如何進行互聯網金融運營數據的分析,都有哪些方法?
在互聯網金融的運營過程中,我們會獲得大量數據,比如註冊轉化率,充值轉化率,渠道來源數據,客戶構成數據等,大家都是使用怎樣的分析方法來進一步挖掘分析數據的呢?
我們之前做過一期互聯網金融的公開課,「互聯網金融增長寶典:三大步驟提高轉化,搞定用戶運營」,主講人是 GrowingIO 的業務增長負責人徐主峰,曾任職 Criteo、Microsoft 等公司,有豐富的電商、互聯網金融客戶解決方案經驗。 這是公開課的速記整理。這是一篇互聯網金融寶典,我推薦給所有轉化率只有 1%、總是為誰可能是你的購買用戶而犯愁的互聯網金融的高管、PM、市場運營和銷售們。本文通過實戰案例,手把手教你建立轉化指標、 梳理分析思路、提供分析步驟並最終建立用戶行為分析模型。文 / 徐主峰
第二,雖然轉化率低,但是客單價卻很高。一般來說,電商行業客單價在幾十到幾百,而互聯網金融客戶,客單價從幾千到幾萬,某些特殊領域甚至高達幾十萬。而客單價高,就意味著用戶購買決策會更複雜,購買周期也會更長。
第三,用戶購買行為有很強周期性。電商的客戶下次購買時間是不確定的,但是互聯網金融平台上,真正購買的用戶,是有理財需求的用戶,在資金到期贖回產品後,一定還會進行下一次購買,只不過未必發生在你的平台上。
下圖是一個典型互聯網金融用戶的交互趨勢圖:
可以看到,每隔一段時間,這個用戶就會有一段集中的、大量的交互行為。當用戶購買完成後,用戶的交互行為又變得很少,可能偶爾來看看產品的收益率,但整體的交互指標不會太高,直到他下一次購買。這個用戶理財需求的周期是一個月左右。
最後一個特點是「很強的特徵性」,主要包括兩個特徵:
A:用戶的購買偏好比較容易識別,理財產品數量和品類都很少,所以用戶購買的需求或者偏好,很容易從其行為數據上識別出來。
B:用戶購買過程中的三個階段特別容易識別:
二、互聯網金融用戶運營的三大步驟
用戶在購買決策階段,有大量的交互事件產生,他會看產品,比對不同產品的收益率和風險,比對不同產品的投資期限等等;
但是一旦他完成了產品的購買,就不會有大量的交互行為產生,他可能僅是回來看一看產品的收益率。
當用戶的產品資金贖回之後,又有大量的交互事件產生,實際上他處在下一款產品購買的決策期。
針對互聯網金融用戶行為的四個特徵,在用戶運營上有三個比較重要的階段性工作:
1.首先,獲取可能購買的目標用戶,合理配置在渠道上的投放預算,以提高高質量用戶獲取的比例:
渠道工作的核心,主要是做好兩方面的工作:宏觀層面,優化整個渠道的配置;微觀層面,單一渠道角度來說,根據渠道配置的策略,有針對性地實施和調整。
具體渠道的實施,大家都比較熟悉,但是對於整個渠道組合配置的優化,很多人接觸的其實並不多。
這張圖是整體轉化漏斗,從不同維度可以做對比,比如我們先選出流量前 10 的渠道:
以渠道一為例,總體的轉化率是 0.02%;在過去 30 天站內總體的流量是 18.9K,漏斗第一級到第二級的轉化率是 3.36%,這樣一共是五級,我們看到最終渠道一帶來總體的成交用戶一共是 4 人。
類似的,前 10 的渠道數據都很清晰。不同渠道帶來的流量,不同渠道總體的轉化率,以及不同渠道在整個轉化路徑上每步的轉化率都可以看到。
這裡面有幾個渠道很有特點:
渠道一的特點,渠道一帶來的流量是所有 10 個渠道里最大的,但是它的總體轉化率卻是低的;
渠道二和渠道七,渠道二的量很大,但是轉化率是零。渠道七量比較一般,轉化率也是零;
渠道九和渠道十,這兩個渠道是所有渠道里轉化率最高的。但是這兩個渠道特點,是帶來流量不是特別大……
結合典型渠道特點,可以做一個象限圖:
第一象限(右上角)渠道質量又高,帶來流量又大的,這裡面渠道三四五是符合這個特徵的,渠道策略應該是繼續保持和提高渠道的投入。
第二象限(左上角)渠道的質量比較高,但帶來的流量比較小,這裡面包含的主要渠道就是八九十。對應的主要策略是,加大渠道的投放,並且在加大投放的過程中,要持續關注渠道質量的變化。
我們先看第四象限(右下角),渠道質量比較差,但是帶來流量比較大,這裡面主要有渠道一和渠道二。相對應的渠道策略,應該在渠道做更加精準的投放,來提高整個渠道的質量。
第三象限(左下角)這個象限里渠道質量又差,帶來流量又小,比如渠道六跟渠道七。我們是否要直接砍掉?這裡建議是,策略上要比較謹慎一些。所以在具體渠道的策略上,業績保持監測,然後小步調整。
根據上面數據分析得出的結果,做過渠道優化後,就會為我們帶來更多高質量的用戶。
2.接下來就要把高價值的用戶——真正有購買需求,願意付費、購買的用戶找出來。
將資源與精力投入到真正可能購買的用戶上的前提是,我們要能夠識別出,哪些是真正有價值的用戶?哪些是價值偏低的用戶?
其實對於互聯網金融平台來說,甚至所有包含在線交易的平台,用戶的購買意願,是可以從用戶的行為數據上識別出來的。由於互聯網金融平台的特殊性,相比於電商平台來說,商品品類更少,平台功能也更為簡單,所以用戶的行為數據,也更能反應出互聯網金融平台上用戶的購買意願。
把用戶在平台上的所有行為總結一下,核心的行為其實並不多,具體包括:
用戶查看產品列表頁,說明有一些購買意願,點擊某個產品,說明用戶希望有進一步的了解。用戶最終確認了支付,完成了購買,購買流程就走完了,他的理財需求已經得到了滿足。每一種行為都表示出用戶不同程度的購買意願,所以獲得用戶在產品里的行為數據就十分重要。
既然用戶行為數據這麼重要,那麼怎樣獲取呢?GrowingIO 以無埋點的方式,全量採集用戶所有的行為數據,根據我們對業務的需求,配比成不同的權重係數,並按照每個用戶購買意願的強弱,進一步分群。
這是我們一個客戶製作的用戶購買意願指標的範例,剛才的前 5 個行為,都是用戶在購買前典型的行為:
每種典型事件的權重係數不一樣,用戶購買意願是越來越強的:用戶點了投資按紐,甚至點了提交的按鈕,顯然要比他單單看產品列表頁,或者單單看產品頁、詳情頁的意願強。越能反應用戶購買意願的事件,你給它分類的權重應該是最大的,這是大的原則,0.05 還是 0.06 影響並不大,所以不必糾結。
這樣通過這種方式,我們就可以按照每個用戶的所有行為,給用戶做購買意願打分的指標,最終形成用戶購買意願的指標。
這是我們從高到低截取部分用戶購買意願打分的情況,第一列是每個用戶的 ID,第二列是按照購買意願給每個用戶打分的情況。得分高的,就是購買意願最強烈的用戶。
拿到所有用戶購買意願之後,我們就可以按照用戶購買意願的強烈與否,把所有的用戶分成不同的群體,來做針對性的運營。
這是在把用戶在過去 14 天內,由其產生的所有行為數據,按照購買意願打分的權重,把打分大於 5 的用戶找出來,在總體用戶里,這部分用戶購買意願排名前 20% ,我們給它起個名字,叫購買意願強烈的用戶。
類似我們還做了購買意願中等的用戶分群,這是購買意願排名在 20-60% 之間的用戶;購買意願排名在最後 40% 的用戶,是購買意願最弱的用戶分群。
分群之後,點擊任意一個分群,都會以用戶 ID 的形式列出來。因為你要有用戶的 ID ,才能對這些用戶施加運營策略。每個用戶最近 30 天的訪問次數,最近的訪問地點,最後一次訪問時間都可以看到。
接下來針對這些購買意願強烈的用戶,怎樣推動用戶的轉化呢?
