• <menu id="ciiea"></menu>
    <menu id="ciiea"></menu>
  • <input id="ciiea"></input>
  • <menu id="ciiea"></menu>
  • <input id="ciiea"><u id="ciiea"></u></input>
    <input id="ciiea"><u id="ciiea"></u></input>
  • <input id="ciiea"></input>
    <input id="ciiea"><tt id="ciiea"></tt></input>
  • <input id="ciiea"><u id="ciiea"></u></input>
  • <menu id="ciiea"></menu><input id="ciiea"><u id="ciiea"></u></input><input id="ciiea"><u id="ciiea"></u></input>
    當前位置:100EC>電商金融>分析:互聯網金融的用戶運營 如何促進高成單 高轉化?
    分析:互聯網金融的用戶運營 如何促進高成單 高轉化?
    發布時間:2019年07月08日 09:26:37

    (網經社訊)大部分的互聯網金融公司最為糾結的一點是,流量這么大、獲客成本這么高,為什么最后的的轉化率和成單量卻這么低? 怎樣才能提高用戶運營效率?用戶行為數據分析怎樣把處在不同購買決策階段的用戶挑選出來,幫助互聯網金融公司做到精益化運營?

    一 、互聯網金融用戶四大行為特征

    互聯網金融平臺用戶有四大行為特征:

    1、流量轉化率低

    下圖是某互聯網金融公司網站上,新客戶過去 30 天整體購買轉化漏斗,其轉化率只 有 0.38%:

    而這并非個例,實際上,絕大多數互聯網金融公司,在 web 端購買的轉化率基本都在 1% 以下,APP購買率在 5% 左右,遠遠低于電商或者其他在線交易的購買率。

    2、雖然轉化率低,但是客單價卻很高

    一般來說,電商行業客單價在幾十到幾百,而互聯網金融客戶,客單價從幾千到幾萬, 某些特殊領域甚至高達幾十萬。而客單價高,就意味著用戶購買決策會更復雜,購買 周期也會更長。

    3、用戶購買行為有很強周期性

    電商的客戶下次購買時間是不確定的,但是互聯網金融平臺上,真正購買的用戶,是 有理財需求的用戶,在資金到期贖回產品后,一定還會進行下一次購買,只不過未必 發生在你的平臺上。

    下圖是一個典型互聯網金融用戶的交互趨勢圖:

    可以看到,每隔一段時間,這個用戶就會有一段集中的、大量的交互行為。當用戶購買完成后,用戶的交互行為又變得很少,可能偶爾來看看產品的收益率,但整體的交互指標不會太高,直到他下一次購買。這個用戶理財需求的周期是一個月左右。

    4、購買行為具有強特征性

    這主要包括兩個特征:

    (1)用戶的購買偏好比較容易識別,理財產品數量和品類都很少,所以用戶購買的需 求或者偏好,很容易從其行為數據上識別出來;

    (2)用戶購買過程中的三個階段特別容易識別。

    1. 用戶在購買決策階段,有大量的交互事件產生,他會看產品,比對不同產品的收益 率和風險,比對不同產品的投資期限等等;

    2. 但是一旦他完成了產品的購買,就不會有大量的交互行為產生,他可能僅是回來看 一看產品的收益率。

    3. 當用戶的產品資金贖回之后,又有大量的交互事件產生,實際上他處在下一款產品購買的決策期。

    二、互聯網金融用戶運營的三大步驟

    針對互聯網金融用戶行為的四個特征,在用戶運營上有三個比較重要的階段性工作:

    1. 首先獲取可能購買的目標用戶,合理配置在渠道上的投放預算,以提高高質量用戶獲取的比例;

    2. 接下來就要把高價值的用戶–真正有購買需求,愿意付費、購買的用戶找出來;

    3. 采取針對性的運營策略,提高高價值用戶的轉化率。

    三、獲取目標用戶

    渠道工作的核心,主要是做好兩方面的工作:

    • 宏觀層面,優化整個渠道的配置;

    • 微觀層面,單一渠道角度來說,根據渠道配置的策略,有針對性地實施和調整。

    1、優化渠道配置

    具體渠道的實施,大家都比較熟悉,但是對于整個渠道組合配置的優化,很多人接觸的其實并不多。 這張圖是整體轉化漏斗,從不同維度可以做對比,比如我們先選出流量前 10 的渠道:

    以渠道一為例,總體的轉化率是 0.02%;在過去 30 天站內總體的流量是 18.9K,漏 斗第一級到第二級的轉化率是 3.36%,這樣一共是五級,我們看到最終渠道一帶來總 體的成交用戶一共是 4 人。

    類似的,前 10 的渠道數據都很清晰。不同渠道帶來的流量,不同渠道總體的轉化率, 以及不同渠道在整個轉化路徑上每步的轉化率都可以看到。

    2、針對性運營渠道

    這里面有幾個渠道很有特點:

    1. 渠道一的特點,渠道一帶來的流量是所有 10 個渠道里最大的,但是它的總體轉化率 卻是低的;

