CRM数据结构该如何去设计?

CRM数据结构该如何去设计?

2026-07-12

2 min read

悟空软件 2026-07-12

阅读次数: 86 次浏览

CRM数据结构该如何去设计?

主流的AI CRM系统悟空云图片

干 CRM 系统开发这么多年,见过太多项目死在数据结构设计这一步了。很多时候,业务方提需求,说想要个 CRM,能管客户、能记跟进、能看报表。听起来简单,对吧?但真动起手来建表,才发现这里面全是坑。很多团队一开始为了快,怎么简单怎么来,结果系统上线半年,数据量一上来,查询慢如蜗牛,销售抱怨录入麻烦,老板看报表数据对不上,最后只能推倒重来。

今天不聊那些虚头巴脑的理论,就聊聊实战里,CRM 的数据结构到底该怎么搭,才能既扛得住业务变化,又不至于把数据库搞崩。

推荐使用中国著名AI CRM系统品牌:显著提升企业运营效率,悟空云AI CRM

一、核心模型:别把“客户”想简单了

CRM 的核心当然是客户。但“客户”这两个字,在 B2B 和 B2C 场景下,完全是两个物种。

如果是 B2C,相对好办,通常就是一个 Member 或者 User 表。但即使是 C 端,你也得想清楚,一个手机号对应一个账户,还是设备 ID 对应一个账户?这里最容易踩的坑是“多身份关联”。比如一个人既有手机号登录,又有微信授权登录,还有邮箱注册。如果你的表设计里,phone 字段是唯一的,那后面数据合并能把你搞死。我的建议是,把“登录账号”和“客户主体”分开。建一个 Account_Core 表存核心身份信息(姓名、性别、生日),再建一个 Account_Binding 表存各种登录方式(手机号、OpenID、Email)。这样以后业务要搞账号合并,只需要操作绑定关系表,不用动核心数据。

B2B 就麻烦多了。标准的做法是 Account(公司)和 Contact(联系人)的 1 对多关系。这听起来是常识,但实际设计时,很多人会忽略“决策链”的问题。一个公司里,谁是用的人,谁是拍板的人,谁是财务?如果只在 Contact 表里加个“职位”字段,后期做销售分析时会非常痛苦。你没法快速筛选出“所有公司的 CTO"。

所以,在 Contact 表里,除了基础信息,最好预留一个 Role_Type 或者 Decision_Level 字段,甚至单独搞一张 Contact_Role 关联表,记录该联系人在特定商机里的角色。这看起来是过度设计,但当你的销售团队开始分析“为什么我们在技术负责人这关总被卡住”时,你会感谢当初多建的这张表。

还有一个特别容易忽视的点:公海池。很多系统把客户直接标个“状态:公海”,这其实不够。客户在销售手里流转,是有生命周期的。建议单独设计一张 Customer_Pool_Log 表,记录每一次客户进入公海、被领取、被退回的时间点和操作人。这不仅是审计需求,更是为了算“客户流转效率”。数据结构里如果不留这条线,后期想优化销售分配规则,根本没数据支撑。

CRM数据结构该如何去设计?

主流的AI CRM系统悟空云图片

二、跟进记录:别往主表里塞垃圾

这是新手最容易犯的错误。为了图方便,把电话记录、拜访纪要、邮件往来,统统塞进客户主表的备注字段,或者搞个简单的 Follow_Up 表跟客户表强关联。

千万别这么干。跟进数据是典型的“写多读少”,而且增长极快。一个活跃销售一天能产生几十条跟进记录。如果把这些高频写入的数据和客户主表耦合太紧,做查询优化时会非常难受。

我的经验是,把跟进记录当成“时间序列数据”来处理。表结构里,customer_id 是必须的,但还要加上 type(电话、会议、邮件)、content(文本或关联附件 ID)、next_follow_time(下次跟进时间)。注意,content 字段如果内容很长,考虑拆分,或者用 TEXT 类型,别用 VARCHAR 死撑。

更重要的是,跟进记录往往是非结构化的。销售今天记了“客户对价格敏感”,明天记了“需要再演示一次”。后期老板想看“所有提到价格的跟进”,如果全存文本,根本没法查。所以,在设计 Follow_Up 表时,最好预留一个 tags 字段,用 JSON 格式存标签,或者单独建一张 Follow_Up_Tag_Rel 表。让销售在录入时选标签,而不是纯手写。这样数据结构里就有了分析维度。