3.採取針對性的運營策略,提高高價值用戶的轉化率。
首先我們來看一下購買偏好,互聯網金融平台商品品類是比較少的,用戶購買的目的性也比較清晰,一般商品的品類有這麼幾種:
第一種:債券型理財產品
第二種:股票型理財產品
第三種:貨幣型理財產品
第四種:指數型理財產品
第五種:混合型理財產品…
我們把用戶在不同品類商品上的訪問時長佔比算出來,就能比較好地了解用戶的購買偏好。比如下圖,我們用用戶訪問債券型產品詳情頁的訪問時長,除以用戶在站內總體的訪問時長,就能夠得到用戶在債券產品上訪問時長佔比的指標。
我們還是使用用戶分群的工具,把在債券型產品上的訪問時長佔比大於40%的用戶分出來,這是有非常強烈表徵的客戶,他購買的偏好就是債券型的產品。
同時我們再設定另外一個指標,比如用戶購買意願指標,之前我們做過大於5,也就是購買意願排名在前 20% 的。
通過這兩個條件,我們就可以把購買偏好是債券型產品,同時有強烈購買意願的用戶找出來,這兩個指標的關係是並(and)的關係。同樣我們可以按照用戶的購買偏好,把關注其他品類的用戶,都做成不同的用戶分群,然後形成不同購買偏好的用戶群體。
針對這些用戶,其實在運營策略上,我們可以從三個層面來展開來進行做:
從購買階段的角度,首先我們把所有用戶可以分成新客和老客。對於這兩個群體來說,運營策略和運營重點是非常不一樣的。
新客群體,是從來沒有在平台上發生過購買的用戶,我們要根據用戶的購買意願,做進一步的運營。
老客群體,也就是在平台上已經發生過產品購買的用戶,除了關注用戶的購買意願之外,用戶的資金狀態(資金是否贖回)也是非常重要的參數。
用戶是否購買過產品?購買產品的用戶是否已經贖回資金?這兩個內容,其實是一個用戶當前的屬性。在我們分群的工作里,這有個維度的菜單,通過這個維度菜單,我們就可以把具有某種屬性的用戶找出來:
這裡我做了一個分群,我們可以看一下。在維度的菜單里,我們把是否購買過產品的維度值設置成了 1 。把資金是否已經贖回這個維度的值,也設置成了 1 。實際上是把那些資金已經贖回的老用戶找出來;同樣在指標這個菜單里,我們同時也把有強烈購買意願的用戶找出來,時間是過去 14 天,指標大於 5 。
這樣我們就製作了一個用戶分群,而這個用戶分群里所有用戶,要滿足下面的三個特徵:
特徵一:購買過產品的老客。
特徵二:他們的資金,目前已經贖回了。
特徵三:過去 14 天內的行為數據,表明這個用戶有著強烈的購買意願。
同理我們把所有用戶,整理為下面幾個不同類別,對應不同的運營策略:
比如新客里,當前有購買意願的,其實他屬於購買決策期的新用戶。應該根據用戶的購買偏好,推薦這種比較優質的理財產品。並給予一定的購買激勵,來促進這些新客在平台上的第一次購買,這個對於新客來說是非常重要的,以此類推。
相比於電商或者其他行業,互聯網金融平台結合行業和用戶的特點,從用戶行為數據分析的角度,驅動產品業務以及提高用戶的轉化率,有更加重要的意義。
備註:本文中數據產品截圖來自於 GrowingIO 矽谷新一代數據分析產品 。
諸葛io 在互聯網金融行業的數據分析還是比較見長的,我們的高級數據驅動顧問韓重明此前梳理過互聯網金融運營的數據分析思路,本文主要從以下四個方面分享,希望能夠幫到你。
1、基於用戶行為數據,用正確的指標把握互金產品的運營現狀
2、以用戶對平台的信任感為軸線做互金產品用戶生命周期管理
3、利用對用戶洞察的三大利器精細化做互金產品的用戶運營、品類運營
4、通過數據的深度挖掘和探索讓互金產品業務增長
以下為正文:
一.互聯網產品增長的三駕馬車
互聯網產品增長的三駕馬車:流量、轉化和留存
如何用行為數據衡量這三大模塊兒?我們結合互金產品來看:
1.從流量數據來衡量:
1)對比不同渠道的用戶註冊情況
2)對比不同渠道用戶的實名綁卡轉化
3)對比不同渠道用戶的首次購買情況(復購和渠道的關係就不是很大了)
對渠道質量的評估本身受兩個因素影響,一個是渠道本身,另一個就是載體。凡是能促達到真實用戶的渠道就是真渠道,但是你是否對渠道載體即傳播內容做過評估?什麼樣的活動形式帶來的轉化多?什麼樣的內容用戶願意查看?目標用戶的群特徵可能適合什麼樣的營銷策略?所以,如果你沒有把握不做渠道也能獲得流量的增長和品牌的傳播,那就試著關注你的目標用戶的特徵,分析分析傳播的內容本身。
2.從轉化數據衡量
1)註冊轉化率:開始註冊-&>…-&>完成註冊
2)綁卡轉化率:綁定銀行卡-&>…-&>綁定銀行卡成功
3)實名轉化率:點擊實名認證-&>…-&>實名認證成功
4)取現轉化:查看可提現金額-&>提現-&>…-&>提現成功
不僅要知道最終的轉化率,對於特定的用戶行為路徑,要能找到優化空間和流失節點。當然,從用戶角度出發,我們還要看有多少用戶完成了從註冊-&>購買的轉化,即投資率;多少用戶完成了首投-&>再投的轉化,即復投率。
3.從留存數據衡量:
留存是互聯網產品運營的終極指標,當然,它不僅僅是大家理解的今天有10個人打開了app,這10個人中有7個人第二天又打開了。對於不同的平台,他的定義是不一樣的,對於內容、社區、閱讀類產品,他勉強可以基於用戶打開這一維度看次留、7日留、30日留存。因為這些平台本身就是要用戶流量、要活躍。通過用戶的使用頻次就可以評估產品的粘性和健康度。但是對於金融產品,他對留存用戶的判斷依據是什麼呢?是有多少人在我平台上看了、買了理財產品,看這些人的留存情況。
結合諸葛io的自定義留存功能來看:
初始行為為買過理財產品,回訪行為是買了理財產品的用戶群在最近7天的留存情況
產品經理可能要問:「以上說的貌似都是市場、運營對用戶的一個衡量,那我應該看什麼指標?「答案是:都看。產品承載著一切,產品設計直接影響轉化和對所有角色的評估,產品要看的是路徑設計是否合理,有沒有造成不必要的流失,流失節點有沒有優化的空間。如果有問題,最先要排除產品層面的問題。
總結:以上講的是數據驅動的第一步:以人為中心,用正確、精細的指標去評估產品、運營和市場工作。
基於這個模型,我們再往上走一層,看互金公司真正的運用場景是什麼?
