起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識App行為數據探討：基于行為數據的場景化營銷
營銷成功的關鍵在于不斷的嘗試，優化場景化標簽中的各個數據維度和數值，同時在效果達到預期的方案固化，形成標準的運營方案。
企業面臨三類數據，一類是企業內部的交易數據，一類是企業同用戶之間的交互數據，一類是第三方數據也稱外部數據。企業過去的數據資產是建立在第一類數據之上的，利用人口屬性、銷售數據、物流數據、內部流程等數據建立數據資產，開展商業應用。
客戶行為數據也被稱為交互數據，主要包含客戶在網站和移動App中的瀏覽和點擊行為，也包含客戶在論壇上的言論行為?？蛻糁鲃影l起的言論行為數據應用較多，主要用于輿情監控和客戶關系管理，也有的企業將客戶言論數據用于產品反饋和迭代。App內部的點擊和瀏覽數據商業應用較少，主要應用于產品體驗分析、渠道管理、用戶運營等方面。App內部點擊和瀏覽行為數據基本上很少被企業重視，也很少會進行商業應用。
App的行為數據其實有很大的商業價值，只是很多企業不知懂如何進行應用。在金融行業，Fintech公司Klarna發現用的行為數據的效力是金融數據的4倍，三個創始人中，有兩個人碩士論文來研究如何利用行為數據進行金融冒險。一些企業也開始探討App行為數據的商業價值，利用行為數據進行數字營銷。
一.App 行為數據的采集和分析
App的行為數據采集基本上采用SDK方式，采集客戶在App頁面的點擊行為，同時也可以進行參數回傳。SDK就是幾行輕量級代碼，采集數據的類型取決于埋點。SDK在數據在數據采集上技術上沒有技術壁壘，行為數據應用的主要技術壁壘在于海量行為數據的處理和分析。
很多企業總認為SDK采集數據會涉及個人隱私，主要還是不了解SDK數據采集的技術原理。SDK的全名是Software Development Kit，直接翻譯就是軟件開發包，N行軟件代碼用于數據采集。SDK采集的任何數據都是源于客戶的主觀控制，從SDK埋點上可以分辨出是否涉及個人隱私數據。個人隱私數據在美國具有嚴格定義，基本定義是可以從社會群體中識別出個體的數據，包括PII中的7種數據類型例如社會保障號、手機號、家庭地址、私人郵編等，并不是所有數據都是個人隱私數據。
企業在正常商業活動中獲得的個人隱私數據并不違反法規，在沒有得到客戶授權的情況下，個人隱私數據被企業和第三方使用就屬于違反法律法規了。例如電商擁有客戶的名字、地址、電話甚至銀行卡號和支付賬號。在客戶授權使用的前提下，電商擁有和使用這些數據是不違反法律法規。但是如果客戶沒有進行授權，企業使用了涉及個人隱私的數據則屬于違反國家法律，需要得到法律的制裁。
App內部行為數據的處理和分析具有較高的技術門檻，SDK會采集到大量的臟數據，包含一些空白區域和特殊符號，甚至根本沒有見過的數據類型，這些臟數據的處理和分析具有較大的技術挑戰，特別是數據的實時采集和處理。成熟的技術架構和數據處理方式需要時間和實戰來考驗，技術人員只有經歷了海量數據采集和處理，填平了大量技術坑之后，才能形成成熟的技術架構，SDK采集的數據會被專業地處理，不會漏掉數據和記錯數據。
數據的采集和處理是個臟活累活，需要在真實數據環境進行實戰，具有較高的技術壁壘和門檻。技術人員幾年下來積累的技術經驗是一個技術財富，具有較大的商業價值。
二?.App行為數據的商業價值
App的行為數據也可以稱之為intention數據，代表客戶內心的好奇和需要。就像搜索數據一樣，行為數據可以體現客戶在商品喜愛和購買方面的一些需求。