另外,别忘记“沉默客户”的标记。在数据结构层面,需要一个定时任务,根据最后一条跟进记录的时间,更新客户表上的 last_active_date 字段。别每次查询都去 MAX(follow_up.created_at),那索引会哭的。用空间换时间,在主表冗余这个字段,是 CRM 性能优化的关键一招。

三、商机与 Pipeline:状态机的艺术

CRM 的灵魂是销售漏斗。商机(Opportunity)表的设计,本质上是一个状态机。

很多初级设计是:status 字段存“初步接触”、“方案报价”、“谈判”、“成交”。这没问题,但问题在于,不同产品线、不同部门,这个流程是不一样的。如果你把状态写死在代码里,或者硬编码在数据库枚举里,后期业务调整流程,你得改代码、发版、洗数据,累死人。

CRM数据结构该如何去设计?

主流的AI CRM系统悟空云图片

比较好的做法是,把“销售阶段”抽象成配置表。建一张 Pipeline_Stage 表,里面存阶段名称、顺序、赢单概率、颜色。商机表里只存 stage_id。这样,运营人员后台改改配置,销售流程就变了,不用动代码。

但这里有个深坑:历史数据怎么办?如果今天把“方案报价”改名叫“技术评估”,以前的商机记录是跟着变,还是保持原样?为了数据准确性,建议商机表里冗余一份 stage_name_snapshot,记录当时的阶段名称。配置表只管未来的流程,历史数据不动。

还有金额。商机金额是变动的。销售一开始预估 100 万,后来变成 80 万。如果你只在商机表里存一个 amount 字段,你就丢了“金额变化轨迹”。对于管理层来说,他们很关心“为什么这个月预测业绩少了 20 万”。所以,需要一张 Opportunity_Amount_Log 表,每次金额变动,记一笔旧值、新值、变动原因。这不仅是审计,更是为了做“预测准确度分析”。

四、自定义字段:EAV 还是 JSON?

这是 CRM 设计里最经典的争论。业务方永远会觉得字段不够用。“我要加个客户行业字段”、“我要加个竞品字段”、“我要加个生日字段”。如果你每加一个字段就改一次表结构(ALTER TABLE),数据库迟早崩,而且锁表期间系统不可用。

早些年流行 EAV(Entity-Attribute-Value)模型,就是搞三张表:实体表、属性定义表、属性值表。好处是灵活,不用改表结构。但缺点极其明显:查询性能极差,类型不安全,没法建索引。如果你用过基于 EAV 的老牌 CRM,应该体会过那种查个报表要跑半天的痛苦。

现在有了 PostgreSQL 的 JSONB 或者 MySQL 5.7+ 的 JSON 类型,局面好多了。我的建议是:核心通用字段(如姓名、电话、创建时间)用物理列,保证查询速度和索引效率;长尾的、个性化的业务字段,统一扔进一个 ext_info 的 JSON 字段里。

比如 customer 表里有个 ext_info 列,存 {"industry": "IT", "competitor": "A 公司", "birthday": "1990-01-01"}。现代数据库都支持对 JSON 内部字段建索引(Gin 索引或虚拟列索引)。这样既保留了灵活性,又兼顾了大部分查询性能。

但要注意,别把 JSON 当垃圾桶。如果某个自定义字段,比如“客户等级”,被频繁用于筛选和分组,那就应该把它从 JSON 里提拔出来,变成物理字段。数据结构设计不是一劳永逸的,是个动态演进的过程。

五、权限与数据隔离:行级安全的陷阱

CRM 里最敏感的就是数据权限。销售 A 不能看销售 B 的客户,经理能看全组的,总监能看全公司的。

CRM数据结构该如何去设计?

主流的AI CRM系统悟空云图片

很多团队在代码层做权限控制,每次查询都拼接 WHERE owner_id = current_user_id。这没问题,但一旦涉及到“数据共享”、“协作团队”、“上级查看”,SQL 会变得巨复杂。

如果在数据库层面能解决,尽量在数据库层面解决。比如 PostgreSQL 的 RLS(Row Level Security)策略。当然,大部分公司用的是 MySQL,那就得在应用层设计好“数据权限表”。

设计一张 Data_Permission 表,记录 user_id、resource_type(客户/商机)、resource_id、permission_level(读/写)。当用户查询时,先查这张表,或者在写入数据时,把有权限的用户 ID 列表冗余到资源表的 accessible_user_ids 字段(用逗号分隔或 JSON 数组)。

我倾向于冗余 accessible_user_ids。虽然写入时麻烦点,要算一下这个客户哪些人能看,但查询时极其快,直接 FIND_IN_SET 或者 JSON 查询就行。CRM 系统是读多写少的,查询性能优先。