二、互金公司用戶行為數據的運用場景是什麼?
流量和轉化之間最典型的一個場景就是新手期策略;在轉化和留存之間,我們把他定義為SKU和場景運營;在流量和留存之間是我把他定義為業務價值挖掘。
1.新手期策略
我們結合上圖模型來講:對於一個新用戶,需要解決的根本問題是:信任問題。如果說用戶對平台完全信任是100%,那核心用戶可能達到80%。對於一個新用戶,諸葛io把新手期的信任度設為60%,反映到用戶行為上就是完成了註冊、實名綁卡以及一次投資是40%,當用戶完成一次復投,他達到了60%,及格了。從新手變成了忠實用戶。
為什麼是從投資次數的單一維度劃分用戶?而不是從投資額、收益率、投資周期和投資次數多個維度來劃分?
我們先看前三個維度,首先,一個人能投多少錢是可以鼓勵和期待的,可能現在掙1w,保不準下個月就升職加薪掙2w,從原來投3K一下子變成投1w用來理財了。用戶對收益率、投資周期的接受程度是可以洞察、匹配和刺激的。一個非羊毛用戶,不管投多少錢,投什麼收益率、投什麼周期,他只要有一次投資行為,就是對平台的信任,如果他能有第二次投資,我們認為信任感增加了,達到了60%。能不能激發他,品類設計能不能最大化的匹配他的風險承受能力,是需要通過深度運營來刺激用戶的,也是下一個場景會講的。
以上只講了劃分的方法,如何運用到運營場景中呢?我們不可能每天對全量用戶做篩選,6個月前未轉化的用戶和上周註冊未轉化的用戶運營策略是不一樣的,甚至有沒有召回的必要都得另說,所以還得把握住用戶合適的時間節點。
運營場景舉例:
一個互金產品客戶,他們的用戶投資決策周期大概是3~7天,也就是從註冊到購買一次產品,如果一個用戶註冊了,但是7天內都沒投資,會暫定用戶可能要流失,然後找到這部分用戶,通過運營手段去留住用戶。所以,他們的新手運營人員會在每周去看上上周的用戶轉化情況。
15號,他會通過諸葛io用戶分群功能篩選出11.1~11.7的新增用戶,然後看這個用戶群的轉化,粉色部分是在當前節點流失了,點擊下邊的數字是可以看到群體畫像的。
總結:對用戶的劃分本質上是我們強加給用戶的,平台應該在合適的時機、甚至儘早識別用戶所處的生命周期,特別是新手期,無論是從多個維度還是單一維度劃分,唯一不變的是不同生命周期的用戶相加等於全量用戶,本質是為了管理和運營。所以,我們一般會找到一條主線,讓整個運營能夠清晰起來。
對於核心留存和流失的定義,我們需要需要清楚的知道用戶在平台上首投、復投的決策周期大概是多久,然後拿這個時間周期在一個大概還算有機會的時間區間內觸達用戶。
2.SKU/場景化運營
用戶度過了新手期,有了兩次投資,緊接著把用戶送入下一個運營場景: SKU/場景化運營。解決的就是60%到80%的信任問題。他是用戶能否從投資一些周期短,利率高的單一產品,到投資一些周期長,利率比較穩定的產品,甚至願意投資多個產品的進階設計或者是投資意願設計。在這個階段就少不了對用戶的洞察。我們需要知道用戶在平台所處的階段,註冊多久了、買過什麼、看過什麼最多,環境信息是什麼、標籤信息、理財偏好等。
說到SKU/場景化運營,就需要藉助用戶洞察的三大利器。何為用戶洞察的三大利器?
利器一:單體洞察
SKU/場景化運營,首先需要對單體用戶畫像的洞察。人是分析的最基本元素,需要清楚的知道每一個用戶所處生命周期、活躍情況、環境信息等。當然,當我去應用的時候,我不可能一個個看,我可能還需要知道到底有多少人也搜索了,查看產品了,有百分之多少的用戶在點擊立即投資時成功引導註冊了等使用情況洞察。
利器二:用戶行為路徑洞察
有了單體畫像,接下來就得看群體特徵了。簡單解釋一下:在用戶的一次啟動中,94.6%的用戶會搜索,搜索完可能百分之77的用戶搜到了,開始看產品詳情,然後又有62%的用戶加到了心愿單,可能說明用戶比較喜歡這種產品。對群體行為的洞察,讓我們擁有了一個全局視野,除了知道用戶在怎麼使用我們的產品,更重要的其實是對用戶行為背後的動機解讀。
利器三:精細化用戶分群
有了對用戶和對用戶行為的洞察,如何利用這些信息,一個很重要的手段就是通過精細化用戶分群來實現。
運營場景舉例:
目前服務的一家客戶,在上線某一個品類之前,他們會先面向部分用戶開放,然後去看購買了的用戶群體特徵,在平台處於什麼階段、之前購買過什麼,看過什麼最多,以及其他地域、性別、年齡等環境屬性。也會找到沒看、看了沒買的用戶找到他們的共性,然後結合多種條件篩選用戶群,大概評估他們的購買率,優先推送這些產品。有一周,一共上線了10幾款理財產品,轉化周期和轉換率都提升了一倍。
我們來看精細化用戶分群匹配產品的價值是什麼?
首先,交易量上去了。還有一個隱形價值是平台的風險被分攤了。過去是那種粗放式發展模式,平台承諾高收益、然後風險幾乎是百分百承擔。當有了信息紕漏,有了風險多維匹配用戶群的能力,其實是有個風險分攤的概念在的。有一個炒股多年的老手,一款理財產品5w起投,定期365天,收益11%,對他來說存進去可能不會因為有點風吹草動就要提現。
3、最後一個場景,業務價值挖掘。
如果前面的衡量、和初級運用都沒做好,基於數據的業務價值探索可能你暫可不做。比如,留存和投資次數的關係?如何進行用戶觸達產品核心價值的歸因分析?即到底哪些因素會影響用戶的購買,是高收益還是平台背書還是某一個角標設計。如何尋找產品增長點?如果我能把註冊轉化提升百分之五,投資轉化能提升多少?
