數據的本質是場景還原，行為數據對用戶需求和體驗的還原能力是不可替代的，通過構建指標體系，對業務進行監控，梳理用戶生命周期歷程，明確用戶需求和企業訴求，做數據指標的頂層設計，以用戶為中心分析問題洞察價值。

本文從運營角度，剖析在金融行業快速發展期，如何通過數據驅動實現業務增長。

主要內容包括：

1. 行為數據是基礎&深度還原需求
2. 業務監控是重點&梳理指標體系
3. 驅動增長是核心&場景解決方案

行為數據

數據可分為場景數據、平臺數據、征信數據。其中，平臺數據更多的是行為數據，這是非常優質的數據，是平臺用戶最真實的數據，但仍被大多數企業所忽視。大多數企業只停留在流量及收入等業務層面的數據分析上，不清楚用戶行為數據如何提升業務增長？

今天以互聯網金融理財產品為例，一起分享在金融行業積累的一些經驗。

舉例

在一次企業客戶培訓時，演示建立漏斗的操作，從“點擊充值→確認充值方式→確認提交充值”（上圖），企業客戶對柱狀圖的數據產生了質疑，因為此業務數據處于監控的正常狀態，不會出現如柱狀圖所示的“大斷層”？

金融行業對數據管控非常嚴格，在與企業客戶確認這一階段沒有其他方式導致用戶流量激增，那么可推測這一過程可能出了問題，于是可將用戶進行分組，拆分為：點擊充值”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，對比發現，選擇充值方式的用戶進入充值頁面失敗的次數非常多，而在單獨還原未選擇“充值方式”的用戶 后觀察用戶行為，便發現問題所在。

進入某一賬戶中，觀察該用戶在這段時間的行為，可以看到：是未綁卡的階段，即，他是新增用戶點擊充值，即他打算充值購買，第一次充值失敗，失敗原因：沒有實名驗證，驗證后點擊充值又失敗，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，是用戶對平臺的安全性和信賴感在多次錯誤操作中消磨殆盡了，在下一個版本里需要加入了引導和安全性提示，比如：投資充值需要哪幾個步驟，從二級頁面到一級頁面將頁面彈出，讓更多用戶看到。

由此可見，用戶行為數據非常重要，在關注風控、金融核心業務的同時，還需要更多的洞察用戶行為數據，這一能夠真實完整的還原整個用戶行為的場景。

本質上，行為數據的價值有2個意義：第一，找問題、找價值，找價值就是駕馭數據的感覺，因為行為能夠深度完整的還原用戶使用場景，可以知道用戶為何未轉化；其次，數據增長，提升用戶的使用頻次。

不論用戶體驗設計、推廣投放、用戶運營還是數據驅動都是圍繞用戶行為分析進行的。從理論上，拓撲心理學曾通過一個函數關系，證明了用戶的行為由用戶自身素質和當時面對的場景共同決定。

行為數據，有4個重要維度：

• 第一，主動行為和被動行為，主動行為就是用戶主動點擊/滑動等操作，被動行為就是產品的反饋，比如，用戶購買成功，用戶充值失敗等產品反饋給用戶的行為。
• 第二，場景狀態和業務信息，比如，用戶查看商品的原因，業務信息是決定用戶在一個列表中點擊位置的，比如，用戶嘗欲試短期投資，故該用戶大多數點擊行為都是短期的，用戶行為在采集時，這些業務信息的重要性不亞于行為本身。
• 第三，前端SDK和服務端，在用戶頁有單獨的用戶個人信息，是用戶在注冊時填寫的信息，幫助我們做匯總和分析。
• 第四，跨平臺的用戶識別能力，用戶在任一平臺的行為，都可在數據上進行關聯。

業務監控

理財產品 生命周期歷程

在把產品推薦給用戶后，即進入產品生命周期歷程，由上圖，從來源到進入產品后：查看理財、投資、重復投資、提現離開的整個過程，通過這一方式統籌用戶的產品生命歷程。

將關鍵節點提取出來：

1. 圍繞流量制定指標考核團隊，激活，觀察用戶是否能夠快速在產品中找到產品的價值留存下來；
2. “羊毛黨”——永遠擋不掉的這一類人，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，不斷累積平臺資產；
3. 提現，理財產品的用戶在流失前均有提現行為，通過解析可在此定義指標；
4. 注冊用戶、注冊當日的注冊轉化率，是可以不斷提升的點，讓用戶當天投資，指標出現問題時，需圍繞之后的關鍵點去尋找問題，這些指標如果出現較大波動，需圍繞波動去處理，比如從流量、渠道、來源洞察原因。老用戶的運營，考核的是理財項目和投資計劃的設置，這是一個長久的運營。