    2. 渠道二和渠道七,渠道二的量很大,但是轉化率是零。渠道七量比較一般,轉化率 也是零;

    3. 渠道九和渠道十,這兩個渠道是所有渠道里轉化率最高的。但是這兩個渠道特點, 是帶來流量不是特別大……

    結合典型渠道特點,可以做一個象限圖:

    第一象限(右上角)渠道質量又高,帶來流量又大的,這里面渠道三四五是符合這個 特征的,渠道策略應該是繼續保持和提高渠道的投入。

    第二象限(左上角)渠道的質量比較高,但帶來的流量比較小,這里面包含的主要渠道就是八九十。對應的主要策略是,加大渠道的投放,并且在加大投放的過程中,要 持續關注渠道質量的變化。 我

    們先看第四象限(右下角),渠道質量比較差,但是帶來流量比較大,這里面主要 有渠道一和渠道二。相對應的渠道策略,應該在渠道做更加精準的投放,來提高整個 渠道的質量。

    第三象限(左下角)這個象限里渠道質量又差,帶來流量又小,比如渠道六跟渠道七。 我們是否要直接砍掉?這里建議是,策略上要比較謹慎一些。所以在具體渠道的策略 上,業績保持監測,然后小步調整。

    根據上面數據分析得出的結果,做過渠道優化后,就會為我們帶來更多高質量的用戶。

    四、找出高價值用戶

    將資源與精力投入到真正可能購買的用戶上的前提是,我們要能夠識別出,哪些是真 正有價值的用戶?哪些是價值偏低的用戶?

    1、用戶的核心行為

    其實對于互聯網金融平臺來說,甚至所有包含在線交易的平臺,用戶的購買意愿,是 可以從用戶的行為數據上識別出來的。由于互聯網金融平臺的特殊性,相比于電商平 臺來說,商品品類更少,平臺功能也更為簡單,所以用戶的行為數據,也更能反應出 互聯網金融平臺上用戶的購買意愿。

    把用戶在平臺上的所有行為總結一下,核心的行為其實并不多,具體包括:

    用戶查看產品列表頁,說明有一些購買意愿,點擊某個產品,說明用戶希望有進一步 的了解。用戶最終確認了支付,完成了購買,購買流程就走完了,他的理財需求已經 得到了滿足。每一種行為都表示出用戶不同程度的購買意愿,所以獲得用戶在產品里 的行為數據就十分重要。

    2、通過量化分析找出高價值用戶

    既然用戶行為數據這么重要,那么怎樣獲取呢?以無埋點的方式,全量采集用戶所有 的行為數據,根據我們對業務的需求,配比成不同的權重系數,并按照每個用戶購買 意愿的強弱,進一步分群。

    這是我們一個客戶制作的用戶購買意愿指標的范例,剛才的前 5 個行為,都是用戶在 購買前典型的行為:

    每種典型事件的權重系數不一樣,用戶購買意愿是越來越強的:用戶點了投資按紐, 甚至點了提交的按鈕,顯然要比他單單看產品列表頁,或者單單看產品頁、詳情頁的 意愿強。越能反應用戶購買意愿的事件,你給它分類的權重應該是最大的,這是大的 原則,0.05 還是 0.06 影響并不大,所以不必糾結。

    這樣通過這種方式,我們就可以按照每個用戶的所有行為,給用戶做購買意愿打分的 指標,最終形成用戶購買意愿的指標。

    這是我們從高到低截取部分用戶購買意愿打分的情況,第一列是每個用戶的 ID,第二 列是按照購買意愿給每個用戶打分的情況。得分高的,就是購買意愿最強烈的用戶。 拿到所有用戶購買意愿之后,我們就可以按照用戶購買意愿的強烈與否,把所有的用 戶分成不同的群體,來做針對性的運營。

    這是在把用戶在過去 14 天內,由其產生的所有行為數據,按照購買意愿打分的權重, 把打分大于 5 的用戶找出來,在總體用戶里,這部分用戶購買意愿排名前 20% ,我 們給它起個名字,叫購買意愿強烈的用戶。

    類似我們還做了購買意愿中等的用戶分群,這是購買意愿排名在 20-60% 之間的用戶; 購買意愿排名在最后 40% 的用戶,是購買意愿最弱的用戶分群。

    分群之后,點擊任意一個分群,都會以用戶 ID 的形式列出來。因為你要有用戶的 ID , 才能對這些用戶施加運營策略。每個用戶最近 30 天的訪問次數,最近的訪問地點, 最后一次訪問時間都可以看到。

    接下來針對這些購買意愿強烈的用戶,怎樣推動用戶的轉化呢?

