<mark id="oztn4"></mark>
0
當下，金融業態的數據體量正呈現爆炸式增長。例如，在日常運營中積累和沉淀的大量用戶行為數據，有助于企業市場營銷、產品優化、用戶運營和業務決策等環節。數據治理的問題該如何破解？
從數據中臺到數據分析，到智能畫像、智能運營，不少企業用戶也開始關注實現靈活定義用戶行為分析， 精準用戶分群和用戶觸達，做到投入更少的研發資源、時間、和維護成本， 快速搭建起一套符合自己需要的數據平臺，進而提高研發和運營效率，推動業務成長，為中產零售客戶和機構提供標準化資產的財富管理服務的公司理財魔方，已初見成效。
在易觀近日舉辦的A10數據智能生態大會上，理財魔方CEO袁雨來分享了《用數據洞察用戶》的主題演講。
作為進入易觀方舟Argo社區的第一批用戶代表，半年多時間以來，理財魔方基于易觀方舟Argo數據分析及產品運營決策，對于用戶行為的認知更深入，每次產品迭代方向也更加精準。眼下，理財魔方已成為易觀方舟智能用戶數據中臺的商業用戶。
袁雨來告訴雷鋒網，過去半年多引入易觀方舟Argo，實現數據驅動之后，獲客成本保持為同行業的幾分之一，而從下載到購買轉化率卻是同行業好幾倍。
以下為袁雨來的現場演講內容，雷鋒網作了不改變原意的編輯與整理：
何為智能理財？
非常高興給大家介紹理財魔方過去幾年對數據驅動的運營和感受，我在這里講述一下我們的故事。
理財魔方是一家基于人工智能為中產零售客戶和機構提供標準化資產財富管理服務的公司，專注于風險控制和個性化的顧問服務。通俗點解釋，理財魔方可以簡單、方便、科學、高效地一站式完成新中產家庭財富管理。
第一，活期現金，例如銀行存款、貨幣組合。
第二，穩健理財，是銀行理財的替代品?，F在銀行理財4.2-4.7個點之間，但是我們通過貨幣基金和債券基金的動態調整，可以做到5-5.5個點之間，隨存隨取。
第三，長期投資。對于老百姓來講，會有基金投資、股票投資。過去整個中國市場股票公募基金的年化收益率高達16%，但是用戶在里面追漲殺跌，風險無法有效控制，我們幫助用戶控制投資風險，根據風險的不同個性化進行配置投資組合。
第四，保險保障。中產是特別需要保險的人群，比如生個大病可能返貧了，我們做的是保險規劃。
過去中國的財富管理主要靠私人銀行做這個事情，靠人服務，成本很高。理財魔方希望通過提供智能服務改變財富管理，經過長達兩年的研發時間，推出了智能投資管理系統和智能客戶分析與管理系統。
這兩個系統可以實現個性化客戶風險評價與理財風險定制；三級風險體系，控制最大回撤，獲取市場平均收益；持續和穩定提供的理財管理能力，不管世界經濟形勢、金融形勢怎么變化，都可以個性化運轉；千人千面，完全個性化的配置。
我們以數據為原油，AI算法為煉油廠，六大業務模塊（營銷、APP、客戶分析、投資管理、交易、客戶運營）為發動機，以數據驅動業務發展。數據驅動的優勢在于，無論服務一萬、十萬、一百萬，還是一千萬用戶，只要增加機器就OK了。用數字技術打造一家公司，前期投入雖高，但后期回報也是客觀的。
數據如何驅動產品？
下面我講講理財魔方的數據驅動過程，以及一路走來的經驗與教訓。
上圖展示的是數據驅動基本模式，我們會將核心目標拆解成一個個小指標，然后用數據報表監控這些指標。每天，我們會分析這些數據，業務人員、產品人員會提出很多猜想，看哪有問題，哪需要優化，并基于這些猜想提出方法進行產品優化。接著，進行ABtest，因為幾乎每天金融形勢都在變化，如果產品不好，我們需要做大量的ABtest驗證結果，再重復做下一輪猜想并提出優化。這是我們過去的一個框架。
