數(shù)據(jù)的本質(zhì)是場景還原，行為數(shù)據(jù)對(duì)用戶需求和體驗(yàn)的還原能力是不可替代的，通過構(gòu)建指標(biāo)體系，對(duì)業(yè)務(wù)進(jìn)行監(jiān)控，梳理用戶生命周期歷程，明確用戶需求和企業(yè)訴求，做數(shù)據(jù)指標(biāo)的頂層設(shè)計(jì)，以用戶為中心分析問題洞察價(jià)值。
本文從運(yùn)營角度，剖析在金融行業(yè)快速發(fā)展期，如何通過數(shù)據(jù)驅(qū)動(dòng)實(shí)現(xiàn)業(yè)務(wù)增長。
主要內(nèi)容包括：
- 行為數(shù)據(jù)是基礎(chǔ)&深度還原需求
- 業(yè)務(wù)監(jiān)控是重點(diǎn)&梳理指標(biāo)體系
- 驅(qū)動(dòng)增長是核心&場景解決方案
行為數(shù)據(jù)
數(shù)據(jù)可分為場景數(shù)據(jù)、平臺(tái)數(shù)據(jù)、征信數(shù)據(jù)。其中，平臺(tái)數(shù)據(jù)更多的是行為數(shù)據(jù)，這是非常優(yōu)質(zhì)的數(shù)據(jù)，是平臺(tái)用戶最真實(shí)的數(shù)據(jù)，但仍被大多數(shù)企業(yè)所忽視。大多數(shù)企業(yè)只停留在流量及收入等業(yè)務(wù)層面的數(shù)據(jù)分析上，不清楚用戶行為數(shù)據(jù)如何提升業(yè)務(wù)增長？
今天以互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品為例，一起分享在金融行業(yè)積累的一些經(jīng)驗(yàn)。
舉例
在一次企業(yè)客戶培訓(xùn)時(shí)，演示建立漏斗的操作，從“點(diǎn)擊充值→確認(rèn)充值方式→確認(rèn)提交充值”（上圖），企業(yè)客戶對(duì)柱狀圖的數(shù)據(jù)產(chǎn)生了質(zhì)疑，因?yàn)榇藰I(yè)務(wù)數(shù)據(jù)處于監(jiān)控的正常狀態(tài)，不會(huì)出現(xiàn)如柱狀圖所示的“大斷層”？
金融行業(yè)對(duì)數(shù)據(jù)管控非常嚴(yán)格，在與企業(yè)客戶確認(rèn)這一階段沒有其他方式導(dǎo)致用戶流量激增，那么可推測(cè)這一過程可能出了問題，于是可將用戶進(jìn)行分組，拆分為：點(diǎn)擊充值”大于等于1次 且 未選擇“充值方式的用戶VS 未選擇“充值方式”的用戶，對(duì)比發(fā)現(xiàn)，選擇充值方式的用戶進(jìn)入充值頁面失敗的次數(shù)非常多，而在單獨(dú)還原未選擇“充值方式”的用戶 后觀察用戶行為，便發(fā)現(xiàn)問題所在。
進(jìn)入某一賬戶中，觀察該用戶在這段時(shí)間的行為，可以看到：是未綁卡的階段，即，他是新增用戶點(diǎn)擊充值，即他打算充值購買，第一次充值失敗，失敗原因：沒有實(shí)名驗(yàn)證，驗(yàn)證后點(diǎn)擊充值又失敗，失敗原因：沒有綁銀行卡，都完成后又充值，選好銀行選好金額，他會(huì)操作了，但最后沒有充值，我們分析用戶最后為什么沒有充值？
其實(shí)，是用戶對(duì)平臺(tái)的安全性和信賴感在多次錯(cuò)誤操作中消磨殆盡了，在下一個(gè)版本里需要加入了引導(dǎo)和安全性提示，比如：投資充值需要哪幾個(gè)步驟，從二級(jí)頁面到一級(jí)頁面將頁面彈出，讓更多用戶看到。