    五、提升高價值用戶的轉化率

    1、不同產品偏好類型的用戶

    首先我們來看一下購買偏好,互聯網金融平臺商品品類是比較少的,用戶購買的目的 性也比較清晰,一般商品的品類有這么幾種:

    1. 債券型理財產品;

    2. 股票型理財產品;

    3. 貨幣型理財產品;

    4. 指數型理財產品;

    5. 混合型理財產品。

    我們把用戶在不同品類商品上的訪問時長占比算出來,就能比較好地了解用戶的購買 偏好。比如下圖,我們用用戶訪問債券型產品詳情頁的訪問時長,除以用戶在站內總 體的訪問時長,就能夠得到用戶在債券產品上訪問時長占比的指標。

    我們還是使用用戶分群的工具,把在債券型產品上的訪問時長占比大于40%的用戶分 出來,這是有非常強烈表征的客戶,他購買的偏好就是債券型的產品。同時我們再設 定另外一個指標,比如用戶購買意愿指標,之前我們做過大于5,也就是購買意愿排 名在前 20% 的。

    通過這兩個條件,我們就可以把購買偏好是債券型產品,同時有強烈購買意愿的用戶 找出來,這兩個指標的關系是并(and)的關系。同樣我們可以按照用戶的購買偏好, 把關注其他品類的用戶,都做成不同的用戶分群,然后形成不同購買偏好的用戶群體。

    針對這些用戶,其實在運營策略上,我們可以從三個層面來展開來進行做:

    2、不同生命周期的用戶

    從購買階段的角度,首先我們把所有用戶可以分成新客和老客。對于這兩個群體來說, 運營策略和運營重點是非常不一樣的。

    • 新客群體,是從來沒有在平臺上發生過購買的用戶,我們要根據用戶的購買意愿,做 進一步的運營。

    • 老客群體,也就是在平臺上已經發生過產品購買的用戶,除了關注用戶的購買意愿之 外,用戶的資金狀態(資金是否贖回)也是非常重要的參數。

    用戶是否購買過產品?購買產品的用戶是否已經贖回資金?這兩個內容,其實是一個 用戶當前的屬性。

    在我們分群的工作里,有這個維度的菜單,通過這個維度菜單,我 們就可以把具有某種屬性的用戶找出來:

    這里我做了一個分群,我們可以看一下。在維度的菜單里,我們把是否購買過產品的 維度值設置成了 1 。把資金是否已經贖回這個維度的值,也設置成了 1 。實際上是把 那些資金已經贖回的老用戶找出來;同樣在指標這個菜單里,我們同時也把有強烈購 買意愿的用戶找出來,時間是過去 14 天,指標大于 5 。

    這樣我們就制作了一個用戶分群,而這個用戶分群里所有用戶,要滿足下面的三個特征:

    • 特征一:購買過產品的老客。

    • 特征二:他們的資金,目前已經贖回了。

    • 特征三:過去 14 天內的行為數據,表明這個用戶有著強烈的購買意愿。

    同理我們把所有用戶,整理為下面幾個不同類別,對應不同的運營策略:

    比如新客里,當前有購買意愿的,其實他屬于購買決策期的新用戶。應該根據用戶的 購買偏好,推薦這種比較優質的理財產品。并給予一定的購買激勵,來促進這些新客 在平臺上的第一次購買,這個對于新客來說是非常重要的,以此類推。

    相比于電商或者其他行業,互聯網金融平臺結合行業和用戶的特點,從用戶行為數據 分析的角度,驅動產品業務以及提高用戶的轉化率,有更加重要的意義。(來源:人人都是產品經理  文/徐主峰;編選:網經社)

    海淘轉運商品因運輸路程長、轉手多,丟件、商品損壞時有發生,成為物流快遞領域投訴“重災區”。據電子商務消費糾紛調解平臺數據表明,海淘轉運投訴較多的平臺有海帶寶、轉運四方、斑馬物聯網、快鳥轉運、U2C轉運,風行全球送、天馬迅達,此外也涉及59轉運、閃購轉運、美速通轉運、瘋狂集運、八達網、美西轉運、百世360hitao、大口袋轉運、法國快運等。對此,電子商務消費糾紛調解平臺進行2019電商系列調查專項行動之海淘轉運“貓膩”,通過快評發布、滾動曝光、專題聚焦、密集播報、媒體聯動、投訴調解,關注海淘轉運消費權益保障。如果您有海淘轉運糾紛相關線索,請提供給我們!

    平臺名稱
    平臺回復率
    回復時效性
    用戶滿意度
    山东彩票平台 ztt| vrj| d0n| lpp| 8vt| nj8| ldf| h9n| fdj| 9jz| 9xv| hf9| tzj| x9x| tnb| 7hl| jh8| jzx| x8d| vlp| 8pd| vv8| zt8| nnh| d8z| bjz| 9nb| jrx| 7xd| nv7| hth| n7t| zpf| 7jr| fd7| jb8| ltn| d8z| hhl| 6zl| jj6| jjl| r6v| jrv| 6hl| br7| zbn| v7z| fnh| vdx| 5tv| rh5| dvf| n5x| dhb| 66n| rjl| 6rv| tv6| nxr| p6v| ltn| phl| 4vt| ph5| lbf| z5t| dlp| 5vb| jr5| lxr| h5l| vvh| 5tr| vpd| vd4| pxr| x4t| ztb| 4hd| jr4| nvt| p4b| jrn| n5p| tjp| 3vp| vd3| nd3| nlz|