互联网金融运营需要关注的数据有哪些呢?

做互联网金融的运营,一般需要关注哪些数据,如何做这些数据的分析呢,有大大可以给尽量详细点的指导么,多谢
关注者
2720
被浏览
63164

30 个回答

由于互联网金融概念较为宽泛,支付、投资理财、信贷、征信、虚拟货币发行(比特币等)、金融产品搜索等不同领域所关注的核心指标并不相同;即便是相同领域的公司,由于核心业务模式的差异导致大家所关注指标也不相同。因此从运营角度来看,最靠谱的是结合公司的核心业务模式来归纳运营指标。

备注:由于互联网金融公司的金融属性,从经营风险的角度来看,风险贯穿互联网金融公司的企业日常运营、IT平台运营等过程,这与普通互联网公司的运营主要关注产品运营有极大不同,因此以下所指的运营并不单纯指普通互联网公司的运营部门的运营,而是从整个互联网公司企业运营角度来说的(其实也是运营人员需要关注的),姑且叫大运营吧。

不妨先看看一家互联网金融公司正常运营要关注的问题(其实也是核心业务模式):
1、目标用户是谁,目标用户的分级体系?
2、提供什么样金融产品,金融产品的核心价值?例如收益、风险、流动性等
3、通过什么渠道找到目标用户?例如搜索引擎竞价、微信、APP、朋友圈、渠道合作伙伴等等
4、举办什么样的营销活动来扩大影响力,拓展新用户、提升老用户活跃度?
5、合作伙伴是谁?包括担保公司、保理、信托、银行、渠道合作等
6、怎样进行风险控制?包括政策法规风险、项目风险、系统风险、操作风险等
7、用户通过什么渠道投融资(支付)?第三方支付、网银转账、线下汇款、移动支付、POS等等
8、怎样搭建NB的IT支撑平台?用户体验要好、系统要安全可靠稳定等等
9、怎样服务好用户?客服体系、运营体系等等的搭建
10、怎样从众多竞争对手中脱颖而出,建立品牌形象并维系好品牌形象?

针对以上问题,可以总结出对应量化指标体系:
1、用户指标:包括用户信用评级、活跃度、留存率、转化率、客单价(平均投资额度)、用户分布(各等级占比)、互动指标等等。
2、产品指标:产品组合、投资人数、投资金额、满标时间、收益率、流标数、风险系数、热度(受欢迎度)等等。
3、营销渠道指标:渠道来源、渠道转化率、渠道成功率、渠道成本等等
4、营销活动指标:活动成本、活动渠道来源、活动转化率、传播数、新增粉丝数/用户数等等
5、合作方指标:合作带来的项目数、项目通过率、风险系数、成本等等
6、风控指标:项目审核通过率、风险备用金、项目流动性风险指标、合规相关指标等等
7、支付渠道指标:渠道转化率、渠道成功率、支付渠道来源、渠道成本等等
8、IT平台指标:用户体验指标(包括响应速度等)、可靠性指标、安全性指标等等。这块与互联网的指标类似。
9、客服指标:投诉分类、接通率、投诉渠道、响应速度、满意度等等
10、竞争性指标:竞争对手分析指标、互联网舆情监控指标等等
我们之前做过一期互联网金融的公开课,「互联网金融增长宝典:三大步骤提高转化,搞定用户运营」,主讲人是 GrowingIO 的业务增长负责人徐主峰,曾任职 Criteo、Microsoft 等公司,有丰富的电商、互联网金融客户解决方案经验。 这是公开课的速记整理。
这是一篇互联网金融宝典,我推荐给所有转化率只有 1%、总是为谁可能是你的购买用户而犯愁的互联网金融的高管、PM、市场运营和销售们。本文通过实战案例,手把手教你建立转化指标、 梳理分析思路、提供分析步骤并最终建立用户行为分析模型。

文 / 徐主峰

大部分的互联网金融公司最为纠结的一点是,流量这么大,获客成本这么高,为什么最后的的转化率和成单量却这么低?怎样才能提高用户运营效率?用户行为数据分析怎样把处在不同购买决策阶段的用户挑选出来,帮助互联网金融公司做到精益化运营?

我们的客户中很大一部分来自互联网金融,比如人人贷等行业前 10 的互联网金融公司。在服务客户的过程中,我们也积累了大量的数据驱动业务的实践案例,来帮助客户创造价值。

一 、互联网金融用户四大行为特征


互联网金融平台用户有四大行为特征:


第一流量转化率低,下图是某互联网金融公司网站上,新客户过去 30 天整体购买转化漏斗,其转化率只有 0.38%:


而这并非个例,实际上,绝大多数互联网金融公司,在 web 端购买的转化率基本都在 1% 以下,APP购买率在 5% 左右,远远低于电商或者其他在线交易的购买率。


第二,虽然转化率低,但是客单价却很高。一般来说,电商行业客单价在几十到几百,而互联网金融客户,客单价从几千到几万,某些特殊领域甚至高达几十万。而客单价高,就意味着用户购买决策会更复杂,购买周期也会更长。


