠道 → 内容 → 时机」,让运营做选择题而不是填空题。
怎么算做到了 · 五步编排全部可视化可拖拽,运营无需填写条件表达式即可完成一次完整投放配置。
3
让每个推荐都可解释
渠道与时机推荐都附上「为什么」,并提供归一化归因看板,让运营敢信、能改、可复盘。
怎么算做到了 · 每条渠道与时机推荐必带一条可核实依据;无依据的推荐不进入候选池。
SECTION 04

AI × UI 工作流应用 - 让推荐可解释,让效果可归因

设计需求背景:策略系统里最危险的不是「推荐不准」,而是「推荐得没道理」。我的做法是让 AI 负责铺开候选与解释,人负责设定边界与最终拍板。

图 · AI × UI 闭环 · 5 步
01 原始需求
↓
02 AI 初稿 · 匹配度候选矩阵
↓
03 人工优化 · 设边界与拍板
↓
04 最终方案 · 推荐带依据
↓
05 数据结果 · 可归因复盘
让 AI 负责铺开候选与解释,人负责设定边界与最终拍板 —— 推荐得有道理,比推荐得准更先发生。
  1. 01原始需求
  2. 02AI 初稿
  3. 03人工优化
  4. 04最终方案
  5. 05数据结果

步骤1调用 AI 驱动-渠道与人群匹配分析

把历史活动效果、渠道特性与人群画像交叉分析,产出「人群 × 渠道 × 时机」的匹配度候选矩阵。

步骤2根据智能体完成编排路径的优劣推导

这一步拿到的是「路径结论 + 核心依据」两项;判定标准先立,最终再结合实际投放数据完成路径定稿。

步骤3把推荐理由做成界面的一部分

让「为什么推荐这个渠道 / 这个时机」成为界面上的常驻元素,而不是藏在帮助文档里。

SECTION 05

设计产出 - 经营端(PC)与管理端(移动)

产出说明:同一套策略中枢,在两个角色上落成两种界面:经营端(PC)承载策略规划、运行监测、经营总览、渠道归因与素材生成;管理端(移动)把经营问数、同比对照、指标归因与督办闭环带到手机上。以下为真实设计稿(经营端 / 管理端)。

营销大脑 · 经营端工作台
brain 界面brain 界面brain 界面brain 界面brain 界面brain 界面
WEB · 6 屏 · 按住画面拖动即可上下滑动
brain 界面brain 界面brain 界面brain 界面brain 界面brain 界面
MOBILE · 6 屏 · 左右滑动切换
SECTION 06

AI 初稿 vs 最终稿 - 我到底改掉了什么

为什么放这一页:AI 最容易把「对话」做成一问一答的空壳——聊得下去,但落不了地。我把初稿的典型问题和最终稿并排,逐条说明我改了什么、为什么改。

标注 4 处典型问题
标注 4 处典型问题

左图为按 AI 初稿典型问题反向重绘的示意图(非真实 AI 输出),用于说明人工收敛的具体动作;右图为最终交付的真实设计稿。

SECTION 07

数据结果 - 已上线,结论以落地事实为主

结果说明:营销大脑已在管理端上线并承接日常投放配置。活动响应率与预算效率属内部经营数据,不便披露明细,这里改用可对外表述的落地事实与设计侧可验证项。

已上线
上线状态 · 承接日常投放配置
6 类
接入渠道 · App / 微信 / 短信 / 网点 / 外呼 / 企微
5 步
编排路径 · 人群→触发→渠道→内容→时机
100%
推荐附依据 · 无依据不进入候选池

活动响应率、预算效率等属内部经营数据,未对外披露;此处以已上线的落地事实与设计侧可验证项替代,避免给出无法核实的数字。

SECTION 08

关键决策 - 复杂系统的入口,是「少即是多」

我的判断:设计营销大脑时,我坚持「让运营做选择题,而非填空题」。这两条决策决定了整个配置流程的形态。

SECTION 09

后续思考 - 从「千人千面」到「千景千面」

编排能力就绪后:下一阶竞争在实时与边界。

看完这一案,继续逛: ← 全部案例 · 联系我