数据的本质是场景还原，行为数据对用户需求和体验的还原能力是不可替代的，通过构建指标体系，对业务进行监控，梳理用户生命周期历程，明确用户需求和企业诉求，做数据指标的顶层设计，以用户为中心分析问题洞察价值。

本文从运营角度，剖析在金融行业快速发展期，如何通过数据驱动实现业务增长。

主要内容包括：

1. 行为数据是基础&深度还原需求
2. 业务监控是重点&梳理指标体系
3. 驱动增长是核心&场景解决方案

行为数据

数据可分为场景数据、平台数据、征信数据。其中，平台数据更多的是行为数据，这是非常优质的数据，是平台用户最真实的数据，但仍被大多数企业所忽视。大多数企业只停留在流量及收入等业务层面的数据分析上，不清楚用户行为数据如何提升业务增长？

今天以互联网金融理财产品为例，一起分享在金融行业积累的一些经验。

举例

在一次企业客户培训时，演示建立漏斗的操作，从“点击充值→确认充值方式→确认提交充值”（上图），企业客户对柱状图的数据产生了质疑，因为此业务数据处于监控的正常状态，不会出现如柱状图所示的“大断层”？

金融行业对数据管控非常严格，在与企业客户确认这一阶段没有其他方式导致用户流量激增，那么可推测这一过程可能出了问题，于是可将用户进行分组，拆分为：点击充值”大于等于1次 且 未选择“充值方式的用户VS 未选择“充值方式”的用户，对比发现，选择充值方式的用户进入充值页面失败的次数非常多，而在单独还原未选择“充值方式”的用户 后观察用户行为，便发现问题所在。

进入某一账户中，观察该用户在这段时间的行为，可以看到：是未绑卡的阶段，即，他是新增用户点击充值，即他打算充值购买，第一次充值失败，失败原因：没有实名验证，验证后点击充值又失败，失败原因：没有绑银行卡，都完成后又充值，选好银行选好金额，他会操作了，但最后没有充值，我们分析用户最后为什么没有充值？

其实，是用户对平台的安全性和信赖感在多次错误操作中消磨殆尽了，在下一个版本里需要加入了引导和安全性提示，比如：投资充值需要哪几个步骤，从二级页面到一级页面将页面弹出，让更多用户看到。

由此可见，用户行为数据非常重要，在关注风控、金融核心业务的同时，还需要更多的洞察用户行为数据，这一能够真实完整的还原整个用户行为的场景。

本质上，行为数据的价值有2个意义：第一，找问题、找价值，找价值就是驾驭数据的感觉，因为行为能够深度完整的还原用户使用场景，可以知道用户为何未转化；其次，数据增长，提升用户的使用频次。

不论用户体验设计、推广投放、用户运营还是数据驱动都是围绕用户行为分析进行的。从理论上，拓扑心理学曾通过一个函数关系，证明了用户的行为由用户自身素质和当时面对的场景共同决定。

行为数据，有4个重要维度：

• 第一，主动行为和被动行为，主动行为就是用户主动点击/滑动等操作，被动行为就是产品的反馈，比如，用户购买成功，用户充值失败等产品反馈给用户的行为。
• 第二，场景状态和业务信息，比如，用户查看商品的原因，业务信息是决定用户在一个列表中点击位置的，比如，用户尝欲试短期投资，故该用户大多数点击行为都是短期的，用户行为在采集时，这些业务信息的重要性不亚于行为本身。
• 第三，前端SDK和服务端，在用户页有单独的用户个人信息，是用户在注册时填写的信息，帮助我们做汇总和分析。
• 第四，跨平台的用户识别能力，用户在任一平台的行为，都可在数据上进行关联。

业务监控

理财产品 生命周期历程

在把产品推荐给用户后，即进入产品生命周期历程，由上图，从来源到进入产品后：查看理财、投资、重复投资、提现离开的整个过程，通过这一方式统筹用户的产品生命历程。

将关键节点提取出来：

1. 围绕流量制定指标考核团队，激活，观察用户是否能够快速在产品中找到产品的价值留存下来；
2. “羊毛党”——永远挡不掉的这一类人，有两种类型，一，不够有钱，便不断追加投资，到期再投；二，不断追加投资，不断累积平台资产；
3. 提现，理财产品的用户在流失前均有提现行为，通过解析可在此定义指标；
4. 注册用户、注册当日的注册转化率，是可以不断提升的点，让用户当天投资，指标出现问题时，需围绕之后的关键点去寻找问题，这些指标如果出现较大波动，需围绕波动去处理，比如从流量、渠道、来源洞察原因。老用户的运营，考核的是理财项目和投资计划的设置，这是一个长久的运营。

