腾根科技

腾根企业简介

互联网金融运营:分析用户行为到底有什么用?

发表于2019-09-30 21:36|阅读:|运营学堂

      用户行为是什么?简单地说用户行为就是用户从进入企业互联网平台(网站、公众号、APP等)到离开互联网平台过程中的所有轨迹。比如:用户通过百度搜索关键词“金融理财”进入到公司官网;进入官网后浏览的页面内容;在哪里点击问题咨询;客服人员的沟通话术等一系列行为称动作,称之为用户行为。通过众多用户行为数据的整合,企业管理人员可以根据用户行为对企业互联网平台做出相应调整,提升企业网络营销转化率。  

01 当我们在讨论用户行为时,我们在说什么?

  1.1 从基础出发,回归初始定义

  很多日常脱口而出的词,其实我们并没有思考过它真实的含义。大多数争论和错误决策的起点,也在于定义的不清晰和不一致。

  互金运营是离钱最近的一项工作,清晰的用户行为定义便显得尤为重要了。

  1.1.1 用户行为

  用户行为由最简单的五个元素构成:时间(when)、地点(where)、人物(who)、交互(how)、交互的内容(what)。对用户行为进行分析,要将其定义为各种事件。比如用户搜索是一个事件,在什么时间、什么平台上、哪一个ID、做了搜索、搜索的内容是什么。这是一个完整的事件,也是对用户行为的一个定义。有了这样的事件以后,就可以把用户行为连起来观察。

  1.1.2 用户行为分析

  用户行为分析,是指在获得网站访问量基本数据的情况下,对有关数据进行统计、分析,从中发现用户访问网站的规律,并将这些规律与网络营销策略等相结合,从而发现目前网络营销活动中可能存在的问题,并为进一步修正或重新制定网络营销策略提供依据。具体而言,用户行为分析是基于用户在互联网产品上的行为,以及行为背后的人发生的时间频次等维度,深度还原用户使用场景并且指导业务增长。

  一个完整、多维、精确的用户画像=用户行为数据+用户属性数据

  1.3 消费者行为

  消费者行为在狭义上讲:仅仅指消费者的购买行为以及对消费资料的实际消费。在广义上讲:消费者为索取,使用,处置消费物品所采取的各种行动以及先于且决定这些行动的决策过程,甚至是包括消费收入的取得等一系列复杂的过程。消费者行为是动态的,既涉及了感知、认知、行为以及环境因素的互动作用,也涉及了交易的过程。

  1.1.3 消费者行为模型(AISAS):

 

  消费者行为模型

  随着互联网的兴起和发展,针对消费者进行研究的模型已经从最初的AIDMA模式(Attention 注意、Interest 兴趣、Desire 欲望、Memory 记忆、Action 行动),演化到了到后来的AISAS模式:

  Attention——引起注意

  Interest——引起兴趣

  Search——进行搜索

  Action——购买行动

  Share——发起分享

  1.2 基于基础定义的分析框架搭建

  在线性方向上,从“注意”到“分享”的核心路径上存在着多个关键节点,而由于“说服心理学滑梯”效应的作用(下文将说明),导致从起始节点到最终节点的过程中,用户会因为各种原因出现流失,从而形成用户转化漏斗。

  对互金运营来说,需要结合公司当前目标和自身KPI,抓住转化漏斗的关键触点,据此设计相应的运营策略。对用户行为进行分析,要将其定义为各种事件,而将时间(when)、地点(where)、人物(who)、交互(how)、交互的内容(what)聚合在一起,便构成了一个完整的用户任务。

  从任务的层次来看,从核心到外围,可以分为三档:核心任务、扩展任务、外延任务。对互金运营来说,必须深入到本公司产品的体系中,了解用户操作的关键路径和主线流程,根据用户任务的重要程度,设计运营活动,这样能够最大程度上避免运营和产品惨烈撕X的情况出现。

  在往下看之前,你可以停下来想一想:

  对于投资用户来说,TA的核心任务、扩展任务、外延任务分别是什么?由于不同用户在转化漏斗的阶段各有不同,其在本平台所处的生命周期发展阶段也就有了群体差异。引入期、成长期、成熟期、休眠期、流失期,针对不同发展阶段的用户,运营策略的差别往往十分巨大。

  到这里,我们已经初步搭建起了用户增长策略的基本框架:

  根据转化漏斗梳理操作流程,进而识别关键触点进行优化

  根据任务层次梳理最小闭环,进而分层次、分阶段设计运营策略

  根据用户生命周期进行用户分层,进而针对不同生命周期的用户实施差异化的运营手段

  
02 18字诀:为什么要分析用户行为

  2.1 做画像

  完整的互金用户画像=用户属性数据+用户行为数据+交易数据+风险收益数据

  互联网公司擅长前2块,但往往偏重于一般的互联网用户分析,缺乏对金融和投资的理解;金融机构强于后2块,一般认为用户行为数据只是过程性信息而不屑收集,可能一款APP已经推出很多年都没有做过基本的埋点或转化率分析。

  在整个用户画像的体系中,用户行为是串起用户和平台两端的其他3项数据的关键要素,值得深入探究和完善。

  2.2 知偏好

  通过对用户访问页面的类型、访问路径的深度,可以帮助识别用户对某些投资品种或运营活动的偏好程度,进而针对此类用户推送更多此类产品上架的信息,或是与相关产品有关的优惠券(加息券/抵扣券/满减券等)。

  平台再大一点,可以据此完善“千人千面”的前端架构设计。此前GrowingIO、诸葛IO等用户行为分析机构,已经推出了此类产品,虽然在精度上还有待进一步加强,但毕竟是一个有益的尝试。

  从实际使用的反馈情况来看,偏好分析在投资理财类APP上的分析效果,会好于在借贷类产品上的应用。

  2.3 控营收

  从用户导入到用户流失,全链路跟进转化率和留存率提升。

  根据公式:

  用户生命周期价值(LTV)=(某个客户每个月的投资频次*客单价*毛利率)*(1/月流失率)

  由此可知,在客单价和毛利率水平不变的情况下,我们可以着手的点有2个:

  提升投资频次:持续做好用户转化节点的运营策略优化,让用户在“注册-实名-绑卡-交易-复投”的转化过程中,有充分的动力持续向下一步跃迁,实现交易笔数和交易金额的提升,最终提升平台用户生命周期价值。

  降低流失率:通过释放出各种任务引导持续提升等级,进而做好用户的忠诚度提升;通过刺激活跃和召回策略提升用户留存,最终降低平台用户流失率。

  2.4 做策略

  做运营策略,并不是简单地抄一抄竞品、落实老板要求那么简单。或者换个角度说,如何更好地抄到竞品的精髓、把老板的要求落到可规划/可执行/可汇报的程度,都有赖于对用户行为数据的收集和分析。

  离开用户行为谈运营,无异于耍流氓。

  2.5 搞复盘

  根据用户行为数据复盘版本升级和运营活动的效果,并据此进行调整和优化。无论活动的目标是提升日活、提升GMV还是单品交易量,最终都要落实到用户在转化漏斗节点或用户任务上。

  对于活动效果的检视,简单地看无非是“达成”或“未达成”,而对用户行为数据的分析,却能回答为什么、好在哪/不好在哪儿、下次如何和才能做得更好。

  2.6 作比较

  基于转化漏斗的各种转化率、基于海盗指标的拉新-促活-留存分析、基于用户任务体系的注册-投资-提现数据分析等,都能够帮助我们搭建一套对本平台指标体系搭建和竞品比较分析的框架,对于运营指标制订、资源申请和效果检视有显著的帮助。

分享本文内容