易观A10王珺演讲:数据驱动用户价值成长

易观 2017-10-27 15:09:58   26

20171027日,易观A10大数据应用峰会在北京召开,本次峰会以“数以致用 源力觉醒”为主题。本次大会邀请到国内互联网行业领袖大咖,以及来互联网、传统企业、媒体及资本领域在内的3000多位与会者,共同唤醒“数字源力”,让用户数据价值得到充分释放和利用。

 

易观数据应用中心总经理王珺在用户经营平行论坛上,发表了题为《数据驱动用户价值成长》的主题演讲,演讲结合新发布的易观方舟在金融领域的应用潜力和应用方向,深入分析如何通过数据驱动用户价值提升。以下为演讲实录:

大家下午好,我是易观的王珺,负责用户运营。我们这场嘉宾非常多,还有很多朋友站着呢,说明我们金融行业的大数据应用已经到风口浪尖了。其实今天我也希望在这儿,很高兴有机会跟大家分享一些易观在大数据,以及和金融行业结合这块,有一些心得,希望跟大家共同学习,共同成长。

首先我们认为,未来的所有企业都是数字企业,也就是说每一个企业它的运营,不管你原来是做什么的,未来你都将成为一个数字企业。而在这个企业中,你的数字用户资产将成为核心资产。因为可能之前我们评价一个公司,更多的是从收入、业务、现金流去评价,但是我们认为,未来评价一个公司,你的数字用户资产价值将成为一个很核心的评价标准。

再有,其实我们认为除了有数据,有数字用户还不够,你还得通过AI,人工智能去把你的数据,把你的用户,能够更好的结合起来,结合到你的业务场景中去,结合到你的应用场景中去,我们认为这三点是大势所趋是未来的发展方向。

那对应到金融行业,我们面临的如何成为数字企业这样的问题。现在我们面临的一些困局都有什么,在座的很多朋友都是来自于金融行业的小伙伴,可能我们在之前的一些业务过程中,会遇到很多我们类似的问题,我手里有很多数据,但是没有用。为什么?可能有以下几个方面,导致我现在手里很多数据没有用。

第一,我的数据非常分散。因为线下我们很多网点,我们也有很多的帐户,包括现在互联网化进入到行业之后,我们也有很多的移动互联网用户。在这些场景下都会产生各种各样的数据,但是这些数据可能很难结合起来去打通,这是一方面。

另一方面,我现在数据非常碎片化,可能我知道一个用户在这儿存过款,也知道这个用户用过APP,但是这些数据都是点状并没有形成体系化全场景的数据,所以面临的问题就是我在用的时候,没有我需要的数据,或者是我手里的数据没有办法好好的利用起来。面对这样的困局,我们如何能够实现金融企业的数字化,我们认为需要经历以下步骤。

开始,我需要把我所有的数字用户能够打通,这就包括比如我们线上的一些数据,应用用网站,或者用一些公众号这些数据,能够把它进行数字用户试图打通。因为用户对于我的业务来说他是多触点接触我的业务,所以我需要把多个触点过来的用户我能知道是同一个用户,这是第一步。

基于这一步之后我才能够对这个用户全生命周期进行精细化运营和精细化管理,这个用户从哪儿来,接触哪些触点,产生过哪些消费记录,购买过哪些产品,我才能有一个全生命周期的描述。包括用户之后,不在我平台上了,流失掉了,这个用户去了哪儿,去了我的竞品上还是用户不在使用类似的服务了,我们需要一个用户全生命周期的管理,这样才能够更好的挖掘用户的价值为我的数字用户资产增值。

这样我需要建立大数据平台,不仅对用户数据进行管理,也把用户数据,产品数据,业务数据和一些运营数据统统给打通,只有把所有的数据打通之后,我才能够通过数据来驱动整个业务成长,驱动数字用户资产的增值,帮助我的各个业务场景下能够通过数据优化我的业务流程,提高我的效率。最终是达到增收节支提效避险的功能,所以金融行业需要经历四个阶段才能够成为我们所希望成为的数字用户数字企业。

