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
榮耀標識獲獎作品｜騰訊移動分析MTA優化思路
本文作者在對騰訊移動分析進行產品體驗，并在此分享其對產品的優化思路，enjoy~
一. 移動應用分析產品定位
使用騰訊移動分析MTA的客戶是希望通過移動應用分析獲取更多有價值的信息，更快更有效的做出商業決策。如果產品只提供基礎數據的陳列，那產品需要專門的數據分析員進行數據分析、模型預測、歸納總結等步驟后，再向決策者報告，則需要客戶投入更多的人力資源。
因此，移動應用分析產品需要的不僅僅是基礎數據的陳列，而是需要在數據中通過合理的方法從數據中提取進一步的更接近商業決策的信息。方便使用者決策判斷使得分析工具具有更高的價值，本次騰訊移動分析產品的優化應該讓產品更能滿足決策者要求。
圖1 – 移動應用分析定位對比
二. 騰訊移動分析優化框架
圖2 – 騰訊移動分析優化框架
三. 借貸業務分析版塊優化
為了向移動應用分析產品客戶提供更可靠的決策依據，借貸業務分析版塊可以提供更有針對性的借貸數據，并且接入模型預測功能，利用機器學習模型等對數據進行預測，來提供更直接的借貸業務需求變化，借貸產品推廣策略和風險控制警示等決策有用信息。
1. 借貸畫像功能優化
（1）增加用戶分類自定義
目前借貸畫像功能中已對用戶進行分類，分為借款老用戶，新用戶，逾期用戶等，后臺已設置好用戶的分類規則，但是對于不同的APP客戶的不同需求，可以提供自定義的用戶分類可以提高適用性。比如，房貸APP客戶可以定義無逾期記錄有房產月薪五萬的30歲已婚用戶為高凈值用戶；小貸APP的客戶可以定義逾期兩個月以上或者欠款超過一萬元的為高風險人群；同時理財類APP的客戶可以設置有房產但沒有車的用戶為車貸推廣用戶。
另外，還可以增加其他用戶分類屬性，比如地域，年齡，收入，婚戀等基礎個人信息。比如，深圳用戶的指標跟四五線城市用戶的借貸指標衡量的標準不同，APP客戶就可以用更符合自身情況的數據。
圖3 – 用戶分類優化
（2）用戶畫像細分
目前用戶畫像的標簽包括房產、汽車、金融、旅游、教育五大板塊，可以針對已有板塊進行深入優化，以及拓展新板塊。
① 已有板塊深入
房產板塊可以增加房產多少套，房產總價值，是否有房貸，房貸總額，剩余房貸期數等指標。汽車板塊同樣可以反映客戶擁有的汽車數量，車貸總額，剩余車貸期數。金融板塊可以細分為長期資金，短期資金，流動資金等。旅游板塊細分為旅游頻率，旅游出游地（東亞、東南亞、歐洲、北美洲、南美洲等），旅游消費額等。教育板塊氛圍個人教育投資和子女教育投資，再細分為個人教育投資預算，子女數量，子女年齡，子女預期教育投資金額等。
同時，可以提供自定義簡單計算設置，如平均數，中位數，眾數， 四分位數等。那么客戶就可以選擇某一個用戶分類進行詳細分析，比如可以知道深圳用戶平均有多少房貸，或者通過旅游消費額前25%的用戶手上有多少流動資金周轉來預測貸款需求，或者通過消費記錄預測還貸期用戶是否還有子女教育貸款的需求等。
② 增加新畫像板塊
可以增加的新畫像板塊包括：
- 個人信息數據：性別，年齡，學歷，工資，月總收入；
- 還款能力指標：征信記錄，銀行存款，信用卡數量，借貸產品數量，除房貸和車貸外的貸款額度，每月還款額占貸款額的比例；
- 消費信息指標：衣食住行等硬性消費的金額，消費比例構成，大宗消費類別，大宗消費金額；