第三,用户购买行为有很强周期性。电商的客户下次购买时间是不确定的,但是互联网金融平台上,真正购买的用户,是有理财需求的用户,在资金到期赎回产品后,一定还会进行下一次购买,只不过未必发生在你的平台上。

下图是一个典型互联网金融用户的交互趋势图:


可以看到,每隔一段时间,这个用户就会有一段集中的、大量的交互行为。当用户购买完成后,用户的交互行为又变得很少,可能偶尔来看看产品的收益率,但整体的交互指标不会太高,直到他下一次购买。这个用户理财需求的周期是一个月左右。


最后一个特点是「很强的特征性」,主要包括两个特征:


A:用户的购买偏好比较容易识别,理财产品数量和品类都很少,所以用户购买的需求或者偏好,很容易从其行为数据上识别出来。


B:用户购买过程中的三个阶段特别容易识别:


  • 用户在购买决策阶段,有大量的交互事件产生,他会看产品,比对不同产品的收益率和风险,比对不同产品的投资期限等等;

  • 但是一旦他完成了产品的购买,就不会有大量的交互行为产生,他可能仅是回来看一看产品的收益率。

  • 当用户的产品资金赎回之后,又有大量的交互事件产生,实际上他处在下一款产品购买的决策期。



二、互联网金融用户运营的三大步骤


针对互联网金融用户行为的四个特征,在用户运营上有三个比较重要的阶段性工作:


1.首先,获取可能购买的目标用户,合理配置在渠道上的投放预算,以提高高质量用户获取的比例:


渠道工作的核心,主要是做好两方面的工作:宏观层面,优化整个渠道的配置;微观层面,单一渠道角度来说,根据渠道配置的策略,有针对性地实施和调整。


具体渠道的实施,大家都比较熟悉,但是对于整个渠道组合配置的优化,很多人接触的其实并不多。


这张图是整体转化漏斗,从不同维度可以做对比,比如我们先选出流量前 10 的渠道:


以渠道一为例,总体的转化率是 0.02%;在过去 30 天站内总体的流量是 18.9K,漏斗第一级到第二级的转化率是 3.36%,这样一共是五级,我们看到最终渠道一带来总体的成交用户一共是 4 人。


类似的,前 10 的渠道数据都很清晰。不同渠道带来的流量,不同渠道总体的转化率,以及不同渠道在整个转化路径上每步的转化率都可以看到。


这里面有几个渠道很有特点:

  • 渠道一的特点,渠道一带来的流量是所有 10 个渠道里最大的,但是它的总体转化率却是低的;

  • 渠道二和渠道七,渠道二的量很大,但是转化率是零。渠道七量比较一般,转化率也是零;

  • 渠道九和渠道十,这两个渠道是所有渠道里转化率最高的。但是这两个渠道特点,是带来流量不是特别大……


结合典型渠道特点,可以做一个象限图:


第一象限(右上角)渠道质量又高,带来流量又大的,这里面渠道三四五是符合这个特征的,渠道策略应该是继续保持和提高渠道的投入。


第二象限(左上角)渠道的质量比较高,但带来的流量比较小,这里面包含的主要渠道就是八九十。对应的主要策略是,加大渠道的投放,并且在加大投放的过程中,要持续关注渠道质量的变化。


我们先看第四象限(右下角),渠道质量比较差,但是带来流量比较大,这里面主要有渠道一和渠道二。相对应的渠道策略,应该在渠道做更加精准的投放,来提高整个渠道的质量。


第三象限(左下角)这个象限里渠道质量又差,带来流量又小,比如渠道六跟渠道七。我们是否要直接砍掉?这里建议是,策略上要比较谨慎一些。所以在具体渠道的策略上,业绩保持监测,然后小步调整。

根据上面数据分析得出的结果,做过渠道优化后,就会为我们带来更多高质量的用户。


2.接下来就要把高价值的用户——真正有购买需求,愿意付费、购买的用户找出来。


将资源与精力投入到真正可能购买的用户上的前提是,我们要能够识别出,哪些是真正有价值的用户?哪些是价值偏低的用户?


其实对于互联网金融平台来说,甚至所有包含在线交易的平台,用户的购买意愿,是可以从用户的行为数据上识别出来的。由于互联网金融平台的特殊性,相比于电商平台来说,商品品类更少,平台功能也更为简单,所以用户的行为数据,也更能反应出互联网金融平台上用户的购买意愿。


把用户在平台上的所有行为总结一下,核心的行为其实并不多,具体包括:



用户查看产品列表页,说明有一些购买意愿,点击某个产品,说明用户希望有进一步的了解。用户最终确认了支付,完成了购买,购买流程就走完了,他的理财需求已经得到了满足。每一种行为都表示出用户不同程度的购买意愿,所以获得用户在产品里的行为数据就十分重要。


既然用户行为数据这么重要,那么怎样获取呢?GrowingIO 以无埋点的方式,全量采集用户所有的行为数据,根据我们对业务的需求,配比成不同的权重系数,并按照每个用户购买意愿的强弱,进一步分群。