由此可見，用戶行為數(shù)據(jù)非常重要，在關(guān)注風(fēng)控、金融核心業(yè)務(wù)的同時(shí)，還需要更多的洞察用戶行為數(shù)據(jù)，這一能夠真實(shí)完整的還原整個(gè)用戶行為的場景。
本質(zhì)上，行為數(shù)據(jù)的價(jià)值有2個(gè)意義：第一，找問題、找價(jià)值，找價(jià)值就是駕馭數(shù)據(jù)的感覺，因?yàn)樾袨槟軌蛏疃韧暾倪€原用戶使用場景，可以知道用戶為何未轉(zhuǎn)化；其次，數(shù)據(jù)增長，提升用戶的使用頻次。
不論用戶體驗(yàn)設(shè)計(jì)、推廣投放、用戶運(yùn)營還是數(shù)據(jù)驅(qū)動(dòng)都是圍繞用戶行為分析進(jìn)行的。從理論上，拓?fù)湫睦韺W(xué)曾通過一個(gè)函數(shù)關(guān)系，證明了用戶的行為由用戶自身素質(zhì)和當(dāng)時(shí)面對(duì)的場景共同決定。
行為數(shù)據(jù)，有4個(gè)重要維度：
- 第一，主動(dòng)行為和被動(dòng)行為，主動(dòng)行為就是用戶主動(dòng)點(diǎn)擊/滑動(dòng)等操作，被動(dòng)行為就是產(chǎn)品的反饋，比如，用戶購買成功，用戶充值失敗等產(chǎn)品反饋給用戶的行為。
- 第二，場景狀態(tài)和業(yè)務(wù)信息，比如，用戶查看商品的原因，業(yè)務(wù)信息是決定用戶在一個(gè)列表中點(diǎn)擊位置的，比如，用戶嘗欲試短期投資，故該用戶大多數(shù)點(diǎn)擊行為都是短期的，用戶行為在采集時(shí)，這些業(yè)務(wù)信息的重要性不亞于行為本身。
- 第三，前端SDK和服務(wù)端，在用戶頁有單獨(dú)的用戶個(gè)人信息，是用戶在注冊(cè)時(shí)填寫的信息，幫助我們做匯總和分析。
- 第四，跨平臺(tái)的用戶識(shí)別能力，用戶在任一平臺(tái)的行為，都可在數(shù)據(jù)上進(jìn)行關(guān)聯(lián)。
業(yè)務(wù)監(jiān)控
理財(cái)產(chǎn)品 生命周期歷程
在把產(chǎn)品推薦給用戶后，即進(jìn)入產(chǎn)品生命周期歷程，由上圖，從來源到進(jìn)入產(chǎn)品后：查看理財(cái)、投資、重復(fù)投資、提現(xiàn)離開的整個(gè)過程，通過這一方式統(tǒng)籌用戶的產(chǎn)品生命歷程。
將關(guān)鍵節(jié)點(diǎn)提取出來：
- 圍繞流量制定指標(biāo)考核團(tuán)隊(duì)，激活，觀察用戶是否能夠快速在產(chǎn)品中找到產(chǎn)品的價(jià)值留存下來；
- “羊毛黨”——永遠(yuǎn)擋不掉的這一類人，有兩種類型，一，不夠有錢，便不斷追加投資，到期再投；二，不斷追加投資，不斷累積平臺(tái)資產(chǎn)；
- 提現(xiàn)，理財(cái)產(chǎn)品的用戶在流失前均有提現(xiàn)行為，通過解析可在此定義指標(biāo)；
- 注冊(cè)用戶、注冊(cè)當(dāng)日的注冊(cè)轉(zhuǎn)化率，是可以不斷提升的點(diǎn)，讓用戶當(dāng)天投資，指標(biāo)出現(xiàn)問題時(shí)，需圍繞之后的關(guān)鍵點(diǎn)去尋找問題，這些指標(biāo)如果出現(xiàn)較大波動(dòng)，需圍繞波動(dòng)去處理，比如從流量、渠道、來源洞察原因。老用戶的運(yùn)營，考核的是理財(cái)項(xiàng)目和投資計(jì)劃的設(shè)置，這是一個(gè)長久的運(yùn)營。
