证券行业移动App行为数据研究的商业价值

证券行业的客户金融交易渠道正在转向移动互联网,客户证券投资和财富管理服务将主要发生在移动App,其将成为客户的主要入口和金融产品主要发布场所。

证券企业如果想赢得未来市场、赢得客户,取得在金融市场的领先优势,就必须了解客户对金融产品的需求,重视客户的交易行为和互动行为数据。

利用数据提升客户体验,提升移动互联网端的数据和业务运营能力,具有同互联网企业一样的技术能力和迭代速度。重视用户的移动端行为数据将成为证券行业未来在市场成败的一个关键。

证券行业过去主要分析交易数据、资产数据、产品数据、人口属性数据。典型数据应用有数据库营销中的关联分析和交叉销售。交易数据对营销具有较大的商业价值,特别是老客户经营。例如某些产品的客户复购率较高,利用交易数据可以进行多次营销,降低营销成本。

行为数据相对于交易数据具有不确定性大的特点,行为数据更关注客户的兴趣偏好,更适合用于了解客户体验和用户潜在金融需求。利用App行为数据进行营销,具有范围广、预测性强等优点,缺点主要在于其营销的业务转化率不太稳定。考虑到潜在的目标人群基数较大,即使是较低的转化率,其转化的目标客户也会很多。

曾经在一个案例中,利用资讯推送来影响客户进行投资,转化率接近40%,大大超出了预期。一般行为数据营销的转化率低于10%,集中在1%-5%之间。如果低于1%的转化率,这个基于行为数据建立的营销方案将会被放弃。

行为数据的场景应用是建立在场景化标签之上的,基于App内部行为的场景应用来源于具体业务目标,例如证券App中的绑卡入金、购买理财、股票交易、基金买卖,贵金属购买、关注收藏等。

No.1 行为数据分析有助于加速产品迭代和提升客户体验

App行为数据包含浏览、点击、评论、交易等几类,可以通过App的按钮和事件埋点进行提取。经过异常值处理和数据去噪音之后,就可以进行分析和应用。移动互联网企业BAT等巨头,其产品和用户体验的竞争力就是来源于行为数据的分析和应用。

过去证券行业人员可以通过线下的营业网点来接触客户,利用同客户面对面的交流,了解客户的金融产品需求和用户体验。现在客户几乎不再去营业场所,或者去证券营业部的客户年龄都较大。光大银行曾做过统计,经常到营业网点办理业务的客户,平均年龄为52岁,说明年轻客户基本上很少去网点办理业务。

而年轻客户正是证券行业主要的客群,未来将会成为证券企业的主要收入来源。证券企业如果想了解客户的金融需求和用户体验,其主要的方式就变成了分析App的行为数据,这也说明了研究分析App行为数据的重要性。

在互联网企业中,App运营团队有一个重要的职责就是每天分析App的行为数据,主要是因为行为数据代表了客户对产品的喜好。基于对App行为数据的分析,互联网企业的产品经理可以及时调整产品,进行产品迭代,快速满足客户对移动产品的需求。互联网企业产品迭代完全基于App行为数据的分析结果。

客户在App的点击行为和浏览数据,辅以时间维度分析和漏斗分析,可以真实反应客户体验情况。互联网企业的运营部门参考这个数据可以分析客户喜欢哪些产品、广告、活动等,反之亦然。利用行为数据分析,运营部门可以实时了解客户体验情况,及时调整运营活动和产品布局,围绕客户需求来提升客户体验。移动互联网时代,客户体验比产品本身更加重要。

证券行业一直想学习和掌握互联网企业的竞争优势,特别是在产品迭代和用户体验提升两个方面。行为数据分析为证券行业产品迭代和体验提升提供了技术支持。证券企业完全可以深度分析App行为数据,利用行为数据分析结果来进行产品迭代和用户体验提升。

