“GrowingIO让我们更深刻意识到除了做「用户运营」之外，更多的运营场景应该聚焦在「车辆」这个主体上，我们借助智能运营产品的多主体触达能力，很好的支撑了精细化运营策略的落地，这无疑使我们在数字化转型的道路上向前更进一步。”

——某头部车企

泛零售企业增长分析中离不开消费者（人）、产品（货）、以及购买场景（场）之间的关系分析，而人货场关系分析的根本前提是先对人、货和场进行独立的画像建设，进而获得三者在时间和空间上的精确匹配，最终实施精准的营销策略达到最大化的业务增长。人货场在不同的行业有不同的延展，比如：

• 零售行业的「货」指来自不同供应商或自研的商品
• 房地产企业的「货」以房屋为主
• 车企行业的「货」以车辆为主
• 保险行业的「货」指各种险种

对于支撑全行业全业务领域增长分析的产品来说，最重要的是有一套高效支撑统计分析和画像计算的底层数据模型。

因此，GrowingIO基于大量的客户场景中梳理了「商品」「房屋」「车辆」等业务对象的属性特征和行为模式，从数据底座上重新构建了能完美兼顾全业务对象的数据模型，即面向全业务领域分析的新基建——XEI模型。

1、传统模型的局限性

• 在「零售」行业中，除了对消费者进行分析和运营外，还会扩展到对商品、门店和经销商进行分析和精细化运营；
• 在「房地产」企业中，除了对买房租房的潜客进行画像分析外，还会对楼盘、小区、商超、物业等打标签，计算它们的交通便利性、教育医疗资源、环保状况、购物娱乐、租赁坪效等；
• 在「汽车」企业中，除了对潜在购车用户进行画像分析外，还会对车辆维修、经销商/4S店、汽车零部件供应商甚至汽车金融等进行分析和精细化运营；

在如上运营分析场景中，离不开除消费者外其他业务对象的数据采集和模型建设。

业内传统的模型设计基本上是围绕用户行为数据开展的，如果要对「商品」「房屋」「车辆」实施跟用户一样的分析，则是硬生生将它们的行为数据直接存储在用户模型中（考虑到数据隔离和分析差异，可能会新起一个项目空间来管理），而没有完全做到针对它们也配置一套从元数据定义到数据模型，再到可视化应用提供合理的适配方案，使用者用起来非常别扭。

2、XEI的一张行为数据表

2.1 什么是「一张行为数据表」

为了直观地理解XEI模型，我们以「车企」行业的业务场景为例，描述从车主网上浏览爱车详情页，到进店询车和试驾，到下单签合同，4S店提货交付，再到车辆的定期保养和维修，维修技师的工作管理，以及零部件供应商的进销存管理等围绕车辆展开的「车主」「车辆」「门店」相关的全业务对象的事件共同点，XEI模型将它们进行了统一的定义和存储，如下图所示：

XEI数据模型通过“主谓宾”的语言格式，很好地将全业务对象的行为规范在一起，通过仅一张行为数据表就将它们存储起来。

对于一张事件表存储全业务对象的行为数据，还能让分析云使用的计算引擎ClickHouse发挥出最佳的查询性能，让全业务领域的增长分析飞起来。

2.2 「一张行为数据表」的优势

相比传统需要多张表来存储不同业务对象的行为数据，XEI的一张行为数据表的优势体现在：

此外，XEI模型还能非常高效地支撑业务人员做「统计分析」「画像建设」和「自动化运营」。

01 支持客户、产品、门店、供应商等全业务对象的指标体系搭建和开箱即用的各类分析模型。

02 高效扩展运营的边界，除了用户运营外，越来越多的企业开始着眼于以「物」为主体进行分析、洞察以及运营。如「车企」中针对车辆打标签，营销触达的是登记在车辆下的手机号；「房企」中针对房屋打标签，开展物业活动时需通知到房屋联系人，可能是业主也可能是其他联系人。

03 给非用户的其他业务对象的群体下发营销内容。

3、客户实践

在使用基于XEI数据模型升级后的分析工具和画像建设等产品，提升工作效率，为企业赋能后，他们这么说：

• 张小明是帮助企业做代运营的人员，他表示借助XEI模型，实现了对消费者和商品以及门店的精准匹配，为客户带来了更好的购物体验，使得全年运营指标提前达成；
• 王小红作为企业运营总监，他表示XEI数据模型让团队不再盲目运营，开始着手搭建商品、门店和经销商的画像体系，通过协同作战使得企业的服务更贴近客户需求，赢得了客户的一致好评和口碑推荐。

结语

实际上正如企业运营人员描述的那样，XEI模型及其促进的分析工具、画像建设和自动化运营的全面升级，确实让企业的运营能力提升了一个台阶。他们仿佛是拥有了能洞察一切实体及其关系的放大镜，在全业务对象生命周期各阶段遇到的问题都能快速定位到并加以改进，持续的精进使得运营能力成为了企业最核心的竞争力之一。