產品轉化
所有的創業公司都需要知道產品轉化，因為產品轉化是獲客成本的關鍵要素。過去說理財魔方獲客成本很便宜，成本是同行業幾分之一，其核心是從用戶下載到最終購買的轉化率，我們是同行業的好幾倍。
我們認為轉化率得益于三個要素的疊加：一是用戶行為，二是用戶習慣，三是用戶洞察。
第一，流程優化，引導用戶行為路徑，發現高轉化率的路徑，一個用戶下載APP會經歷好幾個路徑，如果哪個環節不太好就優化一下。
第二，產品的易用性，但是產品僅有易用性，引導性卻不夠。以前用戶開戶要身份證，身份證拍照會拍出千奇百怪的形狀，但現在用一個框框起來，這就是優化，通過使用的引導以提升轉化率。
第三，價值打動，其實每個用戶用你的產品都會有某種訴求，基于某種價值做出選擇。在用戶展示頁展示不同的內容，無論內容放在左邊還是右邊，都會對用戶轉化結果有影響，內容就是價值的展現。
產品優化
我們有段時間轉化率做得不錯，但有投資人說“你們做得很差”，我說“為什么？”他說“每一個下載APP的用戶都有購買動機，但卻沒有做到百分之百就不夠好。你想想微信基本上下載到注冊是百分之百。”他點醒了我，這告訴我還有很多地方做得不好，我們還可以不斷的改進。
我們過去通過拍腦袋決定，踩過很多坑，早期做產品，研發每天干到12點，一周工作6天。
后來我們改變了方法，你要知道公司首要目標是什么，核心目標是什么，階段性目標又是什么。
于是我們定了一個規矩，產品經理寫PRD（產品需求文檔），提出想法之前，必須能夠跟所有人證明，這個優化上線后能帶來多少指標的提升，比如轉化率、留存率、復購率能提升多少。這個數據不是拍腦袋出來的，而是要寫出公式。如果你無法預估出來，證明你沒有找到阻礙你提升空間的問題所在。只有找到這些問題的時候，才會算出來。最終，我們每一次優化至少50%是成功的，效率大大提升。
現在我們研發沒有那么累了，但優化速度、效果比原來大大提升。也許你一個目標達到了，不是按照原來邏輯達到的都是有問題的，可能是別的原因導致的，說明你預估錯了，這種驗證預估目標是否達到的過程才能夠幫助產品進一步優化。
用戶畫像
我們對用戶非常關注，B2C的企業要十分關注用戶的個性化服務。每個用戶的畫像大概有10頁以上整版的用戶分析數據，建立了非常細致的用戶標簽，對LTV全生命周期有所分析，對運營、狀態、購買的頻率有所分類，這樣才能讓我們對用戶更加了解。
如何精準觸達用戶？
這是我們的運營過程，通過數據分析、用戶畫像、預設場景、人群篩選找出我們要做的事情?，F在誰處于什么狀態，需要被怎么運營，這是橙色部分需要回答的問題。觸達是很重要的事情，所有的APP都在爭奪用戶時間和爭奪用戶注意力。比如推送，5%的用戶能點開就不錯了，用戶關注不到你等于零。不光你要有更多的方法和手段去觸達，你還得讓用戶對你的觸達，愿意再打開第二次，所以你每次觸達不要去消耗用戶的行為，讓用戶打開覺得這個東西有價值，下次他愿意打開。不要濫用用戶對你的信任，類似于“狼來了”這樣的消息去觸達。精準觸達、運營的核心都是提升用戶生命周期的活躍。
不同行業活躍定義不一樣，電商活躍就是一定要購買，我們也是以用戶復購為活躍，你不走不叫活躍，好的用戶活躍就是用戶源源不斷把錢投進來，因為只有投錢才代表你的信任。
產品選型關注點
理財魔方過去有一套系統，后臺大概有幾百頁的報表，分析得也很全，但為什么會選擇易觀？其實是有個過程的。從最開始使用易觀Argo到采用商業付費版，我們發現易觀能幫我們解決很多問題。總結起來，
一是靈活。理財魔方本身持有金融牌照，對金融數據保密性要求非常非常高，很多分析工具需要把用戶數據都上傳到云端，但因為監管各方面做不到。易觀支持本地私有化部署，并且可以根據需求進行隨意擴展。