用數據驅動產品增長提高了各個工作環節的決策效率、也降低了決策成本,但對於業務價值探索,比如從設定目標,到樣本篩選、到用戶群定義和對比,再到基於對業務的理解找到相關性較高的行為特徵,最後可能還需要反向分析驗證。這本身是有一定的門檻和需要掌握一定方法的,怎麼理解剛才一口氣說的這麼多呢?舉個栗子,我知道在購買用戶的所有行為事件中,查看發現欄這一行為的活躍比最高,達到了70%,但是,我並不能認為看發現欄能促進用戶購買,還要反向進行驗證。
不過,看似複雜,在一個擁有數據分布人員或BI部門的公司,基於諸葛io的數據分析平台,其實沒有那麼複雜,當然,我們也會持續把服務客戶過程中產生的方法論分享,讓更多一線的業務人員能將諸葛io的平台價值發揮的更大。
另外,有一篇運營方面的內容供你參考:運營與增長黑客只差一個數據驅動
也歡迎體驗一下諸葛io全新的2.0 ,包含粘性分析功能(評估產品粘住用戶的能力,配合留存指標一起分析,更全面的了解用戶使用情況)、搜索引擎關鍵字自動識別(不僅關注到用戶來自哪裡,同時了解來自搜索引擎搜索的哪個關鍵字)等新功能,希望能幫你簡化運營的工作。
更多乾貨歡迎關注我們的公眾號諸葛io數據教練(ID:zhugeio1)
金融業起源於公元前6世紀的希臘,是國民經濟發展的重要晴雨表。眾所周知,經濟基礎決定上層建築,金融業在整個社會發展進程中扮演著重要角色。在互聯網高速發展的今天,互聯網金融更是上升到了國家重點戰略的高度。
互聯網金融不是互聯網和金融業的簡單結合,而是為了適應新的需求而產生的新模式及新業務,是傳統金融行業與互聯網精神相結合的新興領域。
永洪科技高級副總裁王桐強調說:「互聯網金融與傳統金融業的區別不僅僅在於金融業務所採用的媒介不同,更重要的在於金融參與者深諳互聯網『開放、平等、協作、分享』的精髓,通過互聯網、移動互聯網等工具,使得傳統金融業務具備透明度更強、參與度更高、協作性更好、中間成本更低、操作上更便捷等一系列特徵。」
互聯網和大數據的興起給傳統金融業帶來了三大改變
1、數據和信息傳遞更加方便:在這個以快致勝的時代,方便快捷的數據傳遞無疑是金融業發展的巨大推動力。
2、數據風控:徵信數據記錄了個人或法人組織過去的信用行為,這些行為將影響其未來的貸款、借款等經濟活動,徵信藉助大數據技術將有助於互聯網金融的風險管理決策。
3、數據的挖掘和分析:從海量增長的數據中挖掘其蘊含的內在信息,這些信息服務於金融決策將提升決策質量,加快行業發展。
四步打造數據分析體系
1、確定目標:首先要通過數據化運營,確定想要加強的核心目標,比如提高用戶活躍度、增加用戶數、增加交易量、降低壞賬率等等。目標與目標之間往往具有層次和關聯關係。
2、分解指標:針對目標,梳理需要哪些KPI指標來監控或分析。進一步明確指標的計算公式、解讀方式、響應策略等。
3、細化數據項:針對指標的計算公式,找到所涉及的所有數據項和欄位,並且明確這些欄位分別在哪些庫的哪些表裡,是否需要數據清洗,清洗規則是什麼。
4、系統實施:先自上至下梳理數據運營體系,然後再自下至上進行數據分析系統構建實施,將數據化運營真正落地。
敏捷BI——大數據時代的新興BI模式
數據量越來越大,從上千萬到上億,增長速度也變得越來越快,新的BI(商務智能)需求不斷出現,傳統BI對大量數據進行分析的過程儘管很成熟但是卻存在一些不容忽視的問題:靈活性較差。一旦出現需求變化就必須要對已有模型進行全方位的改造,耗時長,響應速度慢,無法滿足當下需求瞬時萬變的新形式。
為了緊跟需求變化的步伐,敏捷BI出現在了公眾的視野中,敏捷BI可以將數據連進來直接進行分析,極大增加靈活性,真正做到和數據對話,加快互聯網金融發展的步伐。
大數據——互聯網金融的中流砥柱
王桐表示,未來互聯網金融和傳統金融將會相互融合,帶動整個金融業的產業能力升級。供需雙方如何在平衡中螺旋式上升、風險控制如何系統化保障,這些核心問題都離不開大量的、實時的數據分析,因此大數據自始至終都是整個金融業的重中之重。
歡迎各行業體驗Yonghong,輸入賬號:yonghong 密碼:yonghong123,通過數據收集和分析,快速製作報表。
PC端可以打開永洪科技官網,進入「支持-在線學習」欄目下即可登錄體驗。快來開啟你的炫酷大數據分析之旅吧!
