
互聯(lián)網(wǎng)金融出路在哪里?大數(shù)據(jù)用戶挖掘告訴你
互聯(lián)網(wǎng)金融盛極一時(shí),背后卻是燒錢做推廣,用戶轉(zhuǎn)化低
中國(guó)傳統(tǒng)金融覆蓋面低,融資難、融資貴,資金配給效率相對(duì)低效,利潤(rùn)比較高,發(fā)展到現(xiàn)在已舉步維艱,而移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來以及與互聯(lián)網(wǎng) 的有機(jī)融合發(fā)展出了諸如眾籌、P2P、第三方支付、數(shù)字貨幣、大數(shù)據(jù)金融、信息化金融機(jī)構(gòu)、金融門戶、股票基金保險(xiǎn)等等業(yè)務(wù)模式。
某一個(gè)新事件的發(fā)生或者是網(wǎng)絡(luò)上對(duì)某支股票的熱議都在很大程度上左右著金融實(shí)踐者們的行為,同時(shí)進(jìn)一步影響著股市變化的趨勢(shì),除了金融體系本身的差異,掌握用戶信息對(duì)金融企業(yè)而言變得尤為重要。
有不少互聯(lián)網(wǎng)金融公司,除了傳統(tǒng)PC端渠道外都會(huì)選擇APP,并花費(fèi)大量的市場(chǎng)費(fèi)用去推廣、安裝、激活獲取用戶,而最后發(fā)現(xiàn)付出巨大推廣成本后獲取到的流量、用戶轉(zhuǎn)化率極低,甚至無轉(zhuǎn)化。來自企業(yè)的共同苦惱是:我的用戶在哪里?究竟那種方式能夠獲取到高質(zhì)量用戶?如何引導(dǎo)潛在用戶?
競(jìng)爭(zhēng)市場(chǎng)硝煙四起,獲客成本扶搖直上
隨著互聯(lián)網(wǎng)移動(dòng)互聯(lián)網(wǎng)競(jìng)爭(zhēng)的白熱化,金融類客戶產(chǎn)品同質(zhì)化以及市場(chǎng)推廣衰變效應(yīng),盲投,傳統(tǒng)的推廣方式獲客成本不斷增加,而用戶質(zhì)量不斷下降。隨著羊毛黨,作弊越來越嚴(yán)重,以及現(xiàn)有用戶如何激活,金融企業(yè)破局迫在眉睫。
某金融貸款客戶市場(chǎng)部負(fù)責(zé)人趙先生說:隨著互聯(lián)網(wǎng)金融行業(yè)競(jìng)爭(zhēng)的不斷加劇,大型互聯(lián)網(wǎng)及金融機(jī)構(gòu)間并購(gòu)整合與資本運(yùn)作日趨頻繁,獲取優(yōu)質(zhì)用戶成了互聯(lián)網(wǎng)金融企業(yè)能否長(zhǎng)期發(fā)展的先決要素。在競(jìng)爭(zhēng)白熱化的金融領(lǐng)域,我們嘗試通過不同的推廣手段來獲取用戶,但到后期發(fā)現(xiàn)獲客成本太高,而且質(zhì)量太差,與其投入相比回報(bào)率極低,如何在競(jìng)爭(zhēng)日益激烈的市場(chǎng)環(huán)境中獲取先機(jī),dsp、信息流、app推送以及媒體廣告位充斥著大量的假用戶以及羊毛黨,如何找到強(qiáng)需求的目標(biāo)用戶?