驅動增長

用戶行為路徑分析，按需拆分用戶分群，單體用戶行為跟蹤，以用戶為中心進行分析，深度還原用戶使用場景，洞察業務與用戶間的情感連接。

通過用戶行為路徑分析的功能，可以查看每個用戶進入產品后做了什么，這個過程不是單向的，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、使用習慣、行為關聯，來源追溯可實現對用戶的整體認知。

第二，靈活拆分，用戶行為路徑分析對用戶進行的是非黑即白的拆分，與按需拆分用戶分群是有重合的，這樣可以對用戶進行靈活的拆分，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日后的情況進行對比，找出真正打動用戶的價值點。此時可根據需要對用戶進行拆分：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。

用戶精細化的拆分，直接幫助企業做業務層面的觸達，比如，篩選出一類昨日優秀客戶，首先定義最近訪問日期是昨天新增的，且查看理財項目5次，并完成綁卡，但是用戶沒有做投資，同時其來源是網貸，從行為上抓住行為路徑，篩選有同樣條件的用戶群，即是高質量用戶群，這是需要精心呵護的群體。

上圖，并非需要將平臺100萬用戶逐個查看，而是與前面兩種模式結合起來，驗證是否與分析結論相匹配，再進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，企業的訴求永遠是花最少的錢獲得最優質的客戶，同時不斷挖掘新的優質渠道。

通過用戶質量和數量指定不同的投放策略，這是大多企業的痛點，如果投放廣告，投放方會提供曝光數，點擊數等數據，但企業更多的是希望查看到新增用戶的渠道來源。此外通過產品監測的模塊，提供企業曝光、點擊、下載APP的新增用戶數等數據。

在廣告監控中，涉及蘋果應用商店的時數據收集會增加一個步驟。比如，企業在外部投放10個活動，用戶最終都跳轉到應用商店下載，渠道只有應用商店，無法追蹤投放渠道，我們便開發了深度鏈接技術，通過采集用戶在活動頁用戶行為數據，用戶下載后將同時采集的信息進行匹配，把用戶的活動和最后的下載進行完整的關聯。

進一步挖掘深層用戶價值：用戶是注冊評估者還是新手期投資者，從的首投到試探性放心投資，轉化到“周期性負投”的這個過程一般有三到五次的投資，這個周期內完全對平臺放心，整個過程需要進行深入分析，首投是最關鍵的點，行為特點+綁卡充值+決策時間+特權品類，然后從試探性到放心投資，表現在提現行為+復投分析+收益率設計。

精準推送的方式：

1、精準自動推送

在促進首單轉化的場景中，第一步，選擇用戶：自動生成用戶群——新增用戶，用戶觸發設置好的條件：“注冊成功后1天內沒有存管開戶”，系統將自動匹配時機，將運營動作發送，從數量轉化率到最后交易額進行完整的分析，當問題發現后，進行自動衡量，分析絕對數量/轉化率/交易額，這是一個自動推送的方式，自動推送可以讓用戶在合適的場景下接收到合適的信息。此過程是實時的，將全程控制用戶接收信息的體驗，在合適的時機為用戶推送合適的信息。

2、精準手動推送

在大額理財活動推薦的場景中，可編輯執行“APP彈窗5萬投資俱樂部”的運營動作，比如，一等獎抽iPhone、100%中獎，這樣可提供更好的用戶體驗。

再來看用戶投資意愿模型，結合用戶行為、賬戶資產、用戶購買意愿、是否贖回等方面驅動。

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。用戶行為數據化，鏈接數據孤島；以用戶為中心，建立數據評估體系；數據分析智能化，業務部門自主分析。

總結

數據的本質是場景還原，行為數據對用戶需求和體驗的還原能力是不可替代的，通過構建指標體系，對業務進行監控，梳理用戶生命周期歷程，明確用戶需求和企業訴求，做數據指標的頂層設計，以用戶為中心分析問題洞察價值。

作者：邱千秋

本文由 @邱千秋 原創發布于人人都是產品經理。未經許可，禁止轉載。