TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

全渠道互动(Omnichannel Engagement):含义和衡量方法

全渠道互动是指在网站、App 和聊天之间,每次互动都接着上一次继续。多渠道和全渠道的区别、三个指标、一个可以复算的算例,以及怎么连接身份。

艾玛·柯林斯 发布于 2026 年 11 月 18 日 11 分钟阅读 增长与运营
示例数据:网站 6,200 + App 2,600 + 聊天 900 个标识 = 9,700;关联 700 个网站与 App 重叠、450 个聊天匹配后,剩下 8,550 个去重的人,所以把各渠道相加,把受众高估了 13.5%。示例数据

全渠道互动是指在网站、App 和在线客服等多个渠道上,与同一个客户互动,并让每一次互动都接着上一次继续。重点不是渠道数量,而是连接。衡量它,就看你能在多少人身上跨渠道认出他们,以及客户有多少次不得不重复自己说过的话。下面讲多渠道和全渠道的区别、三个指标和一个算例。

读完你会知道

  • 全渠道的重点是渠道之间共享身份和上下文,而不是渠道的数量
  • 跟踪身份关联率和重复提问率;汇报去重后的人数,而不是各渠道数字之和
  • 多渠道的人转化率更高,只是一种模式,不能证明是第二个渠道造成的

全渠道互动是什么意思?

全渠道互动(omnichannel engagement)是指在网站、App、在线客服等多个渠道上,与同一个客户互动,并且每一次互动都接着上一次继续,而不是从头再来。检验办法很简单:客户今天上午在网站上问过发货日期,下午在聊天里接待他的客服,就应该已经知道他问过什么、当时在看哪个页面。

研究者把这背后的转变描述为从多渠道管理走向全渠道管理:Verhoef、Kannan 和 Inman(2015)写的是把渠道和触点放在一起管理,使客户跨渠道的整体体验得到优化,而不是每个渠道各管各的。维基百科对这个词的概括从客户一侧说了同一件事:在联系渠道内部和渠道之间,体验是无缝的。

留意这个定义没有要求的东西:一长串渠道。一家只有网站和聊天窗口、两者共用一份客户记录的企业,比一家有七个渠道、每个渠道各存一份名单的企业更接近全渠道。这就是本文的论点:该建设、该衡量的,是渠道之间的连接,也就是身份和上下文,而不是渠道的数量。跨渠道的衡量在全渠道分析里讲;本文讲互动本身,衡量什么,以及怎么把各块连起来。

多渠道和全渠道:界线在哪里?

这两个词常被当成同义词用。实际的区别在于渠道之间是否共享数据。

多渠道全渠道
渠道好几个,各自单独管理好几个,作为一个体验来管理
客户记录每个渠道一份跨渠道每人一份
客户要重复什么问题、订单号、历史很少或不用
谁对数字负责各渠道负责人各管各的指标共享的旅程视图
怎么数客户各渠道数字相加(偏高)去重后的人数
典型失败「请再告诉我们一次您的邮箱」错误匹配,把两个人混在一起

关于这张表有两点。其一,全渠道不是「更多的多渠道」。你可以加第五个渠道,结果反而更不像全渠道,因为它又多了一份独立的记录。其二,最后一行很重要:连接身份也有它的失败方式,也就是错误合并,让一个人看到另一个人的历史,这是隐私问题,而不只是准确性问题。「怎么跨渠道连接身份」一节讲能降低这种风险的规则。

数字互动(digital engagement)在哪个位置?

数字互动是范围更窄的词:一个人通过数字触点(访问网站、App 会话、聊天、邮件打开、产品内操作)与你发生的互动,以及互动有多少。它衡量的是活动量。全渠道互动在此之上增加了一个要求:对每个人,这些数字触点(以及你有数据的线下触点)是连起来的。

一个简短的检验能看出区别。假设一位客户一个月里有 12 次数字互动:网站 7 次、App 4 次、聊天 1 次。数字互动数的是 12。全渠道互动还要再问一个问题:第 20 天的那次聊天里,客服看到前面 7 + 4 次互动了吗?看到了,互动就是连起来的;没看到,你有的就是 12 次互动,而没有全渠道互动。下一节的指标,衡量的正是这个差距。

用哪三个指标看它是否有效?

数渠道或数消息,看不出互动是不是连起来的。三个指标可以,而且都能用大多数团队已有的数据算出来。

1. 身份关联率。 在不止一个渠道活跃的人里,被认成同一个人的占比:跨渠道关联上的人数 ÷ 在两个或以上渠道活跃的人数。它告诉你,多渠道活动里有多少能被你当成一条完整旅程看到。比率低,说明客户在渠道之间移动,而你的数据把他们当成陌生人。

2. 重复提问率。 客户不得不重新提供已在别的渠道给过的信息的联系占比。抽 100 或 200 条最近的聊天或客服联系,数一数有多少条是以一个答案其实已有记录的问题开头(邮箱、订单号、他当时在看的页面)。这是个手工指标,这没关系:它正是客户抱怨的那件事。