驱动增长

用户行为路径分析，按需拆分用户分群，单体用户行为跟踪，以用户为中心进行分析，深度还原用户使用场景，洞察业务与用户间的情感连接。

通过用户行为路径分析的功能，可以查看每个用户进入产品后做了什么，这个过程不是单向的，而是包括用户某行为开始的前后，比如，用户绑卡失败，便可查看到失败前的操作，这是无序分析（漏斗是有序分析）。其中活跃路径、使用习惯、行为关联，来源追溯可实现对用户的整体认知。

第二，灵活拆分，用户行为路径分析对用户进行的是非黑即白的拆分，与按需拆分用户分群是有重合的，这样可以对用户进行灵活的拆分，配合黏性分析、漏斗分析等行为分析找到用户群间的差异。

举例

上线新功能A后，如何证明A功能促进了用户留存？通常的做法是，假如1月1日改版，将1月1日前与1月1日后的情况进行对比，找出真正打动用户的价值点。此时可根据需要对用户进行拆分：筛选出1月1日使用新版本的新增用户，一部分是使用过A功能的，一部分是没有使用过A功能的，观察这两部分的A功能，以及使用A功能后有无增加使用频率。

用户精细化的拆分，直接帮助企业做业务层面的触达，比如，筛选出一类昨日优秀客户，首先定义最近访问日期是昨天新增的，且查看理财项目5次，并完成绑卡，但是用户没有做投资，同时其来源是网贷，从行为上抓住行为路径，筛选有同样条件的用户群，即是高质量用户群，这是需要精心呵护的群体。

上图，并非需要将平台100万用户逐个查看，而是与前面两种模式结合起来，验证是否与分析结论相匹配，再进入具体的解决方案中，比如，刚才提到获客，渠道需要成本投入，企业的诉求永远是花最少的钱获得最优质的客户，同时不断挖掘新的优质渠道。

通过用户质量和数量指定不同的投放策略，这是大多企业的痛点，如果投放广告，投放方会提供曝光数，点击数等数据，但企业更多的是希望查看到新增用户的渠道来源。此外通过产品监测的模块，提供企业曝光、点击、下载APP的新增用户数等数据。

在广告监控中，涉及苹果应用商店的时数据收集会增加一个步骤。比如，企业在外部投放10个活动，用户最终都跳转到应用商店下载，渠道只有应用商店，无法追踪投放渠道，我们便开发了深度链接技术，通过采集用户在活动页用户行为数据，用户下载后将同时采集的信息进行匹配，把用户的活动和最后的下载进行完整的关联。

进一步挖掘深层用户价值：用户是注册评估者还是新手期投资者，从的首投到试探性放心投资，转化到“周期性负投”的这个过程一般有三到五次的投资，这个周期内完全对平台放心，整个过程需要进行深入分析，首投是最关键的点，行为特点+绑卡充值+决策时间+特权品类，然后从试探性到放心投资，表现在提现行为+复投分析+收益率设计。

精准推送的方式：

1、精准自动推送

在促进首单转化的场景中，第一步，选择用户：自动生成用户群——新增用户，用户触发设置好的条件：“注册成功后1天内没有存管开户”，系统将自动匹配时机，将运营动作发送，从数量转化率到最后交易额进行完整的分析，当问题发现后，进行自动衡量，分析绝对数量/转化率/交易额，这是一个自动推送的方式，自动推送可以让用户在合适的场景下接收到合适的信息。此过程是实时的，将全程控制用户接收信息的体验，在合适的时机为用户推送合适的信息。

2、精准手动推送

在大额理财活动推荐的场景中，可编辑执行“APP弹窗5万投资俱乐部”的运营动作，比如，一等奖抽iPhone、100%中奖，这样可提供更好的用户体验。

再来看用户投资意愿模型，结合用户行为、账户资产、用户购买意愿、是否赎回等方面驱动。

更完整的基于用户的分析，所谓中心化分析，洞悉用户，高效决策，用户中心化分析，而分析去中心化。用户行为数据化，链接数据孤岛；以用户为中心，建立数据评估体系；数据分析智能化，业务部门自主分析。

总结

数据的本质是场景还原，行为数据对用户需求和体验的还原能力是不可替代的，通过构建指标体系，对业务进行监控，梳理用户生命周期历程，明确用户需求和企业诉求，做数据指标的顶层设计，以用户为中心分析问题洞察价值。

作者：邱千秋

本文由 @邱千秋 原创发布于人人都是产品经理。未经许可，禁止转载。