通過用戶分類自定義，用戶畫像已有板塊深入和用戶畫像新板塊擴展的借貸畫像優化，用戶分群整合，可以形成更立體的以借貸為目標的用戶畫像。比如可以分出本科畢業生，工資為3000至6000元，衣食住行硬性消費超過消費總額80%，有逾期記錄的用戶；或者月總收入大于50000元，硬性消費占消費總額50%以下，無逾期但是有大筆貸款的用戶。這些典型的用戶畫像分別對應不同的消費能力，借貸需求，和借貸產品推廣策略；獲取了詳細的全方位信息，不僅可以豐富用戶畫像，還有利于做授信分析和逾期分析。
圖4 – 優化后用戶畫像
2. 授信分析功能優化
目前授信分析功能已經開發了注冊、申請貸款、獲得貸款人數等統計指標，通過上一步用戶畫像的優化，有了更加細致的用戶數據，可以進一步改善授信分析功能。
此版塊可以接入模型預測功能，即通過機器學習模型根據用戶數據對每一個用戶的可授信額度進行預測。此功能先經過判斷數據類型，了解數據質量等先處理步驟，再自動在模型庫中選擇合適的模型進行預測，最后展示最優模型的預測結果。如下圖所示，數據包含分類數據，文本數據，數量數據等，可以通過合適的數據轉換步驟，再加入邏輯回歸模型對授信額度進行預測。同時，此功能也可以允許客戶自定義模型變量，通過嘗試不同變量，來對比預測效果。
經過預測，上述的本科畢業生群體通過模型預測其可授信額度為月平均3000元；上述的月總收入大于20000元，硬性消費占消費總額50%以下的用戶群體則預測其可授信總額度為50000元。模型對每個用戶預測授信額度后，可以通過聚類模型，把類似的人群聚集，形成人群授信額度數據。比如高凈值用戶群的平均可授信額度為80000元，小貸需求用戶群的平均可授信額度為50000。
表1 – 模擬授信額度預測
在此功能下，可以先通過圖表展示授信預測結果，用戶可以選擇查看詳細的模型預測過程，包括數據經過什么轉換過程，數據是否平衡，是否經過默認的數據平衡處理，使用了哪些機器學習模型，每一個模型的的正確率，Confusion Matrix的對比，使用LOSS的提升方法和效果，和各個模型存在的優缺點。
3. 逾期分析功能優化
逾期分析功能現有逾期時間段分類，逾期賬單數，逾期人數等趨勢圖實時跟蹤。對授信階段的數據同樣可以用于逾期分析階段，同樣運用機器學習模型預測，分類模型可用于預測用戶時候會逾期，邏輯回歸模型可以預測用戶的逾期率，而且可以通過統計計算預測整體逾期總額。逾期的模型預測有利于公司提前進行風險控制，給公司提供高逾期率人群的用戶畫像，知道那些人群有更高的欠款違約概率。
表2 – 模擬逾期概率預測
同樣，逾期分析功能可以先提供圖表向客戶提供最優的模型預測信息，客戶也可以查看更詳細的模型細節。如果允許接入開源編程工具，則可以開放部分參數允許客戶修改模型，比如對不平衡數據的處理方法，神經網絡種類的選擇， 神經網絡隱藏層的數量，和模型優化的算法等。
同時，逾期模型的預測結果可以隨時根據用戶的新數據進行更新，用戶數據越多模型越準確。逾期模型的結果和更新的用戶分群規則也可以反饋于授信分析模型，提高授信分析的準確率和用戶畫像的精確度。
圖 5 – 數據與模型之間和模型之間的相互促進作用
四. 新增購買分析版塊
通過上述的用戶分類，用戶畫像優化等步驟，借貸業務分析版塊具有了詳細的借貸用戶數據，可以進行購買分析版塊的拓展。
1. 預測購買概率
根據消費數據，可以得知用戶的消費行為，消費習慣等，可以通過模型對購買力進行預測。 APP客戶可以先選取本公司業務重要的拓展產品和時間，選取某一產品進行購買概率預測。分類模型可以預測用戶是否會購買此產品，可以得出概率的模型如邏輯回歸，貝葉斯分類等可以預測用戶購買此產品的可能性。