易观在这块也围绕这四个阶段为企业赋能,提供相应的产品工具,以及解决方案。还有我们通过我们的用户数据,帮助企业服务。首先在全生命周期这块我们提供了一款工具,就是今天上午发布的易观方舟。在最后数据驱动业务成长这块,我们提供了一套针对于金融行业的解决方案,后续我会有详细的介绍。贯穿整个流程始终的,是我们易观的大数据以及我们易观的数字用户体系,以及数字用户数字和标签,我们通过这些服务希望能够帮助到金融行业更好的,或者更高效的去实现我们的数字化,去实现我们用大数据驱动企业成长的目的。

先说一下易观方舟,上午大家来的时候已经见到这个图了,我简单说一下我对于数字用户生命周期管理的理解。我们现在所有的用户都具备一个数字用户的特征,这个用户他从接触到某一款产品,某一个业务的时候,我们就猛攻识别出来这个用户。同时,我们也能够通过用户的渠道分析,用户的偏好分析,以及用户的价值观分析,能够知道我们的目标用户在哪儿,通过什么样的方式,能够获取到我们的目标用户。这个当然是很多企业面临的问题就是用户的拉新。当用户通过拉新到我们平台上之后,其实可能我的这个平台有不同的产品,上面也有各种各样的用户需求。那我如何能够把用户和产品精确的匹配到一起提高我运营的效率,提高我用户在我平台上反复变现,反复去转化成为消费用户的可能性。这样就需要我们通过这样一款产品,针对于我们不同的业务节点,通过买点的方式进行深度的分析。每一个业务都会有用户的分群,通过易观方舟这款产品,我们能够在任意一个业务节点上,去进行实时下钻的分析。

比如我卖了一款产品,我推给一百个人,有30个人买了,我能够看到这30个人偏好和用户画像是什么,除了看到我产品中的画像以外,而且能够看到用户全场景的画像,这是易观方舟核心的优势,就是我们能够结合全局的数据,结合用户他外部的在移动互联网上面的行为数据做下钻分析。

另外我用户经过生命周期的末期,他沉默了或者流失了,可能对于很多的工具来说,用户流失掉了,不在我产品上活跃了我不知道这个用户去哪儿了。但是易观方舟这个产品能够准确的告诉你这个用户画像是什么,流失到哪儿去,他去了竞品,还是他不在用该类的应用,这样我们能够针对于这个用户做唤醒机制。比如通过短信通过一系列的方式把他唤醒。其实我们整个方舟的产品就是围绕用户全生命周期形成的一个闭环,帮助你在每一个环节,通过易观的大数据去分析用户行为,分析用户的画像。

其实我们认为易观方舟能给大家提供的比较核心的四个,第一是用户的行为分析,这是相对来说比较普遍的。第二就是用户分群,用户分群其实相当野蛮,除了针对本身业务之外,我还能够针对用户在整个移动互联网行为下,通过他的标签进行用户分群。同时基于这些分析,通过这些数据,我能够很好的分析我的运营策略。比如我做一个产品,针对于哪一类用户进行推送,营销,通过这款产品我都能够很准确的定义出来。最后我们能够形成一个用户触达的闭环,也就是我不光把用户分群分出来还能够触达到目标人群,通过易观方舟这款产品都能够做到。

刚才说的是这款产品一款工具帮助大家去做用户全生命周期管理。接下来其实我们更多的是通过我们易观大数据体系下生成出来的数字用户的标签,帮助企业赋能。这个是我们的标签结构,其实我们基础标签就是我们采集到的移动端的用户,他每一天的行为数据。也就是在座的各位都在用手机,你的手机上安装了什么样的应用,你的手机每天都在使用什么样的应用,哪些应用是你最喜欢的,通过各个场景我们能够判断出这个用户他的生活状态是什么,他的偏好是什么,他的消费观价值观是什么,所以我们基于对于用户基础行为,包括APP的使用行为,场景的使用行为这些基础数据,我们能够推导出比如这个用户是男是女,多大岁数,通过机器学习的算法我们算出来。包括这个用户他有没有孩子,有没有车,其实通过他在手机上面的使用行为,都能够很明确的反映出来。