例如,证券行业可以通过分析App的点击热力图,来了解客户喜欢哪些功能,客户很少点击的功能就可以及时下架。参考AB 测试的数据来分析客户更加喜欢哪些功能,基于客户点击喜好进行App的功能迭代和用户体验提升。证券行业还可以依据客户DAU、留存时间、打开次数等行为数据,了解客户对App的体验反馈,留存时间增加和打开次数增多反映了用户对App的喜爱程度的增加。实时反馈的行为数据可以及时让证券行业了解体验情况并及时进行产品迭代。

证券移动App的行为数据具有直观、实时、客观等特点。基于行为数据的分析对于了解客户体验和产品偏好具有重要意义,是证券行业产品迭代和用户体验提升的基础数据,证券行业必须重视对其的研究和应用。

No.2行为数据研究有助于提升券商互联网运营能力

互联网行业有一句经典的话,三分产品七分运营,好的产品不是设计出来的而是运营出来的。互联网运营的基础就是行为数据的分析,运营团队借助行为数据的分析实现运营能力的提升。

证券企业希望学习互联网企业的数据运营能力,其主要体现在对数据的分析和应用能力,包括基于数据的产品运营、渠道运营、用户运营、活动运营等。这些运营能力是建立在数据分析和应用基础之上的,其中行为数据应用能力是其重要组成部分。

产品运营的核心工作就是产品优化,包括UI/UE与产品框架,以及内容建设、产品维护、用户维护、活动策划等。用户需求不断变化,需要对产品进行持续的迭代完善才能满足用户需求,没有运营则无法时刻洞察用户需求变化;运营是让产品持续产生产品价值和商业价值。行为数据是产品进行优化的基础,基于行为数据中的点击数据和浏览数据,运营团队可以了解客户对UI和产品的喜好、对内容的关注、对活动的反馈,依据行为数据分析进行产品迭代和优化,行为数据是产品运营的重要参考。

渠道运营是指利用资源和流量为产品带来新增用户,包括免费、付费、换量、人脉积攒、产品的吸引力、圈内人的推荐、策划活动、内容营销、用户口碑等手段。互联网线上渠道发展比较野蛮,鱼龙混杂。特别是移动App推广市场,不但流量贵,而且充斥虚假流量。参考《TalkingData发布的2017年移动互联网行业发展报告》,在某些高峰时段,一些渠道的虚假流量超过了50%,也就是说至少有一半的点击和下载是无效的,广告推广费用是浪费的。曾经在某一个特殊时间段,TalkingData移动广告监测平台Ad Tracking在一天时间内统计到24亿次点击,其中90%的点击是恶意刷量。

券商利用App的行为数据可以有效分析出哪些渠道效果好、真实流量比例高,哪些渠道效果差、虚假流量明显。通过对行为数据的分析,还可以判断出哪些是真正的客户,哪些是一次性客户,哪些是羊毛党客户,哪些是有效客户。通过App渠道分析数据,券商可以降低广告投放费用,提升线上获客质量,提升广告获客的ROI。行为数据是渠道运营的重要参考指标,通过App渠道数据的分析,可以提升券商在移动互联网渠道的运营能力。

用户运营指以用户为中心,遵循用户的生命周期价值点和用户产品需求设置运营活动与规则,制定运营战略与运营目标,严格控制实施过程与结果,以达到预期所设置的运营目标与任务。用户运营最直接的价值,就是提升用户金融产品的复购率、提升单客价值、激活休眠客户、挽留流失客户、发现潜在客户等。证券行业面临较大的挑战,包括休眠客户比例过高、客户单客价值不高、流失客户明显等等问题,都可以通过行为数据分析找到解决办法。

例如,通过客户点击和关注的数据,了解客户资讯需求,主动推送相关资讯,激活休眠客户。利用点击和浏览行为数据趋势分析,及时了解客户流失倾向,结合客户产品喜好和兴趣爱好,定制激励方案,挽回流失客户。行为数据可以直观反映出客户兴趣和喜好,为用户运营提供方案支持,具有非常大的参考价值。

