神策数据:金融科技实践案例汇总

专题库
来源:中国电子银行网 2018-09-20 15:03:05 2018中国金融科技创新榜神策数据 金融科技企业案例

核心提示“2018中国金融科技创新榜”科技企业参赛案例

  (一)神策数据在证券行业的应用案例与实践:

  随着佣金为主的业务模式逐渐向财富管理模式转变,证券行业越发注重对已有客户的精细化运营和服务,特别是在产品迭代和用户体验提升两个方面最为看重,而用户行为数据分析为证券行业的目的提供了支持,券商完全可以深度分析用户在线上产品的行为数据,来进行产品迭代和用户体验提升,对于券商经纪业务线的线上 App 来说,激活、注册、开户、咨询、交易(如证券、理财等)都是需要核心提高的业务流程。随着证券行业线上引流活动的增多,经常会出现单活动对应多个渠道,单渠道出现多个活动的情况,对投放参数标记如果不完善,很可能会造成无法判断渠道质量好坏问题(因为也可能是投放物料的影响)。另外,过多渠道人工维护管理会达到瓶颈,需要进行平台进行统一管控。总结不同券商在面对变革时的方案,有以下场景方案值得借鉴:

  1、某Top5证券公司通过五种不同的参数来清晰标识不同的渠道推广活动,并使用神策进行统一管理。同时,关注线上拉新用户的效果,尤其非常看重开户转化,由于其App中集合了股票推荐、客服、资讯等子模块,所以对它们的点击情况,访问路径和时长都要分析。另外,通过对流量的小时和分钟级别转化指标进行实时的监控,结合业务知识和投放效果和市场行情,及时地进行调整,优化投放性价比。

  2、某华东的证券公司目前启用神策分析对线下的一个手持系统进行数据采集和分析,客户经理用这个系统给客户做讲解、推荐和记录用户信息,神策分析帮助他们更好的分析用户画像,还有通过分析来优化这个系统。之后,二期接入核心业务App 用户行为数据。

  3、另外一家券商,通过神策分析解决了线下投顾的业绩和行为追踪的问题,分析投顾月度拓客量和转化量,还有挂靠客户购买理财的情况。

  4、另外一家证券公司针对用户的行为特征,进行产品的智能化推荐。由于用户的行为数据对于券商线上 App 智能产品应用具有较大的商业价值,因此可以提升用户的产品体验,也可以降低券商的服务成本。除此之外,用户线上产品中的行为数据是可以表现出他们相关的风险偏好、投资偏好、资讯偏好或近期意愿等不同特征的,通过行为特征和相应的算法可以为客户量身制定相关喜好或可能喜好的理财推荐、资讯推荐或者其他服务等,直接切入客户心中所爱或心中所想,提升客户体验,提高服务效率。

  总体来看,渠道转化分析,产品内部的核心流程优化,理财产品的推广和销售分析,以及线下投顾的业绩追踪,都是神策分析在证券行业很好的应用。

  (二)神策数据在银行业的实践应用与案例描述:

  区别于线下开户流程,直销银行、手机银行线上开户流程异常长,开户流程的增长,会极大降低客户开户的体验。因此,如何使用神策采集行为数据以完成注册流程的优化,是这些客户关注点之一。同时,由于银行获客成本压力逐步增大,他们对渠道追踪解决方案也十分注重,并通过神策渠道追踪解决方案对现有渠道进行了初步评估。

  1、以某新兴的直销银行为例,在注册开户的核心节点,如 OCR 信息识别、人脸识别等节点均进行了数据采集。通过监测识别时长数据,诊断扫描功能是否存在异常。


  2、以某城商行银行为例,神策数据对其房产评估板块的流程进行了埋点,并完成了数据分析,发现落地页信息聚焦不明确、搜索框提示语不清晰、主页面更是缺少相关业务介绍的问题,无法引导进入页面的客户完成后续动作,导致核心业务价值并没有有效传达给客户,造成流失率偏高。产品人员在后续版本迭代时修改了页面信息,修改提示语、引导动作指向,增加地图页丰富页面布局,留存数据得到了提升,提高客户浏览页面的驻足时间和粘性。