驅(qū)動(dòng)增長
用戶行為路徑分析，按需拆分用戶分群，單體用戶行為跟蹤，以用戶為中心進(jìn)行分析，深度還原用戶使用場景，洞察業(yè)務(wù)與用戶間的情感連接。
通過用戶行為路徑分析的功能，可以查看每個(gè)用戶進(jìn)入產(chǎn)品后做了什么，這個(gè)過程不是單向的，而是包括用戶某行為開始的前后，比如，用戶綁卡失敗，便可查看到失敗前的操作，這是無序分析（漏斗是有序分析）。其中活躍路徑、使用習(xí)慣、行為關(guān)聯(lián)，來源追溯可實(shí)現(xiàn)對(duì)用戶的整體認(rèn)知。
第二，靈活拆分，用戶行為路徑分析對(duì)用戶進(jìn)行的是非黑即白的拆分，與按需拆分用戶分群是有重合的，這樣可以對(duì)用戶進(jìn)行靈活的拆分，配合黏性分析、漏斗分析等行為分析找到用戶群間的差異。
舉例
上線新功能A后，如何證明A功能促進(jìn)了用戶留存？通常的做法是，假如1月1日改版，將1月1日前與1月1日后的情況進(jìn)行對(duì)比，找出真正打動(dòng)用戶的價(jià)值點(diǎn)。此時(shí)可根據(jù)需要對(duì)用戶進(jìn)行拆分：篩選出1月1日使用新版本的新增用戶，一部分是使用過A功能的，一部分是沒有使用過A功能的，觀察這兩部分的A功能，以及使用A功能后有無增加使用頻率。
用戶精細(xì)化的拆分，直接幫助企業(yè)做業(yè)務(wù)層面的觸達(dá)，比如，篩選出一類昨日優(yōu)秀客戶，首先定義最近訪問日期是昨天新增的，且查看理財(cái)項(xiàng)目5次，并完成綁卡，但是用戶沒有做投資，同時(shí)其來源是網(wǎng)貸，從行為上抓住行為路徑，篩選有同樣條件的用戶群，即是高質(zhì)量用戶群，這是需要精心呵護(hù)的群體。
上圖，并非需要將平臺(tái)100萬用戶逐個(gè)查看，而是與前面兩種模式結(jié)合起來，驗(yàn)證是否與分析結(jié)論相匹配，再進(jìn)入具體的解決方案中，比如，剛才提到獲客，渠道需要成本投入，企業(yè)的訴求永遠(yuǎn)是花最少的錢獲得最優(yōu)質(zhì)的客戶，同時(shí)不斷挖掘新的優(yōu)質(zhì)渠道。
通過用戶質(zhì)量和數(shù)量指定不同的投放策略，這是大多企業(yè)的痛點(diǎn)，如果投放廣告，投放方會(huì)提供曝光數(shù)，點(diǎn)擊數(shù)等數(shù)據(jù)，但企業(yè)更多的是希望查看到新增用戶的渠道來源。此外通過產(chǎn)品監(jiān)測(cè)的模塊，提供企業(yè)曝光、點(diǎn)擊、下載APP的新增用戶數(shù)等數(shù)據(jù)。
在廣告監(jiān)控中，涉及蘋果應(yīng)用商店的時(shí)數(shù)據(jù)收集會(huì)增加一個(gè)步驟。比如，企業(yè)在外部投放10個(gè)活動(dòng)，用戶最終都跳轉(zhuǎn)到應(yīng)用商店下載，渠道只有應(yīng)用商店，無法追蹤投放渠道，我們便開發(fā)了深度鏈接技術(shù)，通過采集用戶在活動(dòng)頁用戶行為數(shù)據(jù)，用戶下載后將同時(shí)采集的信息進(jìn)行匹配，把用戶的活動(dòng)和最后的下載進(jìn)行完整的關(guān)聯(lián)。