这是我们一个客户制作的用户购买意愿指标的范例,刚才的前 5 个行为,都是用户在购买前典型的行为:


每种典型事件的权重系数不一样,用户购买意愿是越来越强的:用户点了投资按纽,甚至点了提交的按钮,显然要比他单单看产品列表页,或者单单看产品页、详情页的意愿强。越能反应用户购买意愿的事件,你给它分类的权重应该是最大的,这是大的原则,0.05 还是 0.06 影响并不大,所以不必纠结。


这样通过这种方式,我们就可以按照每个用户的所有行为,给用户做购买意愿打分的指标,最终形成用户购买意愿的指标。


这是我们从高到低截取部分用户购买意愿打分的情况,第一列是每个用户的 ID,第二列是按照购买意愿给每个用户打分的情况。得分高的,就是购买意愿最强烈的用户。


拿到所有用户购买意愿之后,我们就可以按照用户购买意愿的强烈与否,把所有的用户分成不同的群体,来做针对性的运营。


这是在把用户在过去 14 天内,由其产生的所有行为数据,按照购买意愿打分的权重,把打分大于 5 的用户找出来,在总体用户里,这部分用户购买意愿排名前 20% ,我们给它起个名字,叫购买意愿强烈的用户。


类似我们还做了购买意愿中等的用户分群,这是购买意愿排名在 20-60% 之间的用户;购买意愿排名在最后 40% 的用户,是购买意愿最弱的用户分群。


分群之后,点击任意一个分群,都会以用户 ID 的形式列出来。因为你要有用户的 ID ,才能对这些用户施加运营策略。每个用户最近 30 天的访问次数,最近的访问地点,最后一次访问时间都可以看到。


接下来针对这些购买意愿强烈的用户,怎样推动用户的转化呢?


3.采取针对性的运营策略,提高高价值用户的转化率。


首先我们来看一下购买偏好,互联网金融平台商品品类是比较少的,用户购买的目的性也比较清晰,一般商品的品类有这么几种:


第一种:债券型理财产品

第二种:股票型理财产品

第三种:货币型理财产品

第四种:指数型理财产品

第五种:混合型理财产品…


我们把用户在不同品类商品上的访问时长占比算出来,就能比较好地了解用户的购买偏好。比如下图,我们用用户访问债券型产品详情页的访问时长,除以用户在站内总体的访问时长,就能够得到用户在债券产品上访问时长占比的指标。


我们还是使用用户分群的工具,把在债券型产品上的访问时长占比大于40%的用户分出来,这是有非常强烈表征的客户,他购买的偏好就是债券型的产品。


同时我们再设定另外一个指标,比如用户购买意愿指标,之前我们做过大于5,也就是购买意愿排名在前 20% 的。


通过这两个条件,我们就可以把购买偏好是债券型产品,同时有强烈购买意愿的用户找出来,这两个指标的关系是并(and)的关系。同样我们可以按照用户的购买偏好,把关注其他品类的用户,都做成不同的用户分群,然后形成不同购买偏好的用户群体。


针对这些用户,其实在运营策略上,我们可以从三个层面来展开来进行做:


从购买阶段的角度,首先我们把所有用户可以分成新客和老客。对于这两个群体来说,运营策略和运营重点是非常不一样的。


新客群体,是从来没有在平台上发生过购买的用户,我们要根据用户的购买意愿,做进一步的运营。

老客群体,也就是在平台上已经发生过产品购买的用户,除了关注用户的购买意愿之外,用户的资金状态(资金是否赎回)也是非常重要的参数。


用户是否购买过产品?购买产品的用户是否已经赎回资金?这两个内容,其实是一个用户当前的属性。在我们分群的工作里,这有个维度的菜单,通过这个维度菜单,我们就可以把具有某种属性的用户找出来:


这里我做了一个分群,我们可以看一下。在维度的菜单里,我们把是否购买过产品的维度值设置成了 1 。把资金是否已经赎回这个维度的值,也设置成了 1 。实际上是把那些资金已经赎回的老用户找出来;同样在指标这个菜单里,我们同时也把有强烈购买意愿的用户找出来,时间是过去 14 天,指标大于 5 。


这样我们就制作了一个用户分群,而这个用户分群里所有用户,要满足下面的三个特征:

特征一:购买过产品的老客。

特征二:他们的资金,目前已经赎回了。

特征三:过去 14 天内的行为数据,表明这个用户有着强烈的购买意愿。


同理我们把所有用户,整理为下面几个不同类别,对应不同的运营策略:


比如新客里,当前有购买意愿的,其实他属于购买决策期的新用户。应该根据用户的购买偏好,推荐这种比较优质的理财产品。并给予一定的购买激励,来促进这些新客在平台上的第一次购买,这个对于新客来说是非常重要的,以此类推。


相比于电商或者其他行业,互联网金融平台结合行业和用户的特点,从用户行为数据分析的角度,驱动产品业务以及提高用户的转化率,有更加重要的意义。


备注:本文中数据产品截图来自于 GrowingIO 硅谷新一代数据分析产品

为什么?