2019帆软第二届“数据生产力”大赛

8. 【长江证券】利用帆软构建用户挖掘系统

排名 投票数
2 19979

利用帆软构建用户挖掘系统

一、项目基本信息

1、项目信息

公司全称:长江证券股份有限公司

项目名称:用户地图

负责人信息:张炤辰(项目经理) 王梦莹(产品经理) 

团队成员与岗位:

黄振森(设计开发)、程欣(设计开发)

 

2、平台运行状况

平台报表总量:160

平台月访问量:1.5万人次

 

二、项目背景

一直以来我们都利用帆软报表系统提供其他团队、部门数据查询和数据处理自动化的支持,这种工作模式有效的解决了业务团队手工处理数据、查询数据流程过长、EXCEL分析过于繁琐等核心痛点,并通过大量的数据挖掘和分析,为部门的营销、开户等核心业务提供创新突破口,有效提升了各业务线效能。但这种工作模式的弊端随着业务需求的激增日益凸显,业务人员的数据分析需求过于琐碎,导致报表开发人员工作量剧增,整个报表系统逐渐“臃肿”,平均每一个业务系统就存在1015张报表,并且报表内容同质化严重,报表展示的指标杂乱,没有统一的规范。

我们反复分析之前的被动型数据分析模式,发现业务需求之所以繁琐是因为业务方没有明确和完整的业务思维逻辑,导致散落在各处的数据没有被聚合和关联分析,数据虽然没有形成孤岛但是其本身的价值被疏漏。因此我们决定主动挖掘部门数据的价值点,并梳理部门的业务框架,构建一套完整的数据分析系统。

经过我们对业务线的梳理,我们发现所有业务的核心突破口都是公司客户,客户的基础属性、交易数据、行为数据等构成了该用户画像的底层数据源,通过挖掘数据源并进行特征工程和算法分析,我们可以构建用户的基础标签;在用户标签基础之上,我们又可以进行用户分群,并对各种群体做不同的营销活动分析,营销的结果又可以重用于优化用户的标签,从而形成了用户数据、用户标签、客群分类、营销活动、优化标签的闭环。为了实现以上数据闭环,需要有一套完整的算法平台,而帆软提供了星环Inceptor的数据链接接口,因此我们利用帆软报表作为前端展示输出与用户事件接口,星环算法平台作为数据中台,处理提交的数据分析任务,如自定义客群,客群属性分析,标签计算等,数据后台由TDH提供存储和计算框架。

基于该数据平台,业务人员能直接从用户的角度洞察业务突破口,设计更合理的营销服务模型,并释放了报表开发人员的压力,让报表开发模块化。

 

三、应用场景与价值

场景一:数字化营销,线上线下统一

在传统的线下营销过程中,运营人员及相关的领导很难有一个很好的平台去了解自己的用户情况。针对于用户量越来越大,每名营销人员或者营业部、分公司无法有一种有效的触达方法去了解自己用户。因此,在进行针对性的营销活动中,比如销售金融理财产品、工具类行情产品等。以往的模式都是根据营销人员以及运营人员的经验进行人群查找,这样的弊端在于用户寻找并不准确,一线营销人员花费大量的精力去推销那些并不适合的用户。另一方面,真正需要的用户并没有被及时的跟踪与沟通。

为解决这个痛点,我们使用帆软报表设计制作了《用户地图》体系。用户地图体系总计分为了11个栏目,包括用户洞察、用户分群、用户画像、业务线情况、用户生命周期等多的板块,通过用户需求调研、数据整理与加工、报表实施、权限分配等过程,为营销部门输出精准的数字化营销方案。

用户地图体系主要有五个方面的功能。

1)首先是用户分群挖掘,管理员用户根据体系中的维度对用户群进行任意的分割,例如可以根据用户年龄、性别或者资产、交易以及产品购买情况等。并通过户洞察的功能,查看分割好的用户群体的各维度情况。

用户分群挖掘


2)用户洞察功能,该板块给运营人员筛选好的客户群进行了很好的可视化展示。包括用户群的整体评分、贡献情况以及预测的产品销售转化率等。可以给营销人员判断自己筛选的客户群是否符合业务标准。此外还有相似客户群的信息,帮助运营人员找到更多目标客户。

用户洞察


3)用户画像模块。用户洞悉模块是更好的查看用户的销售特征,用户画像板块则是对用户各维度的展示包括用户的渠道、活跃程度、资产情况以及贡献偏好等。该板块可以让营销人员实时去观察客户群的情况,及时做出相关决策调整。

用户画像


4)业务线的管理,该板块根据部门业务线的划分来展示各个业务条线的情况,包括理财产品的销售,投顾服务销售,新开户情况等等。该板块可以让各业务线的人员更加针对性的查看自己业务方面的实时情况,及时做出业务调整,提高业务的响应度。


5)用户生命周期,该板块从生命周期的角度展示了从新手期、成长期、成熟期、衰退期等的客户分布情况。便于分析用户的特征情况,发掘每个阶段客户的异动情况,及时做出相应的营销策略调整。