因個人工作親身參與Formax集團(金融圈)的從0-1的數據體系搭建過程中。上面各位老師從理論層面做了比較詳細的講解,我從一個真實案例說起。
先對該公司做個背景介紹:Formax集團(金融圈)是一家致力於提供全方位金融服務的創新性公司,目前提供包括港美股、外匯、P2P等互聯網相關的產品和服務,以及與財富管理和投資諮詢、消費金融信貸諮詢相關的整合型、綜合性金融產品與服務。(來自百度)
接下來,我從需求梳理、事件指標的設計、數據接入、數據分析的全流程進行詳細介紹。
一、梳理需求
Formax集團內部按照事業部進行業務線的劃分,每個事業部負責一條業務線,並獨立的運營、產品和技術人員來負責。業務部門希望可以將行為數據與業務數據進行打通,以實現更精細化的運營。Formax集團APP針對其實際情況,梳理其主要的數據分析需求:
(一)對公共平台(即Formax集團旗下金融圈APP)用戶情況精細化分析需求;
Formax集團各業務線需求由集團統一整體對接。通過數據分析,希望能夠評估整個平台公共功能的使用情況,包括:
? 用戶情況:包括獨立訪客、頁面訪客、活躍用戶數、新增用戶數、註冊用戶數等,各業務的活躍用戶數等;
? 產品使用情況:包括平均使用時長、訪問時長分布、人均訪問頁面數、跳出率,主要頁面的PV等;
? 核心功能轉化漏斗:包括註冊流程、綁卡流程、出入金流程 ;
? 私信使用情況:包括不同類型人群的數量、使用未成功的數量、私信條數分布、發送私信時間分布等;
? 首頁功能模塊的使用:各個模塊和功能的點擊等;
? 用戶關注情況:關注的類型分為自選股、牛人、欄目訂閱號,不同類型的關注人數、新增人數等。
(二)Life平台精細化分析需求;
Life平台是Formax集團內部一個具有些許電商性質的平台,用戶可以使用積分或者貨幣來換取商品。對於Life平台的數據需求點包括:
? 用戶及產品使用情況:包括PV、UV、新增用戶數,使用該功能的時長,不同頁面的停留時長、跳出率等;
? 商品交易:包括各類目、各商品的瀏覽情況,各類目、各商品的交易情況,交易的轉化漏斗,商品復購情況等;
? 訂單數據:包括訂單量、平均發貨時間、平均送達時間等;
(三)關於外匯業務線的精細化分析需求;
外匯是Formax集團旗下APP上的頻道之一。除了提供基本的外匯交易功能,還提供Copymaster(Formax集團外匯跟單社區,是Formax集團第一款面向全球金融交易社會化產品,匯聚了全球外匯投資高手。)外匯交易工具,根據平台上真實交易收益篩選排名,普通投資者可以對特定的外匯投資高手使用「複製」功能,以期望實現最大的收益。因此在該功能中有兩類角色,一是高投資者,一個普通投資用戶。除一些基礎的產品使用情況,伴隨著交易對兩類角色的分析是他們更為關注的。企業十分關注兩類角色的產品使用情況。希望了解到:
? 產品使用情況:PV、UV、新增用戶,註冊用戶數,開戶用戶數,入金用戶數,各頁面的瀏覽,核心功能的點擊,使用時長等;
? 牛人投資者:申請牛人數、新增牛人數、放棄牛人數、在綁牛人數、牛人盈利比、牛人核心行為統計;
? 普通投資者:複製人數、成功複製人數、複製金額等:
? 交易數據:出入金人數、出入金金額、交易人數、交易金額、交易產品
? 核心漏斗:註冊開戶流程、入金流程、交易流程、複製流程
(四)對P2P理財業務線的精細化分析需求
針對此方面希望關註:
? 產品使用情況:PV、UV、新增用戶數,核心功能的點擊情況,不同頁面的停留時長,跳出率等;
? 交易情況:出入金情況,交易人數,交易金額、復投情況、優惠券使用情況、投資到期後續行為,債券轉讓情況等;
? 核心漏斗情況:註冊轉化、購買理財轉化、購買債券轉化、申請轉讓漏斗等。
(五)對股票業務線的精細化分析需求
和外匯類似,利用Forbag股票組合工具,可一鍵購買或賣出專業投資經理或者民間高手創建組合。
? 推送追蹤:接收push、點擊push鏈接
? 社區資訊:點擊、載入、評論、點贊、分享、分布
? 交易:出入金情況,股票的買入、賣出、撤單、沽空
? 跟單行為:跟單的牛人
? 核心轉化漏斗:開戶流程,入金流程,出金流程等
二、事件指標設計
根據以上的需求點,神策數據針對其實際業務情況和實際數據分析需求,做出了事件設計方案的建議。
第一,針對公共平台(即Formax集團旗下APP)用戶情況精細化分析需求;事件設計包括啟動和退出、APP瀏覽頁面、APP元素點擊、激活APP、註冊登錄、實名認證、綁定銀行卡、入金出金、分享等。
第二, 針對Life平台精細化分析需求;進行了瀏覽頁、提交訂單、支付訂單成功、發貨收貨等事件設計。
第三, 關於外匯業務線的精細化分析需求,進行包括外匯開戶流程事件、申請外匯高投資者事件放棄高投資者資格、購買外匯產品、購買外匯保收產品、外匯跟單等事件設計。
第四, 針對P2P理財業務線的精細化分析需求,設計了點擊理財產品、提交投資信息、支付投資項目、投資成功、投資到期、領取優惠券、債權轉讓等事件。
第五, 按照股票業務線精細化分析需求,針對開戶的每一步流程、瀏覽股票資訊資訊的點贊、評論、分享、發布,掛單撤單完成交易,高投資者跟單事件設計等。
以上事件包含豐富的屬性,結合用戶屬性,用來標記事件發生時的行為和用戶特徵,如:外匯跟單事件中,包含高投資者類型、高投資者ID等屬性,從而去分析不同牛人的跟單情況。再如,P2P理財相關事件中,包含理財產品類型、理財產品名稱、收益方式、投資期限、年化收益率、投資金額、優惠券ID、優惠券類型、優惠券金額、實際支付金額、投資收益、支付方式等屬性,從而可以去投資行為進行多維分析,了解不同產品類型、不同產品的投資情況,不同投資期限和收益率的投資分布,結合領取優惠券的行為去衡量優惠券的發放效果。
通過元素點擊和頁面瀏覽事件,可以採集APP中所有的元素點擊和頁面瀏覽,通過元素的內容、所在頁面的名稱等屬性區分用戶點擊/瀏覽的是哪一個元素/頁面。這些事件,作為自定義事件的補充,實現一些PV、UV、平均使用時長、平均訪問深度、跳出率,各功能的點擊情況等一些常規需求。
上述事件是Formax集團應用神策數據Sensors Data的前期的事件設計方案,隨著該企業的業務發展、對事件設計的理解、需求的變化對事件設計又進行了優化和調整。處於對客戶隱私的保護,只列出一個大概思路及框架。
三、數據接入階段
數據接入階段分為兩個部分,即接入方式和埋點方式。
(一)數據接入方式:
在該項目中,為保證數據接入的全面性和精準性,神策數據的數據接入方式包括前端數據採集與後端數據採集:
(1)普通的行為數據從前端採集;
(2)後端數據採集;
出金、入金、投資理財產品、購買外匯產品等重要事件採集從後端進行,發放優惠券這類只有後端才有記錄的事件從後端採集;一些事件中如提交訂單等,部門屬性是前段採集的如操作系統、地理信息等,部分屬性需要從後端採集如商品品牌,商品分類,商品價格等,此時由前端將所需前端能採集到的屬性傳給後端,和後端採集的信息進行拼接,統一由後端發送。
(二)數據埋點規範
由於企業業務線較多,在確定了每個事件的接入方式後,對埋點規範進行要求,包括:
1、事件和屬性名稱的規範
對每個事件,每個屬性都定義好埋點的英文名稱,保證各業務線、各端傳入信息的一致性。且為了便於區分不同的業務線,在事件前額外增加了前綴,如:理財事件的前綴 P2P,外匯事件的前綴 forex,股票事件的前綴 stock。如此既方便對事件的管理,也方便後續的分析使用。
2、事件採集時機的規範
明確好每個事件的採集時機,如元素點擊事件,是在該元素在前端被點擊時觸發;而交易成功類事件,如股票交易,購買P2P理財產品成功等,則是在服務端返回了成功信息後才觸發;明確的採集時機,使開發人員更加明確,減少了不必要的溝通成功,並且保證數據的準確性。
3、屬性採集範圍的規範
(1)同一事件多端採集屬性不一致時要明確
以瀏覽頁面為例。該企業平台有一套適用各端的標準的頁面ID體系,希望能將各端的瀏覽頁面行為進行統一分析。因此,他們沒有全部採用神策數據可以自動採集的PageView和AppViewScreen事件,而是web採用PageView,app端手動埋點。而PageView中有很多預置採集的屬性是app上沒有的,對於這類屬性需要明確的說明,以免給開發帶來困擾;
(2)特殊屬性的取值範圍要確定
有些事件是針對特定場景設計的,而其中的屬性取值是可以窮舉的,也是後續需要分析的點,就需要明確列出。如產品經理需要了解某些特定頁面的功能情況,而其他頁面的則不需要採集,此時就需要明確需要採集的是那些頁面的哪些功能。
另外,針對企業的安全顧慮,神策數據Sensors Data提供私有化部署方案,滿足了企業剛需,保護了平台核心資產。
四、應用場景
註:因涉嫌商業機密,以下場景所涉數據根據真實場景虛擬而成。
場景一:與工單系統結合,還原真實用戶操作,高效化解客戶訴求
對於金融行業而言,保障用戶的每一筆資金安全與穩定是至關重要的。在金融企業內,任何與充值、提現等與錢關聯的行為,一旦出現問題會影響到用戶的體驗度和公司信譽,都會對企業發展造成很嚴重的負面影響。
Formax集團使用工單系統進行客戶服務,包括用於客戶支持與幫助服務,處理與解決客戶事物請求等。工單被送達至目標服務台之後,主要處理流程包括:響應客戶請求——聽取客戶反饋——反饋給技術人員——技術人員查詢情況。
然而在整個過程中,客服人員做出一切判斷和安排的來源,都是客戶的描述:用戶進行了哪些操作?出現了哪些異常情況?等。然而,從響應客戶請求到處理請求,單純依賴客戶口述會因各種原因造成信息不準確,延長客戶服務周期,極易引發客戶不滿。
圖1 神策數據用戶行為序列
現在Formax集團通過神策分析平台還原真實用戶操作。例如,神策分析的個人行為序列能夠非常方便地查看用戶的具體操作行為。除此之外,還展示出每個行為事件的特定屬性,如每個介面的回調結果,失敗原因等。這樣可以客服人員迅速發現問題,第一時間給予客戶合理解釋,快速解決客戶問題。達成以下效果:
第一,可視化用戶行為操作,避免因用戶描述含糊不清或錯誤,而延緩客服操作周期;
第二,及時定位異常情況,提升客戶體驗與企業公信力。
場景二:數據驅動定位最佳開屏主題
Formax集團採集了每個頁面的ID及該頁面上的所有按鈕ID和按鈕名稱等相關屬性,用來了解用戶在APP上的每一步操作行為。在Formax集團APP開屏頁會向金融用戶展示一些營銷信息或者活動信息。在APP運營初期,產品經理認為用戶對「資金安全」的需求要遠遠高於用戶體驗。因此在開屏活動頁面上會展示出「專業資質」、「多國牌照」等內容,以傳遞品牌安全感。
通過數據分析發現,3月15日至3月30日的用戶的轉化率為 2.29% ,結果並不理想。
圖 2 針對「資金安全」主題的開屏頁面的轉化率情況
圖 3 推出針對高收益頁面活動頁面後的用戶轉化情況
後來嘗試推出針對以「高收益」為主題的活動頁面,並經過漏斗分析發現,針對高收益的開平頁面的轉化率會更高,高達14.05%。因此通過數據而非人員的主觀判斷去設計產品,這是一次較為成功的改版行為。
除此之外,依託於豐富的用戶行為,在其他產品細節點的優化上,同樣拋棄了人員主觀判斷的方案,依靠數據來說話,通過設計兩種或多種方案,通過事件分析、漏斗分析等分析模型選擇更優的方案。
場景三:打造用戶分群、精準推送、效果反饋的全流程精細化運營體系
高居不下的獲客成本,增加客戶粘性且延長客戶的生命周期價值,是各互聯網金融企業最為關心的問題,Formax集團也不例外。高效、便捷地給用戶精準推送內容,以喚醒沉睡客戶是十分常見的營銷方式。通常包括以下流程:
設定活動主題和目標——定位營銷目標人群——將營銷內容觸達目標人群——觀察推送的效果是否達成目標。以下是Formax集團通過神策分析平台的一次營銷活動。
第一步,篩選出「高意向用戶」。
在用戶分析模塊的「用戶分群」功能頁面,以條件篩選方式定位目標群體。例如,為「喚醒」2017年1月註冊且瀏覽過徵信頁面(通過分析發現,用戶瀏覽徵信頁面後,後期的留存率較高),但未進行投資的用戶,為鎖定目標人群,可在用戶分析模塊的「用戶分群」功能頁面做如下圖操作。
圖4 在「用戶分群」功能頁面,篩選營銷目標群體。
第二步,向「高意向客戶」用戶群體,進行信息推送。
通過用戶分群功能將這部分人篩選出,可以通過簡訊或者站內彈窗的形式通知,並向該群體推送信息,以刺激其投資。
圖5 用戶分群後,實行站內推送
第三步,推送效果評估。
在完成信息推送後,運營人員可以在神策分析主頁面進行多維度分析,實時展示推送後效果。如該互聯網金融客戶完成精準推送後,用戶可在投資流程轉化漏斗中再次查看用戶轉化情況,評估推送或者產品優化效果。
圖6 被推送人群與未被推送人群的總體轉化率情況對比
如圖可見,對「高意向客戶」完成精準推送後,整體轉化率高達24.69%,而未進行推送的人群轉化率為16.34%,說明這是一次較為成功的精準營銷。如此Formax集團搭建了高效、便捷、精準的營銷平台。企業運營人員在神策分析的可視化界面上,可依次完成多維度指標用戶行為分析、用戶分群、對目標人群的精準信息推送工作、實時查看推送效果的全流程精細化運營操作。
對數據分析更多案例感興趣、想免費體驗的朋友可登錄網站:Sensors Data - 國內領先的用戶行為分析產品。
我之前寫過幾篇關於用戶的分析文章,結合營銷工具的,供你參考。
代金券(有的也叫紅包,實際上都是代金券,叫紅包需要交稅)是一個古老而又實用的營銷工具。線上線下應用於各行各業。例如:餐飲店在開業初期,會給消費贈送代金券,每次2-3張,每張15元左右,每次消費只能使用1張,不能疊加使用,不找零;還有會商家做滿返,如消費滿100元返15元,下次可使用。究竟什麼時候該發什麼樣的券?是直接贈送還是做滿返?券的金額應該定多少,門檻應該定多少?應該發幾張?你真的用好了這個工具嗎?
代金券發放策略背後的業務邏輯是圍繞用戶的生命周期在做文章。通過代金券發放策略刺激用戶在生命周期各個階段的成長,提高Arpu值。剛才提到餐飲店的案例中,新店直接贈送是希望既能提升二次消費,又能帶動好友推薦,因為券可以分享給朋友;滿返的目的是既提高客單價,又刺激二次消費。
代金券發放背後都隱藏著那些用戶邏輯?