  (三)神策数据在保险行业的实践应用与案例描述:

  保险公司会关注用户对各类保险产品的点击活跃情况,保单计划书生成情况、保单订单生成情况,以及各类保险的续费情况。同时,由于如何吸引用户进行申保也是这些保险公司关注的一个重点。

  例如某头部保险公司对产品首页改版,提升了用户投保转化率和转化效率。通过监测用户在智能客服上交互行为信息采集,实现对问题内容、对话轮次、会话时长、会话结果评价、转人工客服的数据监测,从而掌握目前智能客服的服务质量。一方面,利用监测数据的反馈结果,结合聚类分析,来进一步定位到知识库中有待补全的内容。另一方面,通过汇总分析用户对会话结果评价指标的分析,实现了对推荐算法的反馈,有利于优化智能客服的服务质量。

  (四)神策数据在用户画像、标签体系的成功案例展示:

  在整个金融体系内,用户画像和标签体系的应用时不可或缺的部分。

  1、用户画像:这个是最广的概念,可以简单理解为一个用户的一些指标类型,基础的画像可以包含用户年龄、性别等等基础的信息,在加上业务的属性可能就是用户是否有钱,消费频次等与业务挂钩的属性。

  2、标签体系:比较好理解,就是给用户打标签,比如用户是个流失用户就打个流失标签,是个高消费用户就打个高消费标签。然后这些标签其实也是可以有共性的,可以做个大类别来管理,比如高消费,低消费这些都可以定义为是属于评价用户消费能力类别的标签群。搭建起来的标签群,就是标签体系。

  3、用户分群:根据用户购买行为进行分群,用户分群的模型有多种,可以以购买频次、购买金额、购买能力三维度对用户进行精准分群,也可以根据核心指标进行用户分群(如购买活跃用户、沉默用户)。用户分群可以理解为是一个工具,是给用户按照某些特定的行为进行分组,进而产生标签给这些用户打上标签的工具。

  4、三者关系:使用用户分群功能可以给用户打上业务标签,通过业务标签再配合用户的属性,可以完成用户的画像工作。

  5、案例:某证券公司当前主要分析交易数据、资产数据、产品数据、人口属性数据和补充进来的用户行为数据进行统一管理,组成全用户标签。

  接下来是对用户进行标签的交叉营销。如在营销活动开始前,先需要找到做过某种目标动作的种子客户,然后在标签管理平台对这些客户的标签进行提取,并总结具有共性的客户特征,根据共性特征,继续在标签平台寻找相同特征(如资产特征、交易特征、App 上用户行为特征)但没有做过目标动作的潜在客户群体进行人群放大并实施营销。


  用户的行为数据对于线上 App 智能产品应用具有较大的商业价值,可以提升用户的产品体验,也可以降低服务成本。首先,用户线上产品中的行为数据是可以表现出他们相关的风险偏好、投资偏好、资讯偏好或近期意愿等不同特征的,通过行为特征和相应的算法可以为客户量身制定相关喜好或可能喜好的理财推荐、资讯推荐或者其他服务等,直接切入客户心中所爱或心中所想,提升客户体验,提高服务效率,针对用户的行为特征进行的产品智能化推荐。

责任编辑:方杰

收藏

  • 最新
  • 最热

    点击加载

      点击加载

      我要评论
      普通评论
      游客

      登录后参与评论

      为你推荐

        暂无相关推荐
        财源源二维码

        热文排行

        • 今日热点
        • 每周排行
        合作媒体

        中国网络电视经济台 | 和讯银行 | 新浪理财 | 凤凰理财 | 腾讯网 | MSN理财 | 网易科技 | 中华财会网 | 第一财经网 | 北京商报网 | 和讯科技 | 财新网 | 中国网理财 | 金融界银行 | 光明网经济 | 东方财富网 | 经济观察网 | 中国经营网 | 赛迪网 | 新华信息化 | 中关村商城 | 同花顺金融服务网 | 环球网财经 | 投资时报 | 钛媒体 | 中国金融新闻网 | 新华网财经 | 人民网金融频道 | 中文互联网数据研究资讯中心 | 中金在线 | 外汇 | 品途网