最后其实是在应用层,应用层给贴近我们业务层面,贴近我们业务流程的场景,就是我在哪些场景下,我需要用到定制化的用户标签。比如在我们金融行业,可能在投资、理财这个行业,我要知道这个用户是风险型用户,还是保守型用户。其实我们通过他平时的生活状态完全能够看出来,可能风险类的用户具备什么样的特征呢,就是他经常会有一些比如体育这些爱好,或者有一些证券类的行为,我们认为可能这个用户他是喜欢挑战的,喜欢接受风险的。保守型的可能更多的是居家型的,或者是有稳定的家庭这种用户,我们认为他是偏保守的。其实我们也会根据不同的场景去定义我们的用户标签。

下面是具体介绍一些我们如何去定义用户标签。

第一种方法最简单,我们根据行为去定义就行了。比如我想知道这个用户,想知道哪些用户是跨境亲子游的用户。从我们的标签里只要筛选出来他具备这几个应用场景就行了。第一,他有跨境的位置迁移的习惯,他可能是跨境的目标用户。第二,他有孩子,有孩子怎么判断呢,我通过一些母婴电商,或者通过一些妈妈社区,我们判断这个人有孩子。再有就是他是旅游的爱好者,经常会使用一些旅游UGC应用或者使用旅游的应用,我们把这些标签组合起来就定义出是不是跨境亲子游的用户。

第二种方法就是通过APP使用场景和用户他自然属性,和他的生活状态之间的关联。刚才说有车的标签怎么判断呢,这个人经常用加油,经常用停车,经常用一些导航,可能我们就会认为他是有车的用户。那有孩子也是可以判断用一些儿歌,可能就是可6,用一些中小学生的教育,可能就是K12。我们通过用户的手机行为我们就可以判断有没有投资理财借贷,通过这些关联场景可以分析出来的。

第三种犯法就是我们通过用户行为特征作为我们的因子进行聚类,来分析出用户他的价值观的标签。比如通过他平时资讯的偏好,阅读的偏好,以及音乐的偏好,还有一些金融产品的偏好,我通过聚类分析的方式定义出这个用户是小资型的用户,还是奋斗型的,顾家型的对他进行各种各样的分类。其实每次做一个价值观的分类我们可以选取不同的场景因子进行分析,这是第三种。

第四种方法,其实更多的是应用到我们的实际业务过程中。就是我们可能有历史的业务,历史的业务会产生一些用户的消费数据,我们把有消费数据的用户拿出来,易观通过给这些用户打上移动互联网的标签,能够去通过我们的机器学习的算法,通过我们的的算法能够帮助他找到跟这些已有消费机构用户相似的用户是谁,通过他行为的相似然后判断出来他的潜在用户在哪儿,潜在用户是谁。所以基本上我们帮助企业通过这几种方式定义他的用户。

刚才是讲了一些方法,然后我们这些方法有哪些应用场景呢,这个应用场景主要是金融行业这块,还是有比较多的经验。

第一个场景是营销,营销对于大家来说都是不可避免的,因为我需要用户,需要拉新,需要推广我的产品。但是营销这块可能更多的我们是通过这几种方式,第一种就是按照我们定义出来的用户,来筛选出用户的标签。然后通过一些大的流量平台,进行用户定向的投放,或者说定向的触达。