從電商、O2O、打車、旅遊、金融等代金券廣泛應用於各個行業。但這兩年最成功的代金券營銷案例非滴滴打車的紅包分享莫屬,他們充分的將營銷工具渠道用戶增長用戶活躍跨品類倒流完美的融合在了一起。這背後到底藏著哪些秘密?開始之前首先需要讓大家明白幾個核心概念:
1、在用戶導入期,1-5次購買是一個用戶流失與否的關鍵期,如何通過代金券引導和刺激用戶完成5次消費,將會對用戶留存產生至關重要的作用;
以上2張關於用戶留存的數據分析圖,是我先後做過的團購和金融行業用戶留存率的數據分析圖。都是在完成5次交易後用戶流失率快速降低,線下行業也是如此。比如,為什麼銀行信用卡使用5次免年費?用戶為了完成5次使用免費這個目標,會主動尋找支付場景,當你找到支付場景,完成5次支付之後,你會發現很可能你已經習慣了使用這種卡了。銀行肯定也是通過大數據分析之後得出5次這樣的策略。
2、用戶使用的頻率跟使用的次數成正比,隨著使用次數的增多,頻率越高,間隔時間越短,用戶的留存率越高。如何通過券策略的引導用戶在儘可能短的時間內完成5次購買,也將會對平台留存率產生重要的作用;
3、品類戰略關係到一個平台業務的成熟度,如何通過代金券建立用戶跨品類倒流的機制至關重要。
一個平台型產品提供的必然是多元化的服務,每個業務之間會產生重要的協同作用。新品類的發展既能夠提升用戶Arpu值,還有降低用戶獲取的邊際成本。如何通過券的策略引導用戶從一個品類到另一個品類是平台用戶增值的重要的手段。代金券作為用戶成長過程中重要的營銷工具,券策略的設計和使用是驅動用戶從新手走向成熟,為平台貢獻利潤的重要手段之一。
重新定義新用戶,90%的人都不知道的方法!不知道各位看官平常是否看數據,是否知道自己公司的預算都花哪兒去了,如果平常不怎麼看的,那我下面的數據希望不會嚇到你。
「90%的流量未註冊成功,90%的註冊用戶未發生首次交易,可能還有90%的用戶未達到了5次交易,即沒轉化成平台的忠誠用戶」。天了嚕!花了大把銀子買來的用戶到最後沒剩下幾個了,都是敗家子。
上面的段子權當博君一笑,但是希望各位看官都回去認真看一下這幾個環節的漏斗轉化,數據不一定有這麼誇張,但我相信拉出來看一下,一定會嚇你一跳。
既然問題這麼嚴重,我們該如何去解決這些問題?
既然要解決問題,那我們首先就得定義清楚問題是什麼?關鍵的節點在什麼地方?然後再對症下藥。
我們來拆解一下這個問題:
新手轉化問題拆解1、 註冊轉化率低,要解決的問題是怎麼樣提升註冊轉化率
2、 新用戶轉化率低,那首要解決的是如何首次交易轉化
3、 用戶從1次~5次留存率低,那要解決的就是怎麼樣讓用戶完成多次交易
以上的幾個問題,放到整個用戶生命周期裡面去看,都可歸結為新手轉化期的問題,也就是接下來我們要探討的問題。
一、對於新用戶認知的誤區1、 把新用戶當做一個節點而不是過程。
在日常運營過程中,電商、O2O、金融等互聯網企業都把新用戶作為一個節點,一種用戶狀態,解決的是用戶成長過程中的一個點。用戶跟平台發生了1次交易,運營工作就算結束了。殊不知新用戶轉化是一個周期,運營策略需要放到整個新手轉化周期中去看。
2、從單一的維度去定義新用戶。
一個用戶在平台不管投資多少錢,投資了什麼品類,投資了多長時間,只要發生了投資行為就不再視為新用戶。
但真實的情況是,一個用戶如果在平台投資了3-5次,如果累計金額都不超過500元的話,那這個用戶依然是一個不成熟的用戶;
如果一個用戶投資了多次,且金額較高,但如果始終只處於某一個品類,那這個用戶對於平台的利潤貢獻有限,也不是一個成熟的投資用戶;
如果一個用戶完成一次投資間隔了很長時間都沒有進行復投,那這個用戶不僅沒有過渡到成熟用戶,就已經變成沉默用戶了;
把新用戶當成一個過程,引導用戶從投資金額,投資次數,投資品類等多個角度去認知平台,對平台產生粘性,逐漸走出新手期,向成熟用戶過渡。
運營設計新手轉化的策略就圍繞如何提升用戶的交易次數,交易金額,交易多品類以及縮短用戶的交易時間間隔來展開。
二、新用戶定義導致的問題:以金融為例問題1:多重新用戶特權疊加,用戶一次交易導致屬性發生變化,其他特權投資無法進行,導致用戶流失。
目前互聯網金融平台對於新用戶的定義基本上都按照傳統方式定義的,即用戶只要發生了一次交易行為,就被視為老用戶。一般平台為了提高新用戶的轉化都會準備一些新手特權福利,比如,新手體驗金、新手特權標,為了給用戶更多的選擇,用戶可享受的特權不止一項。那麼問題就來了,如果我先購買了特權標,我就不再是新用戶,體驗金可能就用不了;或者我用了體驗金,那特權標就也無法購買。站在網站的角度去,實際上是希望用戶2個都使用,因為這樣能快速的增加用戶的多次投資行為,多一次投資,用戶的留存率就能從19%增加到50%。如下圖所示:
問題2:特權標購買額度分配問題。
很多理財網站把特權標作為一次性的,平台設定每人最多可投資5萬額度的特權標,享受更高的利率。但是如果用戶第一次只投資了100元,整個5萬的額度就作廢了,因為這個特權是一次性的,對於用戶的體驗來說是一個非常不友好的方案。
我們分析一下新用戶投資行為路徑,如下圖所示:
投資理財的用戶屬於謹慎投資行為,首次投資的金額都會偏低,屬於試探性投資,而且會快速提現,是為了體驗平台的安全性;如果整從投資到提現都很順暢,而且收益率也比別人高,品牌安全有保障,那用戶就很快會發生2次,3次,N次投資,隨著投資次數的增加投資金額也不斷增加。因此,特權標應該作為了一個授信的額度一樣,讓用戶隨時去購買和使用,直到你用完這個額度為止,刺激用戶多次投資,降低了用戶的首次投資門檻。
今天主要講了關於新用戶定義的一些誤區,明天將會就如何重新定義新用戶,以及應該在新用戶轉化期如何正確的做運營,提升新手轉化期的轉化率。
更多關於用戶運營和增長的文章推薦:
《重新定義新用戶2,如何破解新用戶增長難題?》
《重新定義新用戶,90%的人都不知道的方法!》
《如何通過代金券拉動新用戶增長》
《那些年做運營踩過的坑之代金券篇(血淚教訓) 》
《你真的懂如何用代金券做好用戶增長嗎(2)? 》
《你真的懂代金券嗎(1)代金券背後的用戶邏輯? 》
《如何發現運營黃金時間》
《論運營簡化需求的能力》
《如何搭建高效互聯網運營團隊》
《如何從零規劃好一個運營公眾號》
《怎麼樣一步步把公眾號從零做起來的》
《一個運營狗需要的基本技能是什麼?》
《運營人員推薦必讀書目》
《互聯網金融運營模式和獲客策略》
《互聯網運營模式和獲客策略》
《流量到底應該怎麼做?》
關於作者
花大蟲,本名黃天文,曾就職於去哪兒網,奇虎360,百度,負責百度糯米的相關運營工作,現負責某大型互聯網公司金融業務運營工作。電商和O2O運營經驗豐富,不定期分享一些運營心得和體會。
歡迎關注公眾號「大蟲運營心經」:huadachong1986
互聯網金融有三類公司,資金公司、資產公司、數據公司,大家的側重點完全不一樣啊!