用户生命周期


用户地图的挖掘、监控功能很大的提高了营销活动的营销效率。给线下、线上营销带来很多便利。

1、线上快速用户筛选发送:运营人员可以使用系统快速筛选出要想push的用户,使得线上push更加精准,优惠券转化率平均提高100%,效果十分明显。用户购买转化率平均提高50%

2、线下节省员工成本,线下管理员通过精准定位用户,使得每名营销人员的所分到的用户更加精准,数量更少。这样营销人员有更多的精力去服务目标用户,而不是大批量的电话轰炸。在使用系统后,营销人员人均的服务用户从200左右下降至50左右,但用户转化率提成了20%以及产品销售总金额提升了30%

3、完整的用户群分析,提高决策效率。总部领导或者分公司、营业部的领导可以通过该系统全面的分析、了解所辖用户的情况。并对用户群体进行跟踪,及时做出相应的运营决策。分析用户的时间减少了一半以上,提高了决策效率。

 

场景二:助力产品经理研究用户

好的产品需要建立在对用户足够了解的基础之上,但产品经理仅通过行为数据分析平台提供的数据(PVUV、页面访问路径、漏斗等)来了解用户是不够的,要深入研究用户群体,还需结合用户标签以及各业务数据,做深入的数据挖掘及加工,方能得到更透彻的结论,从而辅助产品设计。

以往产品经理想要优化某功能,首先得确定目标用户群以及想要分析的特征,然后由数据团队进行数据分析,对于不同的需求,用户群、所使用的数据和最终特征结果也会不同,研究结果并不能复用,这带来了大量的重复工作,而且需求方提供的用户群可能并不够准确,以及提出的特征可能存在不清晰或者有遗漏的情况,导致最终分析结果效果打折扣。所以急需一套完整的用户研究方案来解决这一痛点。除此之外,产品经理还会关注用户群特征的变化,从而进行相应调整。以往只能定期观察分析报告,针对不同的细分产品及其用户群,每期报告的数量很多,而且对于短期骤变特征,无法迅速捕捉,等到发现时可能已经错过了最佳应对时机。急需系统化的把各用户群特征监控起来,捕捉异动。

我们基于用户地图体系,通过帆软报表系统迅速的搭建前端页面,通过填报报表数显新建用户分群、分析报表展示群体特征以及监控异动。

用户地图系统很好的解决了产品经理的这一痛点,极大的提高了用户群体特征研究的效率以及效果,具体体现如下:

极大的提高了用户群特征研究的效率。以往人工完成单个需求要一整天时间,用户分群越多,越耗费人力。现在产品经理只需新增用户群,借助后台的大数据平台和算法平台,每天都能批量计算出最新最全面的分析结果,现如今系统中已经保存超过100个不同的用户群,完全解放了数据分析人员。

有效提升分析效果。系统除了能满足各产品经理需要的特征,还能提供其它特征来帮助产品经理更全面的了解用户,从而改进产品。实用中某个产品购买流程经过用户分析,做了针对性优化后最终转化率提高了5个百分点。

发掘更多业务场景。系统提供的相似客群功能可以帮助产品经理发掘更多具有相似特征的用户群,从而有可能发掘新的业务场景。实用中我们发现购买A产品的用户分别和购买B产品的用户、看C类资讯的用户特征相似度较高,产品经理即将A产品的介绍和购买入口添加到B产品的购买流程和C类资讯详情页中,使得A产品的访问和购买量均提升了20%以上,效果明显。

附图

1.用户分群


2.用户挖掘


3.用户洞悉


4.用户画像


5.用户属性


四、项目心得

1、成功经验

在互联网金融工作中最大一部分工作是数据展示,如何提取最合适的业务指标,最直观的反应业务价值,使运营人员快速了解前端业务进展,方便对用户进行全面画像,同时通过核心业务指标方便运营人员及时调整业务方案;工作中最有价值也最有趣的一部分工作是数据挖掘,我们需要挖掘出用户的产品需求,促进产品销售,做到提前销售,同时对用户进行预警,防止用户流失。

基于以上两个需求,我们将两个需求揉和到一个数据产品中,减少了用户产品的入口,做到少入口,多功能的优势。

此次项目周期为3个月,包括所有数据的落实、与业务人员进行的产品对接以及后端的页面设计和开发。在这个过程中,需要协调it人员建立准确无误的数据宽表,同时也需要和各个业务条线人员沟通落实业务指标,准确的了解他们的业务需求,在页面设计指标排放方面,也耗费了我们很多心思,如何做到将业务指标不重复有逻辑的排放到报表中,都是我们不断和深入了解业务后取得的成功,也是多方配合协调后的成果。

 

2、改进注意点

本次由于项目周期短,我们主要将用户的基础属性、交易数据、产品数据以及外部开户资产数据进行了梳理和建模,但是关于用户交易的风格数据,比如通联标签数据以及用户的行为数据、用户在我们APP上的点击数据,我们都还未来得及放到项目中来,后续会考虑将用户的交易风格数据以及行为数据加入到项目中来,做到用户的全套监控:行为——交易——挖掘——预警。