券商如果希望在产品运营、渠道运营、用户运营等方面具有与互联网企业同样的技术和运营能力,就需要重视行为数据的分析和应用。

No.3行为数据应用是券商业务智能化发展的基础

证券行业智能化发展是必然趋势,一方面是智能化应用的技术条件已具备,例如数据处理能力、模型算法能力、专业人才储备;一方面是券商所面临的经营成本高、效率低、客户服务覆盖率低等问题,都可以通过智能化应用来解决。

证券行业智能化应用的广义涵义,是借助工具平台和智能应用来解决具体的业务问题。这些业务问题,可能是个人投顾无法直接服务全体客户;可能是传统电话客户服务成本高、效率低,客户体验不好;可能是内部流程效率较低,无法满足客户变化的金融需求;也可能是投研和投顾人员缺少可以服务客户资讯平台等。

证券行业智能化应用狭义的应用领域,包含智能投顾(机器人理财)、智能客服、智能资讯推荐、智能投研数据平台、智能数据应用平台等。其主要解决的还是效率问题,本质还是券商服务的自动化和智能化,可以提升客户体验和降低服务成本。

证券行业智能化应用的一个前提是海量数据,包含交易数据和行为数据。但是这些数据不是原始数据,而是经过业务专家标注的、具有业务价值的数据,可能是标签数据、归类数据和分析结果数据。

行为数据对于智能应用具有较大的商业价值,例如在智能客服中,客户的行为数据代表其产品和风险偏好,智能客服可以基于这些处理过的行为数据,为客户打上标签。基于行为数据进行客户分群或分层,智能客服将参考这些行为数据定制客户服务内容,直接有效地为客户提供金融产品服务。借助于行为数据标签,智能客服将会缩短服务路径,直接切入客户喜好,提升客户体验,提高服务效率。

例如,如果行为数据揭示客户倾向于港股交易,智能客服在服务时就可以侧重于港股资讯。如果客户有融资融券倾向,智能客服就可以提供相关介绍和激励措施。如果行为数据揭示客户倾向投资能源板块,智能客服就可以提供更多的能源资讯,为客户投资提供参考。

智能投顾的原理是参考客户投资风险偏好和投资兴趣,为客户定制投资组合,在一定风险可控的前提下,获得一定的最优收益。行为数据可以支撑智能投顾中客户的投资偏好洞察,通过对客户点击、浏览、关注等行为数据的分析,券商可以了解客户的投资兴趣偏好。

例如客户点击股票所属的板块、关注的交易板块、浏览的资讯,这些行为都可以在一定程度上反映客户的投资兴趣,经过一定分析和加工之后,可以作为标签类数据输入到智能投顾平台,作为智能投顾推荐投资组合的参考信息,有助于提升智能投顾的客户体验和客户购买转化率。

券商移动App行为数据具有intention属性,代表了客户内心的需要,也可以认为是客户理性行为和感性行为的综合,其中感性成分更高一些。中国的投资客户,大部分体现为理性投资客户,但是在进行证券交易时往往体现的是感性一面。因此研究行为数据有利于了解客户心理行为,也就是客户感性行为。行为数据经过加工处理之后,可以表现为标签数据,结合业务场景和交易数据,帮助券商更加客观了解客户金融需求。

券商可以针对客户的兴趣爱好,提供相应的智能资讯和投研报告,协助客户作出更加客观的投资决策。行为数据结合相应的资讯,可以缩短客户决策周期,提升客户交易积极性,有助于提升客户交易额和交易频度。例如,通过行为数据的分析,推送客户关注股票板块的资讯,通过不同组客户测试,发现收到资讯的客户其交易下单率高于非收到资讯客户30%,而收到相应板块资讯的客户其交易下单率高于非收到相关资讯客户50%。

总之,对移动App行为数据的分析和应用可以帮助券商加速产品迭代和提升客户体验,建设与互联网企业同样领先的运营能力,并为券商智能化应用提供具有较高商业价值的数据,推动券商智能化应用的发展。

相关阅读:

搭建三级标签体系,提效证券App运营

三大方面、两个案例,解析用行为数据提升证券App用户体验

咨询专栏 | 券商App行为数据驱动核心业务优化

发表评论

电子邮件地址不会被公开。 必填项已用*标注