題主是哪一種?
1、資金公司:理財類,吸儲類
核心模塊:用戶獲取,用戶轉化,用戶留存、用戶復投,側重運營,目的是讓用戶投資
2、資產類公司:消費金融,現金貸
核心模塊:用戶轉化、用戶還款、用戶逾期,側重風險控制,目的是讓用戶還錢
3、數據類公司:引流、風控、催收
包含資金公司和資產公司所有模塊
題主可能側重於資金類公司,分析可從兩個方向:屬性數據 x 行為數據
屬性數據:年齡、性別、地域、星座、工作、來源渠道、設備類型等
行為數據:註冊行為、提交資料行為、綁卡行為、投資行為、提現行為、留存、復投
屬性 X 行為 超過49個交叉點,這些交叉點作為數據分析師可以斟酌考量哪些是重要的,基本上可以遍歷所有分析項目!
以上!張溪夢的答案很好,當然,主要是談了理財端客戶的分析和轉化率提升。方法論是一樣的。題目有個小問題是,沒有目標,只問方法,選地鐵還是飛機要看目的地吧。運營的目的可以細分很多,轉化率,留存率,處理效率,欺詐預防,流程本身監控和優化.....
關鍵看你要數據為什麼服務,我臆斷就是想增加目標客戶來源,如果是目標客戶來源的話那就看看你的獲客渠道的match程度如何,是否一致,不一致是為啥?如果一致投入產出比如何?是否能繼續承受等。說白了 就是花的錢是否得到應有的效果,戰術層面的努力是否達到了戰略層面的效果。
首先,擁有數據思維是一件很值得點贊的事情。
另外,已經有了大量的數據,用哪些分析方法進行分析?說說我們在用的十大數據分析方法。
道家強調四個字,叫「道、法、術、器」。層次區別:「器」是指物品或工具,在數據分析領域指的就是數據分析的產品或工具(數極客就是一款強大的用戶行為分析產品),「工欲善其事,必先利其器」;「術」是指操作技術,是技能的高低、效率的高下,如對分析工具使用的技術(比如用Excel進行數據分析的水平);「法」是指選擇的方法,有句話說「選擇比努力重要」;「道」是指方向,是指導思想,是戰略。
在數據分析和產品、運營優化方面,數據分析方法是其核心,屬於「法」和「術」的層次。那麼如何做好數據分析呢?十大分析方法應該能幫到你
更多數據分析的方法和乾貨可以移駕公眾號分析派:ifenxipai
或者,點擊【數極客】基於用戶行為的數據分析平台! | APP分析 | 網站分析 | 用戶行為分析免費體驗數據分析工具,針對互聯網金融的數據分析有專門的解決方案提供。
我認為這個行業比較特殊,它和傳統的生意不太一樣。
第一個特徵是佔用資源。資金放到平台並不是馬上就能得到回報,而是有一定的回報周期,用戶的決策難度比較高,信任就變得很重要。你要關注用戶到底跟你交互了多少次,或者什麼樣的元素打動他跟你發生第一筆交易。
第二個特性是提供價值的方式跟傳統的行業不一樣。傳統行業提供價值的方式是貨幣交換,互聯網金融是錢換錢,錢生錢,通過時間的累積,把固定的錢變成預期的更多的錢。互聯網金融賺了還是賠了、有沒有回報都是非常清楚的,所以他的客戶對價值比較敏感。
這裡涉及三個指標:用戶生命周期價值、用戶響應率、用戶粘性。
用戶生命周期價值相當於你對一個用戶有一個總的價值判斷,他會對你產生多少種價值,你挖掘到了什麼程度,還要怎樣進一步去挖掘。
用戶響應率是個比較特殊的指標。當你有一些新產品或者新的促銷政策時,你的所有用戶里有多少人會響應你的產品,比如產生購買、關注、收藏、諮詢。響應率非常重要,它直接驗證了產品的價值,驗證你的產品的吸引力和認可度。
粘性可以使用用戶的復購率來反映。當用戶完成第一次商品交易之後,產品到期時是不是能夠有效產生第二個商品的購買,或者在第一個商品上繼續續約,這對於分析用戶對於產品的忠誠度很重要。
體系比較全面。用戶訪問行為數據統計比較多。類似百度統計的輸出統計項都有了。建議增加CPS等各個廣告渠道引流來的客戶投資表現分析。評估下每個廣告渠道引來的客戶投資情況怎麼樣。一般P2P會側重用戶的投資和贖回行為。另外還有一塊是資金流。例如用戶充值流水,用戶投資流水,用戶資金站崗情況,贖回情況。還有相應的資金滾動計劃都是非常重要的。
假如我是一個騙子,我想從銀行或者證券搞出來一批客戶數據作為行騙對象。再假設每條客戶數據價格一樣,那麼目標群體怎麼圈出來。有了具體的場景之後,開始查找這些客戶數據。近期搜索產品的,但是沒有滿倉購買的,搜索的產品和風險偏好不符的。資產額度。年齡和行業相關性,如果很了解行業知識的估計騙不到。城市分布,確定線下行騙的時間和車船成本,以及政策打擊力度。
安利,錢放在證券公司做簡單,持續的報價回購,目前應該是最安全的存儲方式了,當然收益不高,半年期年化收益率好像有3.2。
我不是騙子,如何找到最有價值的客戶數據呢,歡迎補充其實運營最主要的要看三個指標,曝光,轉化率,用戶。最終的用戶量取決於曝光和轉化率。曝光率越大,獲得的用戶群基數也就越大;而轉化率就需要用各種手段去刺激,去引導成為用戶;但是用戶也不是一成不變的,要想保持用戶忠誠和實現復購,就需要加強用戶運營,持續刺激引導。
推薦閱讀:
※文案、編輯、策劃、運營,這幾個區別是什麼?
※在遊戲行業(如運營、策劃),如何培養好的工作習慣?
※商家運營、用戶運營、產品運營工作的側重點是什麼?
※新媒體運營:我們每天轉載內容的意義是什麼?
※你如何看《新媒體運營葬送了多少人的前程?》