3. 跨渠道转化率,小心地读。 在两个或以上渠道活跃的人,和只在一个渠道活跃的人,转化率的对比。营销材料里引用的就是这个指标,它也最容易被误读。用两个渠道的人,本来就通常更投入,所以他们转化率更高,并不能说明是增加第二个渠道造成了差异。用它看投入度高的客户在哪里;要检验一个改动有没有用,用改动前后对比或对照组。关于旅程的更大问题,见客户旅程分析。

还有第四个数字值得一起看:去重后的人数,和各渠道数字之和相比。它能快速检查,在关联之前,你对外说的受众规模被高估了多少。

指标怎么算需要什么
身份关联率跨渠道被认出的人数 ÷ 在 2 个及以上渠道活跃的人数渠道之间共用一个稳定标识,例如登录 ID
重复提问率客户重新提供已知信息的联系数 ÷ 抽样联系数手工抽样最近 100–200 条联系
跨渠道转化2 个及以上渠道的人与单渠道的人的转化率对比去重后的人数和一个目标;当作模式读,不当作因果

同时把去重后的人数和各渠道数字之和对比。

算例:一家店,三个渠道

示例数据:一家网店查看自己的网站、App 和在线客服一个月的活动。

关联之前,每个渠道数自己的标识:网站访客 6,200,App 设备 2,600,聊天联系人 900。

  • 各渠道标识之和:6,200 + 2,600 + 900 = 9,700。

按登录 ID 关联之后:

  • 700 人同时出现在网站和 App 里。
  • 900 个聊天联系人中,有 450 个匹配到了已在网站或 App 里出现过的人。
  • 为了简化,假设没有人同时出现在三个渠道里。
  • 去重后的人数:9,700 − 700 − 450 = 8,550。

所以各渠道数字相加,把受众高估了 9,700 ÷ 8,550 − 1 = 13.5%。

指标 1,身份关联率。 在两个或以上渠道活跃的人:700 + 450 = 1,150。占所有人的 1,150 ÷ 8,550 = 13.5%(和高估幅度是同一个数,因为关联去掉的每一个标识,都是一个在第二个渠道里被看到的人)。聊天这一侧,900 个联系人里匹配了 450 个,所以聊天匹配率是 450 ÷ 900 = 50.0%:一半的聊天开始时,客服能看到之前的行为,另一半看不到。

指标 2,重复提问率。 团队读了 200 条最近的聊天,发现有 70 条里客服不得不去问别处已有的信息:70 ÷ 200 = 35.0%。因为有 50% 的联系人没匹配上,这是要靠提高匹配率压下去的数字。

指标 3,跨渠道转化。 1,150 个多渠道的人里,138 人购买:138 ÷ 1,150 = 12.0%。其余 8,550 − 1,150 = 7,400 个单渠道的人里,444 人购买:444 ÷ 7,400 = 6.0%。多渠道的人转化率是两倍(12.0% ÷ 6.0% = 2.0)。这不能证明用两个渠道会让转化翻倍。意向高的客户,更可能在同一个月里既用 App、又用网站、又用聊天。下表是这个月三个指标的读法。

指标示例值读法
身份关联率13.5% 的人在 2 个以上渠道确实存在重叠,所以关联有意义
聊天匹配率50.0%(900 里的 450)一半的聊天开始时没有上下文
重复提问率35.0%(抽样 200 里的 70)大约三分之一的聊天在重复提问
转化,多渠道 vs 单渠道12.0% vs 6.0%投入度高的客户在多个渠道;不是因果的证明

这个月的决定:提高聊天匹配率(例如让已登录的客户在登录状态下发起聊天),下个月重新抽样重复提问率。不要把「更多渠道」设成目标。

app.tapcub.com

关联前后的受众规模

示例数据,人数
各渠道标识之和9,700
关联后的去重人数8,550
在 2 个及以上渠道活跃的人1,150
示例数据
示例数据:网站 6,200 + App 2,600 + 聊天 900 个标识 = 9,700;关联 700 个网站与 App 重叠、450 个聊天匹配后,剩下 8,550 个去重的人,所以把各渠道相加,把受众高估了 13.5%。

怎么跨渠道连接身份?

上面的一切,都取决于能不能说「这个聊天联系人和那个 App 用户是同一个人」。四条规则能让关联可靠:

  1. 选一个稳定的键。 一个永远不变的登录 ID 或客户 ID,不要用 Cookie 值,也不要用人们会更换的邮箱。映射怎么运作见身份识别,设置它的调用见用户识别。
  2. 先用确定性信号做关联。 登录就是确定性关联:这个人证明了自己是谁。根据设备指纹或相似姓名去猜,是概率性关联,有真实的错误合并概率。优先用登录,把猜出来的关联当作置信度较低的。
  3. 保留撤销关联的办法。 共用一台设备时就会发生错误合并。你需要能把一台设备从一个人身上拆下来,并看到什么时候关联了什么的日志。
  4. 关联用的数据保持最少。 关联用一个 ID 就行,不需要出生日期或住址。在渠道之间带的个人数据越少,关联出错时造成的伤害越小。