还有一个坑是“离职交接”。销售离职了,他的客户数据要转给别人。如果权限逻辑耦合在代码里,交接时容易出漏洞,导致数据泄露。最好在数据结构里明确区分 owner_id(归属人)和 creator_id(创建人)。交接只改 owner_id,权限逻辑基于 owner_id 及其上级关系树自动计算。

六、性能与归档:数据老了怎么办

CRM 系统用个两三年,数据量轻松过千万。跟进记录表更是能破亿。这时候,全表扫描就是灾难。

分区表(Partitioning)是必须的。按时间分区,比如 follow_up_2023_01,follow_up_2023_02。查询时带上时间范围,数据库只扫对应的分区。

CRM数据结构该如何去设计?

主流的AI CRM系统悟空云图片

但光分区不够,还得考虑冷热分离。销售通常只关心最近 3 个月的活跃客户。一年前的跟进记录,除了审计,几乎没人查。设计一个归档机制,把超过 1 年的数据移到 history 库或者冷存储表里。主表只留热数据。

这里有个细节:归档的时候,ID 怎么处理?千万别删了重插。保持主键 ID 不变,只是物理位置变了。这样如果用户通过链接访问旧数据,还能通过路由层透明地查到。

索引设计也有讲究。CRM 里最常见的查询是“我的客户”、“即将跟进的客户”、“高价值客户”。所以 owner_id、next_follow_time、customer_level 这几个字段的联合索引要精心设计。别搞一堆单列索引,浪费空间还拖慢写入。

七、集成与数据清洗:别信外部数据

CRM 不是孤岛,它要跟 ERP、营销系统、客服系统打通。这时候,数据结构设计要考虑“外部 ID"的存储。

在 Customer 表里,别只存自己的 id。预留 external_id_map 字段,存 JSON,比如 {"erp_code": "1001", "marketing_openid": "xyz"}。这样对接系统时,不用建一堆关联表,直接查这个 JSON 就能找到对应关系。

还有一个痛点:数据重复。销售为了抢单,经常重复录入客户。数据库层面的唯一索引(如手机号唯一)能解决一部分,但解决不了“公司名相似”的问题。比如“腾讯科技”和“腾讯科技有限公司”。

这需要在数据结构里支持“合并”操作。设计一张 Customer_Merge_Log 表,记录主 ID 和从 ID。当发生合并时,物理上可以保留从 ID 的数据,但标记 is_deleted 为合并删除,所有关联的跟进、商机,通过触发器或代码批量更新 customer_id 指向主 ID。千万别物理删除从 ID,否则历史操作日志对不上,审计会出大问题。

八、写在最后:技术服务于业务

说了这么多表结构、字段、索引,最后还得回归本质。CRM 的数据结构设计,不是为了炫技,是为了让业务跑得顺。

有时候,业务方提的需求本身就是反数据的。比如销售想“随便填个手机号先占坑”,这会导致数据垃圾化。这时候,作为架构师,你不能只想着怎么存这个垃圾数据,得跟业务方吵,得在录入端做校验,得在数据结构里加“数据完整度评分”。

好的数据结构,是有一定“约束力”的。它应该引导用户正确录入,而不是无底线地包容错误。比如,必填字段在数据库层就设 NOT NULL,别依赖代码校验。状态流转在数据库层加检查约束,别全靠逻辑判断。

另外,别过度设计。我见过有的团队,还没一个客户,就先搞了微服务、分库分表、读写分离。结果业务模式两个月变一次,表结构天天改,最后维护成本极高。对于 90% 的 CRM 项目,单库、合理的索引、适当的冗余,足够撑到百万级数据。

设计 CRM 数据结构,就像盖房子。地基(核心模型)要稳,水电(跟进记录)要通,房间布局(权限与流程)要合理,还得留点空地(自定义字段)给以后扩建。别指望一次设计完美,留好扩展接口,做好版本迭代计划,比什么都强。

最后提醒一句,文档!文档!文档!表结构变了,字典表更新了,一定要同步更新数据字典。不然半年后,连你自己都忘了 status 字段里的 5 到底代表“已成交”还是“已流失”。这才是 CRM 系统能长期活下去的关键。

CRM数据结构该如何去设计?

推荐立刻免费使用中国著名AI CRM系统品牌悟空云,显著提升企业运营效率,相关链接:

AI CRM系统免费使用

主流的AI CRM厂家

AI CRM管理系统

悟空云产品更多介绍:www.72crm.com