二是易用。很多合作伙伴看過我們后臺，全是密密麻麻的數字。我們培養出一種能力，每天掃這些數字，就能敏銳捕捉到這些有什么異常。關鍵是新入行的同事并沒有這個能力，易觀的數據可視化可以幫助他們更快速定位問題，不過，做可視化這個事情做好不容易。
三是服務。從易觀方舟免費版Argo迅速升級到易觀方舟商業版，是因為我們知道數據的價值很大，節約出來是的成本。比如，聘請一個數據分析人員的成本，一年三、四十萬是有的，但購買易觀的產品不需要這么高的費用。我覺得（采購系統）劃算肯定愿意買。
四是安心，來自于技術團隊的反饋，易觀方舟可以滿足未來對于數據分析的準確性及實時性。
五是接入便捷，易觀方舟可以無縫接入理財魔方現有的上億條記錄及幾個T的用戶數據。
六是技術部門認可的便捷性。運營部門有專門做數據分析的同學，但對新開啟的業務的數據理解不夠深刻，結果有一半的指標是錯的。這怎么跟開發提需求？教運營部門學習語言查數據庫，學習成本很高。通過易觀方舟有更簡單的使用方式，能將程序員解放出來。
那么為什么我們會從易觀方舟免費版本Argo升級到易觀方舟商業版本呢？。舉個例子，以前我看病掛專家號就不錯了，現在我只掛特需專家號，為什么？因為不用排隊，并且我看特需專家好花100塊錢藥錢把病解決了，掛普通專家要花1000塊藥錢才可能把病治好。這也是我們升級到商業版的原因。我們認為數據分析是很專業的事情，如果做到一定階段遇到瓶頸，這個瓶頸不光是做得更完善，而是需要聘請更多人，這是成本瓶頸。
此外，我們本身在數據分析上的進化不如專業公司快，否則就把自己變成專業分析公司了，這個時候無法跟上專業的速度，我們要引入更專業的公司。易觀方舟商業版可以幫助我們定制化，做二次開發，可以針對我們市場做優化，這項服務是免費版沒有的。
最后也是開發者喜歡的，Argo面向技術社區，面向開源，可以做更多有趣的事情。
未來展望
展望一下未來，未來會做什么？
第一，智能完成分級運營任務，可以基于歷史運營計劃及效果情況，對類似情況及人群選擇最優運營計劃執行。比如說提一個創意方案，組織一次活動，是否可以記錄下來，下次遇到同樣的場景做同樣的事情，就能免去很多重復的勞動。員工只用負責創意上線，后臺自動分析評價運營活動，就可以方便符合標準的人進行自動調用，將我們真正解放出來只做創意，不用做大量執行工作。
第二產品優化測試框架，基于方案自動找出符合條件人群并且多組測試框架并行，自行維護人群之間的關系。第三方做大量的ABtest，我們希望通過易觀方舟進行大量ABtest，因為我們不經過3-6個月，不知道產品數據漲跌是不是市場要素影響的還是產品影響的，所以這時要把ABtest做得更久，就會有更多ABTest同時存款，要有更好的ABtest框架支持。
第三用戶行為預測運營，基于用戶現有行為預測未來可能會產生的行為，并提前發出運營計劃進行干預。金融行業存在一個特別有意思的現象，用戶對市場的反響和市場的感受不是一日之寒，每個人有強化認知，我們要在客戶覺得一點點冒頭，心里不穩的時候進行運營。
這方面我們聯合清華大學做了很多很有趣的研究，我們也會應用到系統中去，未來希望這個研究在易觀的幫助下做得更好，這是我對未來的展望。
以上是我對理財魔方過去在數據運營方面的一些經驗和結果。我也希望大家把數據貫穿到企業運營當中去，只有數據才會告訴你世界的真相。
謝謝大家。（雷鋒網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