同样的逻辑也适用于从跨渠道营销角度看这个问题:协调活动见跨渠道营销,那是和连接对话不同的另一件事。

全渠道互动的常见误区

  • 把渠道数量当成进展。 从三个渠道增加到五个、记录却各自独立,会降低你能认出的客户占比。跟踪身份关联率,而不是渠道数。
  • 把各渠道受众相加。 在算例里,把渠道数相加,受众被高估了 13.5%。汇报去重后的人数。
  • 把跨渠道转化当成因果。 12.0% 对 6.0%,反映的是谁会选择多个渠道。用改动前后对比或对照组来检验。
  • 合并身份却没有退路。 一台家庭共用的平板,迟早会把两个人关联到一起。要为拆分做好准备。
  • 忽略同意。 关联身份就是处理个人数据;连接渠道之前,先查你的同意和隐私设置在各个地区允许什么。
  • 只衡量量。 每个渠道的消息数,说的是你有多忙,而不是客户有没有重复自己说过的话。抽样看重复提问率。

在 TapCub 里怎么看到连起来的互动

TapCub 在一个项目里覆盖网站、App、小程序和在线客服。它不发邮件或推送,所以它连接的渠道,是人们浏览、使用产品和与你交谈的那些。算例里的那家店会这样用它。

  1. 识别已登录的人。 人登录时调用 tapcub.login()。之后一个登录 ID 就是一个人,跨网站、App 和小程序,一台设备上的首次登录会把这台设备更早的匿名历史挂过来。从不登录的访客留在汇总报表里,不建档案。
  2. 读时间线。 在全端分析 › 用户 › 用户里打开一个人,看按天排列的时间线,它合并了这个人绑定的各台设备。用平台字段看哪些动作发生在网站、App 或小程序,也可以按浏览、事件、错误或身份筛选。
  3. 用身份映射衡量关联。 全端分析 › 用户 › 身份映射会对比所选日期内的访客、设备和人数,显示身份关联去掉了多少多余标识,并保留一份绑定和拆分的日志。这就是算例里的去重人数检查,由产品算好,其中的拆分操作就是规则 3 要求的退路。
  4. 让客服看到上下文。 在线客服和网站统计用同一个访客 ID。在客服 › 客服工作台里,侧栏显示访客来源、最近 2 天的浏览轨迹和过去的对话,一键打开统计里的访客档案。重复提问率就是在这里下降的:客服提问之前,能先看到访客已经做过什么。
  5. 对比聊过和没聊过。 客服 › 客服报表 › 转化归因对比聊过的访客和只浏览不聊天的访客的目标转化率,聊过的访客少于 30 人时提示样本太少。把它当指标 3 来用:是个原始差距,不是证明。
  6. 知道边界。 TapCub 不发邮件或推送,不跨渠道做活动,也不计算重复提问率;这一项仍然是手工抽样。它负责衡量和连接;说什么、在哪里说,由你来定。

FAQ

全渠道互动是什么?

全渠道互动是在多个渠道上与同一个客户互动,让每一次互动都接着上一次继续。在网站上问过发货日期的客户,不必在聊天里再说一遍。它取决于跨渠道连接身份和上下文,而不取决于你有多少个渠道。

全渠道互动和多渠道互动有什么区别?

多渠道是好几个渠道,各自单独管理、各存一份客户记录。全渠道是渠道共享对每个人的同一个视图,所以上下文跟着人走。渠道再多,也可以仍然是多渠道;区别在于数据共享,而不是渠道数量。

数字互动(digital engagement)是什么?

数字互动是一个人通过网站访问、App 会话、聊天和产品内操作等数字触点与你发生的互动,以及互动有多少。它衡量活动量。全渠道互动在此之上要求这些触点对每个人都是连起来的。

怎么衡量全渠道互动?

用三个指标:身份关联率(跨渠道被认出的人数 ÷ 在两个或以上渠道活跃的人数)、重复提问率(客户重新提供信息的联系占比,靠抽样)、跨渠道转化,当作一种模式来读,而不是因果。同时把去重后的人数和各渠道数字之和对比。

哪些渠道算全渠道?

只要能把行为和同一个人对上的渠道都算:网站、App、在线客服、邮件、电话、线下门店。数量不重要。共用一份客户记录的两个渠道,胜过名单各自独立的五个,因为价值来自把上下文从一个渠道带到下一个。

另见:客户支持渠道怎么选:成本、响应目标和排班。

另见:客户互动自动化:三条带数字的触发规则。

另见:客户互动想法:十二个做法和各自要看的指标。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

艾玛·柯林斯

产品分析师

聚焦事件分析、转化漏斗与用户留存,用清晰的指标定义和分析框架解释产品表现。

看同一个人在网站、App 和聊天里的轨迹

共享的访客 ID、每个人按天排列的时间线,以及给客服的聊天上下文,都在一个项目里。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie