“ 建立场景化营销的思路有两种,一种是从业务需求、场景出发,寻找同其高度相关的行为数据;另外一种是从统计中发现同业务转化相关的行为数据。”——TalkingData鲍忠铁 5月11日周四,“数据会说话”邀请到了TalkingData首席金融布道师鲍忠铁老师,在微信社群中与430多名听众分享了《基于App行为数据的场景化营销》,并对网友提出的问题进行了全面解答。在此,我们特将现场的“干货”内容进行了部分文字梳理,与现场音频完整版一同与大家进行分享与回顾。 App行为数据-企业和用户之间的交互数据 企业的数据大致可以分为三类,一类数据是企业内部交易数据,特别是金融企业有丰富的交易数据;另外一类是企业和用户之间的交互数据;最后一类第三方数据,目前企业大部分应用以内部交易数据为主,在第三方数据和企业和客户之间的交互数据较少。 今天分享的主题“App行为数据”主要指的就是企业和用户之间的交互数据,其与应用数据、数据标签、数据资产等均属于第一方数据。App行为数据特指用户在网站或App中浏览与点击等行为数据,主要用于统计分析APP运营情况,但基于这些数据做场景营销的应用还比较少,其实它有很大的商业价值,只是很多企业不知懂如何进行应用。 在金融行业,Fintech公司Klarna发现用的行为数据的效力是金融数据的4倍,三个创始人中,有两个人硕士论文来研究如何利用行为数据进行金融冒险。一些企业也开始探讨App行为数据的商业价值,利用行为数据进行数字营销。另外用户在社交论坛互动也称为交互数据,此类交互数据在业务场景中更偏向客户关系管理与产品迭代或舆情监控。 App行为数据-时间、频次、结果标签三维度 行为数据在应用之前需要进行结构化和标签化,结构化是指将行为数据的展现形式从非结构数据转为结构化数据,并进行归类和统计。标签化数据是指根据业务场景,将行为数据打上业务标签,打标签基本上围绕设备进行,并同业务场景深度结合。行为数据核心的三个维度分别为,时间、频次、结果。 在某金融App中,正常交易行为数据流程时间在15秒左右,但部分设备的时间段却集中在2-3秒,明显属于非正常用户行为,通过特征分析针对流程时间段进行标签设置,有助于判断用户是否为欺诈行为。 “频次”行为数据一方面可以结合热力图了解产品体验和客户需求,同时也可以用来App内部的布局优化与关联产品销售。比如App的页面button点击率在5%-7%,而某一区域仅有0.2%,大幅低于一个数量级,这时就需要运营和产品通过此类行为数据进行区域优化和改进。 另一方面,频次行为数据进过进一步分析后可以转化为趋势数据,这些数据同产品转化和客户购买行为具有强相关关系。比如某用户在下载某房产或汽车资讯类App的一段期间内,高频次的打开应用与浏览,这有可能说明该用户是购房或购车的潜在消费者,而如果长时间内处于活跃状态,则有可能是做房产相关业务或汽车爱好者。 行为数据的结果主要关注是否完成交易,用于判断客户点击浏览的结果。结果数据分为成交和不成交,基于业务需要也可以采集填充的数值,用于进一步的应用。结果数据中成交数据可以用于产品体验分析,客户体验分析,渠道ROI分析。不成交数据可以用于二次营销,对潜在客户进行再次营销。 比如,某证券App客户,在点击融资融券产品之后未申请,一星期内无结果,但点击次数较为高频,此时可以进行标签定制,判断该客户有潜在的融资融券需求。之后通过Push、短信、电话等手段将优惠政策进行定制推荐,则有可能促成结果。 App行为数据标签建议--证券与信用卡 建立场景化行为数据标签的思路有两种,一种是从业务需求(业务场景)出发,寻找同其高度相关的行为数据。另外一种是从统计中发现同业务转化相关的行为数据。 从业务需求出来建立行为数据的场景化标签方法比较简单,就是分析某个业务在App中的交易路径(交易步骤)。在接近交易路径的前几步,根据时间、频次和结果来建立其场景化标签,对于证券行业的App可以建议以下行为标签。
信用卡App关注客户是否绑卡,是否使用账单和卡工具功能(替代其他人工渠道),是否领取权益,是否关注高端白金卡,是否是潜在账单分期客户/现金分期客户/预借现金客户/消费金融客户/专项分期客户/权益商品客户等。基于信用卡App内部的点击行为,可以建议以下基于行为数据的场景化标签下载App未绑卡用户(过去一年)
智能数据营销管理平台 场景化标签建立 通过TalkingData统计分析平台,可以进行App用户行为分析与用户行为群组创建。比如某银行App通过统计分析平台查出2017年1月1日-2017年4月1日“绑定设备未开户”的行为标签,并进行针对性的营销。 营销手段方面,通过TalkingData统计分析平台,一方面可以选择目标操作系统(Ios/Android),另一方面,通过标签筛选“绑定设备未开户”或其它的用户进行精准推送。 发送Push阶段,可以针对不同设备、及标签等维度进行A/B/C 测试,在以往的经验中A/B测试适合比较中性化的内容(且有一定差异化), 比较创意的话术可以选择小流量进行测试。 |
|