比如现在举一个例子,今日头条、网点通根据用户的设备ID帮助企业触达,这样我把你的目标用户的标签给你,你通过上传数据包的方式做定向的触达,这是一种方式。另外一种方式是基于易观现在的优势。因为我们之前大家也都听过我们现在有5.2亿的活跃用户,是基于一千多个合作伙伴,就是我们APP的合作伙伴覆盖到5.2亿用户。这样的话,我们合作伙伴其实可以作为我们触达用户的一个触点。也就是说我们筛选出来用户,然后把用户看他在哪个合作伙伴上比较浸种,我们针对于这个合作伙伴做部署,针对于合作伙伴的用户做定向部署来触达用户,通过这样的方法其实我们有一些成效。比如有的电商在我们这儿,之前在今日头条投,但是通过我们精准营销筛选把成本降到五毛钱。另外比如有一些银行和金融理财的产品都在不同程度上帮他降低推广成本。

另外其实就是精准的产品推介,帮助企业实现千人千面,我们通过这几种推荐的方式,根据你的历史用户。因为你自己做大数据体系的时候也会给自己的用户打上标签,我们就找到产品和用户行为之间的关系,然后去预测一个新的用户他的产品品好去进行千人千面的产品推荐。

第二个场景就是沉默用户的唤醒,这个场景,包括我去给沉默用户进行预检。也就是说我之前有一些用户沉默或者流失了,我找到这些用户的行为特征和移动互联网偏好,然后再看我现在平台上具有同样特征,同样偏好的用户,是不是跟这些用户有相似点。如果发现有类似的用户,我要尽早的采取措施,在他流失之前能够留住他。另外这个用户如果真的流失,那我们还有唤醒的机制,就是针对于还有这种需求,只是到了竞品消费的用户,我们针对性的给予一些特定的优惠,让他回到我们平台上。

其实通过这个我们有一些实践的案例,可以跟大家分享一下。包括银行现在有很多的产品,包括生活缴费,投资,借贷各种各样的产品。而且银行用户属于大众用户没有特别明显的特征,所以银行在推特定产品的时候就很头疼,我究竟对那些用户推理财产品,对那些用户推借贷产品。

如果我们不做标签的筛选,不做精准的匹配的话那我们就是盲投的形式,我可能有三万的用户有他的电话,每个人都打三遍,打一遍推荐生活缴费,打一遍推荐理财,这样成本非常高。如果我们在先期先去判断这个用户他有可能消费的产品做一个预测的话,可能我们筛选出来之后,就认为值得推广的只有五千个用户,而且每个用户产品特征非常明显。

拿理财来说,首先这个用户是理财用户,他肯定是相对来说具有一定消费能力的,而且是年龄相对来说比较成熟的。再有就是这个用户有一些特征,可能有房有车有孩他更愿意销售理财产品,我们就把银行提供给我们的用户里边挑出来这些用户就可以了,挑出来之后他针对于比如投资理财三千个用户去打电话再营销,那效率就大大的提升,经过这一系列的工作之后可能发现我们的成本是之前的6%,实际上拉回来的用户,如果群聚的话打这个电话和推销的话,可能是群聚的68%,相当于我们推广效率提升了十倍。

第三个场景是证券,因为我们跟证券行业合作的比较多,首先一个背景就是现在行情不好,基本上炒股人都很受伤,现在可能开新户对于证券企业来说太难了,他一个新户的成本是非常高的。可能在几年前,2015年之前大妈都会开新户,那个时代已经过去了,所以对于现在的证券企业,我们认为可能你开一个新户不如唤醒一个你的沉默用户。

但是你的沉默用户可能有很多,你如何设计我们的推广方式,或者营销方式去覆盖到这些沉默用户,并不是所有的沉默用户都有可能被唤醒,为什么?因为很多人已经受伤了,已经离开了证券,或者说股票市场。我们在进行沉默用户唤醒之前我们先做一步,看你的沉默用户谁还在炒股,谁整天还在关注股票的信息,关注财经的信息。只有这些人,我们去拿一个,比如很好的政策,比如佣金的优惠吸引他。如果真正受伤的用户,即使给他再好的政策他已经不玩股票了,这样相当于浪费了我的唤醒有效的资源,所以我们现在给很多的证券企业做沉默用户唤醒,帮助他去能够更好的找到沉默用户中有潜力的用户。