比如根據數據可以預測上述的用戶是否會購買Iphone X， 假設本科畢業女生購買的概率是0.4，同時上述的月薪五萬的群體購買Iphone X的概率是0.9，那么移動應用分析產品的客戶就可以考慮在購買概率有明顯差別的情況下，運用差別化營銷戰略，在Iphone X的預售階段向不同的群體投放不同的廣告，提高廣告效率。
表3 – 模擬購買概率預測
2. 預測貸款需求
同樣，當購買力不同的時候，對借貸的需求也不一樣。當購買概率預測得出結果后，可以得出每個人可能的消費路徑。此時可以接入模型，預測不同用戶對分期貸款產品的需求概率和可能申請貸款的金額，提前為貸款高峰時間段做準備。比如，本科畢業女生想通過分期購買Iphone X，按照她的收入水平預測可能的貸款需求為5000元，則再輸入模型預測此貸款逾期的概率。當用戶真正啟動申請貸款時，則可以更新數據，得出最新的授信分析預測結果和逾期分析結果，提供更優化的決策信息。
五. 輸入輸出功能優化
圖 6 – 輸入輸出功能優化
1. 輸入功能優化
目前尚未在移動應用分析產品中發現可以自定義的導入功能，如果產品接受導入，的確需要更強大的數據處理能力和更復雜的數據處理功能，但是接受多元化來源的數據可以豐富數據庫，優化模型，為日后的開發做準備。
（1）接受結構化數據輸入
結構化數據包括客戶處理好的Excel文件，數據庫導出文件等，結構化數據更容易處理，可以優先開放輸入通道，可以接受本地上傳，騰訊云傳輸等。
（2）接受非結構化數據輸入
常見非結構化數據包括文本，圖像，網頁鏈接等。客戶的文本信息可以拓展自然語言處理功能，對文本進行分析。比如客戶從其他途徑得到的APP用戶評價數據，可以對其進行分詞處理，標簽化，情緒分析等文本分析，來為客戶提供更多元的分析結果。
2. 輸出功能優化
（1）輸出格式多樣
目前移動應用分析產品提供導出CSV文件的選項，增加常見輸出格式可以提高適用性?？梢钥紤]允許移動應用產品生成的圖導出成圖像，表格導出為xlsx， 原數據導出為JSON文件等。
由于考慮目前使用移動應用產品的為數據分析員，他們目前得到產品上的圖表之后，需要自己用CSV文件數據重新制作圖表。如果圖表可以直接導出，可以提高他們的工作效率，節省客戶的人力資源。而且，移動應用產品能生成熱力圖，地圖等高級圖表，日常的數據分析員如果重復畫圖則需要更多的時間精力。
（2）與騰訊云鏈接
可以開放移動應用分析產品和騰訊云的傳輸通道，輸出的圖表和數據都存儲在客戶的騰訊云賬戶上，提高了騰訊云的利用效率和用戶黏度，也方便用戶進行數據管理。
（3）保證版權所有
在開放輸入輸出通道的同時，必須保證移動應用分析的版權所有。數據是極富有價值的資源，理應保護，避免損傷自身產品的利益。騰訊移動分析可以限制所有輸出的打開方式，并且應該在輸出圖表數據上標識版權所有，維護合法權益。
六. 結語
無論是借貸業務的用戶畫像、授信、逾期分析的優化，是購買分析的探索，還是系統設計上輸入輸出功能的補充，都是希望騰訊移動分析MTA能做更接近決策者的目的出發，在決策者使用產品的時候可以用最快的速度得到合理范圍內最優化的結論信息。這樣MTA的使用者就可以節省人力資源，節省從數據中發掘信息的時間成本，以及提高商業判斷效率，為發展爭取時機。
相關閱讀
原標題：做更接近決策者的移動應用分析
作者：駱羿，研究生畢業于美國福特漢姆大學商業分析專業，現紐約Namely公司（開發HR SaaS 平臺的高成長初創公司）從事數據分析工作。
本文為「人人都是產品經理」社區和騰訊移動分析聯合主辦的“騰訊移動分析測評大賽”中的四等獎作品，未經許可，禁止轉載。
題圖來自 Pexels，基于 CC0 協議
好專業啊，沒做過金融產品和銀行信貸產品，表示理解起來有點吃力