行為數據在應用之前需要進行結構化和標簽化，結構化是指將行為數據的展現形式從非結構數據轉為結構化數據，并進行歸類和統計。標簽化數據是指根據業務場景，將行為數據打上業務標簽，打標簽基本上圍繞設備進行，并同業務場景深度結合。行為數據打標簽的過程就是從行為數據發現商業價值的過程，行為數據打標簽需要考慮三個數據維度，分別是時間、頻次、結果。
行為數據時間維度主要關注行為發生的時間段和持續時間，其中時間段數據用于目標設備時間范圍選擇，用于營銷活動分析和營銷推廣計劃設定。時間段也可以用于風控和反欺詐的場景，特殊群體的App使用行為在時間段具有較高的相似性。持續時間關注行為發生的過程，記錄了行為起始和結束時間。持續時間對于分析用戶行為具有重要意義，不同時間長短代表客戶不同特點和性格。某些持續時間同客戶類型具有較大的相似性，在一些數據模型分析中具有較高的商業價值。持續時間的既可以用于購買人群分析也可以用于產品體驗分析，在特定的場合，持續時間還可以用于反欺詐分析。
行為數據的頻次主要關注某些特定行為發生的次數和趨勢，其中次數同客戶的興趣具有較大的正相關度，在一定時間段內，點擊瀏覽次數同客戶購買需求成正比。次數經過標簽化之后可以用于營銷，識別出潛在客戶。次數也可以用于用戶體驗分析和產品分析，通過熱力圖了解產品體驗和客戶需求，也可以用來進行App內部的布局優化，還有關聯產品銷售。次數同產品成交和客戶購買需求是弱相關關系，但是點擊瀏覽次數經過進一步分析之后可以轉為趨勢數據，這些數據同產品轉化和客戶購買行為具有強相關關系，例如客戶從來不使用汽車和房產類App，在某一時刻突然增加使用頻率，從趨勢分析上可以預測客戶的購買需求，在某些應用場景下，趨勢數據比頻次數據的商業價值更高，可以直接預測客戶的購買需求。
行為數據的結果主要關注是否完成交易，用于判斷客戶點擊瀏覽的結果。結果數據分為成交和不成交，基于業務需要也可以采集填充的數值，用于進一步的應用。結果數據中成交數據可以用于產品體驗分析，客戶體驗分析，渠道ROI分析。不成交數據可以用于二次營銷，對潛在客戶進行再次營銷，二次營銷時需要結合時間段、持續時間、頻次數據進行綜合分析，篩選出目標客群進行營銷。不成交數據也可以用于產品體驗分析，結合成交數據和時間數據來了解產品問題，以及轉化漏斗。結果數據可以用于直接營銷，也可以加入到數據模型中，作為一個重要維度的參考數據。行為標簽建立過程過程中，結果數據具有較多的應用場景。
三.App行為數據的場景化應用
企業過去的營銷主要使用交易數據，典型的有數據庫營銷中的關聯分析和交叉銷售。交易數據對營銷具有較大的商業價值，特別是老客戶經營。例如某些產品的客戶復購率較高，利用交易數據可以進行多次營銷，降低營銷成本，企業愿意利用交易數據進行數字營銷。
行為數據在營銷和風控上應用場景較多，本文主要介紹營銷場景，風控場景將另外進行詳細分析。行為數據相對于交易數據具有不確定性大的特點，行為數據更關注客戶的興趣偏好。相對于交易數據營銷，行為數據的轉化率不太穩定，但是應用范圍比較大，潛在的目標人群基數較大，即使是較低的轉化率，其轉化的目標客戶也會很多。曾經在一個案例中，某券商用戶發現過接近40%的轉化率，大大超出了想象。一般行為數據營銷的轉化率都低于10%，集中在1%－5%直接。如果低于1％的轉化率，這個基于行為數據建立的營銷方案將會被放棄。
行為數據的場景應用建立在場景化標簽之上的，基于App內部行為的場景應用來源于具體業務目標，例如證券App中的綁卡入金、購買理財、股票交易、基金買賣，貴金屬購買、關注收藏等。信用卡App中的賬單分期、現金分期、支付、消費金融、購買商品等。
建立場景化行為數據標簽的思路有兩種，一種是從業務需求（業務場景）出發，尋找同其高度相關的行為數據。另外一種是從統計中發現同業務轉化相關的行為數據。