進(jìn)一步挖掘深層用戶價(jià)值：用戶是注冊(cè)評(píng)估者還是新手期投資者，從的首投到試探性放心投資，轉(zhuǎn)化到“周期性負(fù)投”的這個(gè)過程一般有三到五次的投資，這個(gè)周期內(nèi)完全對(duì)平臺(tái)放心，整個(gè)過程需要進(jìn)行深入分析，首投是最關(guān)鍵的點(diǎn)，行為特點(diǎn)+綁卡充值+決策時(shí)間+特權(quán)品類，然后從試探性到放心投資，表現(xiàn)在提現(xiàn)行為+復(fù)投分析+收益率設(shè)計(jì)。
精準(zhǔn)推送的方式：
1、精準(zhǔn)自動(dòng)推送
在促進(jìn)首單轉(zhuǎn)化的場景中，第一步，選擇用戶：自動(dòng)生成用戶群——新增用戶，用戶觸發(fā)設(shè)置好的條件：“注冊(cè)成功后1天內(nèi)沒有存管開戶”，系統(tǒng)將自動(dòng)匹配時(shí)機(jī)，將運(yùn)營動(dòng)作發(fā)送，從數(shù)量轉(zhuǎn)化率到最后交易額進(jìn)行完整的分析，當(dāng)問題發(fā)現(xiàn)后，進(jìn)行自動(dòng)衡量，分析絕對(duì)數(shù)量/轉(zhuǎn)化率/交易額，這是一個(gè)自動(dòng)推送的方式，自動(dòng)推送可以讓用戶在合適的場景下接收到合適的信息。此過程是實(shí)時(shí)的，將全程控制用戶接收信息的體驗(yàn)，在合適的時(shí)機(jī)為用戶推送合適的信息。
2、精準(zhǔn)手動(dòng)推送
在大額理財(cái)活動(dòng)推薦的場景中，可編輯執(zhí)行“APP彈窗5萬投資俱樂部”的運(yùn)營動(dòng)作，比如，一等獎(jiǎng)抽iPhone、100%中獎(jiǎng)，這樣可提供更好的用戶體驗(yàn)。
再來看用戶投資意愿模型，結(jié)合用戶行為、賬戶資產(chǎn)、用戶購買意愿、是否贖回等方面驅(qū)動(dòng)。
更完整的基于用戶的分析，所謂中心化分析，洞悉用戶，高效決策，用戶中心化分析，而分析去中心化。用戶行為數(shù)據(jù)化，鏈接數(shù)據(jù)孤島；以用戶為中心，建立數(shù)據(jù)評(píng)估體系；數(shù)據(jù)分析智能化，業(yè)務(wù)部門自主分析。
總結(jié)
數(shù)據(jù)的本質(zhì)是場景還原，行為數(shù)據(jù)對(duì)用戶需求和體驗(yàn)的還原能力是不可替代的，通過構(gòu)建指標(biāo)體系，對(duì)業(yè)務(wù)進(jìn)行監(jiān)控，梳理用戶生命周期歷程，明確用戶需求和企業(yè)訴求，做數(shù)據(jù)指標(biāo)的頂層設(shè)計(jì)，以用戶為中心分析問題洞察價(jià)值。
愛盈利（aiyingli.com）移動(dòng)互聯(lián)網(wǎng)最具影響力的盈利指導(dǎo)網(wǎng)站。定位于服務(wù)移動(dòng)互聯(lián)網(wǎng)創(chuàng)業(yè)者，移動(dòng)盈利指導(dǎo)。我們的目標(biāo)是讓盈利目標(biāo)清晰可見！降低門檻，讓缺乏經(jīng)驗(yàn)、資金有限的個(gè)人和團(tuán)隊(duì)獲得經(jīng)驗(yàn)和機(jī)會(huì)，提高熱情，激發(fā)產(chǎn)品。