某炒股應(yīng)用客戶運(yùn)營(yíng)部負(fù)責(zé)人劉小姐反映:雖然股票市場(chǎng)這兩年不溫不火,但并不影響股民的熱情。在線下和互聯(lián)網(wǎng)行業(yè)已經(jīng)相對(duì)成熟的領(lǐng)域,在移動(dòng)端的競(jìng)爭(zhēng)也是如火如荼。
從最早的YY房間到QQ群營(yíng)銷再到現(xiàn)在的SEO、信息流、媒體廣告位,用戶群越來越細(xì)分,獲取用戶越來越難,中國(guó)股市投資者數(shù)量突破2億 14人就有一人炒股,產(chǎn)品同質(zhì)化以及政策影響,一個(gè)新客的獲取成本從100飆升至300,仍無轉(zhuǎn)化,如何準(zhǔn)確把握用戶對(duì)我們來說是一個(gè)難點(diǎn)。
從大數(shù)據(jù)視角看金融用戶挖掘,一切變得迎刃而解
在本次案例中,筆者邀請(qǐng)到比鄰弘科萬智華分享金融大數(shù)據(jù)精準(zhǔn)營(yíng)銷的實(shí)戰(zhàn)案例。比鄰弘科是一家大數(shù)據(jù)企業(yè)服務(wù)公司,專為汽車、母嬰、金融等企業(yè)提供大數(shù)據(jù)解決方案,在金融用戶挖掘上有自己獨(dú)到的優(yōu)勢(shì),通過大數(shù)據(jù)精準(zhǔn)挖掘,可以產(chǎn)出比任何渠道投放更高質(zhì)量的用戶,帶來更高的轉(zhuǎn)化率?!疤岣咿D(zhuǎn)化,降低成本”是金融客戶的核心訴求,比鄰弘科旗下微準(zhǔn)潛客挖掘工具,正是基于對(duì)用戶數(shù)據(jù)庫的研究與分析,實(shí)現(xiàn)對(duì)目標(biāo)用戶與潛在用戶的精準(zhǔn)鎖定,幫助企業(yè)節(jié)省溝通成本,提高銷售轉(zhuǎn)化,并基于對(duì)用戶更深層的解析,為企業(yè)提供市場(chǎng)決策支持,從而提升企業(yè)核心競(jìng)爭(zhēng)力,這正是金融品牌客戶想要的效果。在實(shí)際操作中,比鄰弘科確立“大數(shù)據(jù)三步引流”策略幫助企業(yè)快速引流。
第一步:對(duì)目標(biāo)用戶、潛在用戶數(shù)據(jù)深度挖掘,并建立用戶畫像
用戶挖掘,簡(jiǎn)而言之,即通過大數(shù)據(jù)技術(shù)找到金融產(chǎn)品的用戶群。比鄰抽取用戶樣本(品牌相關(guān)用戶、競(jìng)品現(xiàn)有用戶等),設(shè)立數(shù)據(jù)挖掘維度(消費(fèi)水平、年齡分布、性別比例等)。最終對(duì)目標(biāo)用戶和潛在用戶進(jìn)行深入挖掘,并形成一系列分析數(shù)據(jù):
1、消費(fèi)偏好:從目標(biāo)用戶消費(fèi)偏好分析,顯示出消費(fèi)者對(duì)“購(gòu)物、美容、美食、時(shí)尚”等有明顯偏好,經(jīng)常關(guān)注、瀏覽、并產(chǎn)生消費(fèi)。
2、人群特征:目標(biāo)用戶年齡大多分布于80后、90后,合占96%,未婚占比七成,性別上男性明顯偏高(73%),地域分布上,各城市中北京、廣東、上海居前三位,三城市占到51%左右。
3、興趣分布:高端消費(fèi)明顯高于大眾消費(fèi)比例。在高端消費(fèi)區(qū)域,消費(fèi)者更多地關(guān)注與投資的領(lǐng)域?yàn)椤拔覑畚壹?、高端品牌汽車、房地產(chǎn)、收藏、珠寶、奢侈品”等。在大眾消費(fèi)區(qū)域,消費(fèi)者行為多集中 于“RAV4、彩票、陽光、代購(gòu)、網(wǎng)購(gòu)”等關(guān)鍵詞。
4、生活品位:消費(fèi)者的業(yè)余興趣偏好傾向于舞蹈藝術(shù)、寵物、美女、環(huán)保等領(lǐng)域。
5、圈子特征:用戶圈子特征中,含有“財(cái)經(jīng)”、“股票”、“金融”、“投資理財(cái)”關(guān)鍵特征明顯,指導(dǎo)我們?cè)谕斗琶襟w方面,會(huì)以對(duì)財(cái)經(jīng)、理財(cái)、證券等目標(biāo)用戶關(guān)注高的媒體做重點(diǎn)投放。
最終通過海量用戶分析數(shù)據(jù)確立客戶目標(biāo)用戶完整的用戶畫像。包含通用標(biāo)簽、人口統(tǒng)計(jì)學(xué)標(biāo)簽、價(jià)值標(biāo)簽、購(gòu)物喜好、金融服務(wù)、社交屬性等。
第二步:建立金融用戶分析模型,依據(jù)模型精準(zhǔn)鎖定目標(biāo)用戶
比鄰弘科通過對(duì)樣本用戶的分析,結(jié)合產(chǎn)品對(duì)目標(biāo)用戶的定位,根據(jù)目標(biāo)用戶各維度屬性,確立用戶模型如下:
性別:男性為主。