從業務需求出來建立行為數據的場景化標簽方法比較簡單，就是分析某個業務在App中的交易路徑（交易步驟）。在接近交易路徑的前幾步，根據時間、頻次和結果來建立其場景化標簽，對于證券行業的App可以建議以下行為標簽。
- 下載App未綁定交易賬戶的設備
- 綁定交易賬戶未交易的用戶
- 過去三個月關注某些板塊股票但是未交易客戶
- 過去三個月關注某些財經咨詢但未交關易客戶
- 過去三個月查詢某只股票但未交易客戶
- 三次點擊某只股票進行交易，但未成交客戶
- 點擊某只股票進行交易，成交客戶（二次營銷）
- 非交易時間查詢某板塊股票三次，未交易客戶
- 非交易時間查詢某板塊股票交易客戶
- 新關注某板塊股票但是未交易客戶
- 過去一周查詢某只股票價格三次，但未交易客戶
信用卡App關注客戶是否綁卡，是否使用賬單和卡工具功能（替代其他人工渠道），是否領取權益，是否關注高端白金卡，是否是潛在賬單分期客戶／現金分期客戶／預借現金客戶／消費金融客戶／專項分期客戶／權益商品客戶等?；谛庞每ˋpp內部的點擊行為，可以建議以下基于行為數據的場景化標簽
- 下載App未綁卡用戶（過去一年）
- ?綁卡未領取權益用戶
- 嘗試賬單分期功能未申請客戶
- 嘗試現金分期功能未申請客戶
- 申請賬單分期未決定客戶
- 汽車分期點擊未成交客戶
- 白金卡權益專區瀏覽三次以上，未申請客戶
- 餐票影票關注點擊三次未兌換客戶
- 額度調整嘗試，未申請客戶
- 額度申請成提交，未成功客戶
- 預借現金，未申請客戶
- 積分查詢未兌換客戶
- Iphone7手機分期點擊5次，未申請客戶
App場景化標簽的另外一種思路是從行為數據的統計中發現同業務轉化相關的行為數據。例如基于現金分期成交客戶的特征提取，統計出來現金分期成交客戶典型行為特征，例如訪問時間、地域、年齡、設備類型、賬單金額、查詢次數、點擊次數等。將這些數據進行統計，分析出高度相關的特征值和分布特征，采用描述型分析進行目標客戶提取，或者直接利用數學模型進行種子學習，找到潛在分期客戶。這種利用關聯分析方法尋找特征行為數據的方法，比較適合利用數學模型進行營銷。
利用行為數據建立場景化標簽和營銷時，我們需要理解，這是一個基于弱相關關系的營銷方式，其轉化率在大多數情況會低于基于強相關關系的交易數據。因此在使用行為數據進行營銷時，我們對轉化率要有心理預期，一般在1%－5%之間，在某些特殊情況先，轉化率會超過10%。
基于行為數據進行營銷時，需要將重點放在營銷效果分析和營銷方案迭代優化上，通過多次營銷嘗試找到一個比較合適的行為標簽建立方式，確定頻次、時間段、結果等選值。并逐步建立起一個穩定的運營方案和運營計劃，其中一些固定運營方案可以固化在一周的某一天，甚至某個時段，形成固定的運營計劃。每天上班時，運營人員可以將前一天跑出來的基于行為數據的運營客群發送出去（push或短信），監督其轉化情況，不斷迭代，逐步建立起基于行為數據的標準的運營方案和運營計劃。這種運營方案可以是標準的場景化標簽（描述型），也可以基于數據學模型的結果。
基于行為數據的場景化營銷可以通過統計分析平臺來建立目標客群，通過SMCE建立營銷計劃并進行營銷優化。營銷成功的關鍵在于不斷的嘗試，優化場景化標簽中的各個數據維度和數值，同時在效果達到預期的方案固化，形成標準的運營方案。
#專欄作家#
鮑忠鐵（微信號：daxiakanke），人人都是產品經理專欄作家，TalkingData首席金融行業布道師，上海大數據產業聯盟金融行業專家，金融行業大數據實踐推動者。
本文由原創發布于人人都是產品經理。未經許可，禁止轉載。
??