年齡:70、80后為主。
消費(fèi)屬性:大眾消費(fèi)為主。
地域?qū)傩裕阂痪€城市為主。
主要興趣維度:理財(cái)、投資等。
輔助興趣維度:財(cái)經(jīng)、新聞、娛樂、游戲等。
第三步:確立定向用戶數(shù)據(jù)及媒體投放建議
在鎖定精準(zhǔn)目標(biāo)用戶之后,以【投資、理財(cái)、貸款】為主要關(guān)鍵詞,抓取如下數(shù)據(jù):
金融垂直網(wǎng)站、APP:搜索、瀏覽、投資、理財(cái)、貸款相關(guān)的用戶數(shù)據(jù)。
金融財(cái)經(jīng)新聞?lì)惥W(wǎng)站、APP:搜索、瀏覽、關(guān)注、評(píng)論購(gòu)買【理財(cái)、貸款】相關(guān)的用戶數(shù)據(jù)。
P2P類APP:含有關(guān)鍵詞【投資】、【理財(cái)】、【股票】的用戶數(shù)據(jù)。
金融類社群:討論、評(píng)論、搜索,含有關(guān)鍵詞【投資、理財(cái)、貸款】選擇相關(guān)的用戶數(shù)據(jù)。
有了定向用戶數(shù)據(jù),接下來就是具體的媒體投放建議,比鄰建議客戶制定專屬促銷優(yōu)惠活動(dòng),一方面有效提高轉(zhuǎn)化,另一方面能準(zhǔn)確統(tǒng)計(jì)投放效果。并對(duì)客戶運(yùn)營(yíng)作如下的要求:1、專屬活動(dòng)周期與推廣周期相匹配。2、保證活動(dòng)周期內(nèi),優(yōu)惠的有效性。3、客戶需要安排相關(guān)人員對(duì)推廣活動(dòng)詳情充分了解,能及時(shí)處理用戶提出的問題。4、投放次日反饋前一日注冊(cè)轉(zhuǎn)化的用戶信息,以便及時(shí)調(diào)整數(shù)據(jù)模型。在投放策略上,通過專屬活動(dòng)設(shè)計(jì),針對(duì)符合用戶模型的受眾進(jìn)行精準(zhǔn)觸達(dá),并實(shí)時(shí)調(diào)整策略。
大數(shù)據(jù) 營(yíng)銷,徹底刷新互聯(lián)網(wǎng)金融新客轉(zhuǎn)化紀(jì)錄
通過為期一個(gè)月的項(xiàng)目跟蹤并實(shí)時(shí)修改投放策略,最終客戶導(dǎo)出一個(gè)月的轉(zhuǎn)化數(shù)據(jù),從數(shù)據(jù)中可以看出,通過大數(shù)據(jù)對(duì)用戶進(jìn)行精準(zhǔn)鎖定與觸達(dá),帶來1449個(gè)新用戶注冊(cè),最終用戶申請(qǐng)貸款率高達(dá)46.45%,用戶從注冊(cè)到開戶-動(dòng)用的轉(zhuǎn)化率高達(dá)9.73%,而一般企業(yè)自身推廣帶來的轉(zhuǎn)化則在4%左右。與此同時(shí),比鄰弘科還通過自身的反作弊技術(shù)有效地排除了作弊用戶,最終通過真實(shí) 高質(zhì)量用戶所帶來的轉(zhuǎn)化也可想而知。
與此同時(shí),利用大數(shù)據(jù)還解決了企業(yè)獲客成本高的問題,無論綜合渠道還是垂直渠道,無論傳統(tǒng)還是線上,用戶群都無法做到精準(zhǔn),也就無法真正降低獲客成本,而大數(shù)據(jù)則是最能低成本觸達(dá)用戶的一種新營(yíng)銷方式。
大數(shù)據(jù)通過對(duì)潛在用戶的洞察與分析,通過策略、市場(chǎng)、運(yùn)營(yíng)引導(dǎo)其向剛需轉(zhuǎn)化,企業(yè)一旦捕獲并掌握了這一未知群體,用于對(duì)產(chǎn)品改進(jìn)、營(yíng)銷策略、新品上市、價(jià)格策略等一系列響應(yīng)動(dòng)作,運(yùn)籌帷幄,掌控全局,進(jìn)而提升企業(yè)與產(chǎn)品核心競(jìng)爭(zhēng)力、利潤(rùn)率。說到底,通過大數(shù)據(jù),企業(yè)不僅可以節(jié)約成本,提高銷售轉(zhuǎn)化,還能提升企業(yè)整體決策能力。
“在互聯(lián)網(wǎng)時(shí)代,大數(shù)據(jù)正在快速改變整個(gè)世界,通過大數(shù)據(jù),企業(yè)可以快速獲得商業(yè)活動(dòng)領(lǐng)域知識(shí),重新定義企業(yè)競(jìng)爭(zhēng)力和決策力”。大數(shù)據(jù)正在逐漸改變品牌營(yíng)銷的玩法,大數(shù)據(jù) 營(yíng)銷時(shí)代已來臨,是時(shí)候轉(zhuǎn)化思路借助大數(shù)據(jù)實(shí)現(xiàn)企業(yè)二次騰飛了。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11