消费金融产品的数据逻辑与友盟实战

所有的数据分析逻辑都基于公司的战略目标无可厚非，或者换句话说所有的数据都是为你的实现目标来服务的，本文主要分析以消费金融软件的业务场景，来进行具体分析 。

题图来自Unsplash，基于CC0协议

目录

概述 

数据分析逻辑 

产品策略层面 

运营策略层面 

市场策略层面 

一、概述

术语与缩写解释

文章概要

本文主要介绍消费金融场景下的数据分析，第一部分主要基于战略层面方向逐步拆解为可监控落地的数据整体逻辑分析，主要从产品策略，运营策略，推广策略三个方面，第二部分主要介绍将拆解出来的数据如何通过友盟落地监控分析并反作用于推进并改善三方策略，从而达到精益设计，节约成本提高指标完成度

业务描述

主要用于用户提前消费的使用场景，用户凭借平台给予的信用额度仅能在平台消费，购买相应的商品，在每月按期还款完成一个消费周期

产品目标

本文主要目标侧重于介绍前段流程，主要基于拉新／留存／促活／转化，因消费金融场景的特殊性后期还款主要考察平台风控能力所以不做重点介绍，主要利用友盟从漏斗的各个层面增大漏斗转化斜率，从而增大转化流量

产品策略实现目标：通过友盟数据确认产品需求紧急度，以及产品流程问题，确认产品迭代需求；

运营策略实现目标：通过友盟从拉新——留存——促活——裂变——预警几个关键环节转化，实现运营转化率的提升；

推广策略实现目标：通过各个H5渠道投放 以及app各页面转化综合分析来实现精准投放的，组合投放策略，降低推广成本。

二、数据分析逻辑

注释：数据分析逻辑图，可让读者迅速了解产品分析逻辑，是如何从公司战略层面逐步落地到具体某一项可监测数据，然后具象化到友盟实际操作层面

所有的数据分析逻辑都基于公司的战略目标无可厚非，或者换句话说所有的数据都是为你的实现目标来服务的，本文主要分析以消费金融软件的业务场景，来进行具体化的分析，公司的战略层次的目主要有以下三项（因公司而异，有所不同，此三项为战略层次量化出的其中的几个指标）

（1）交易金额：用于企业了解当前产品情况以及处于的规模状态

（2）利润：企业产品的核心，一切最终的转化都将沉淀在利润指标

（3）净增长用户：用来预测产品可能在未来发展的路线图，以及实施多方假设预测分析

三项指标可以来展示产品的当下，未来，以及收益，并通过沉淀的历史数据，来改善未来的三项指标，从而形成正向循环，战略层拆解到规划层的计算公式如下

交易金额可以拆分出的公式＝交易数量X交易件均

利润＝收入－支出，由于各个企业盈利不同下文主要从产品的角度来解释此项，主要通过友盟来缩小支出，从而实现提高利润的目标

净增长用户＝增长用户－流失用户

通过以上公式我们可以看出并无法落实到具体的实操点，做数据逻辑就与做规划是一个原理，只有降目标拆解为最终可落地的一个个单元点，才会积少成多看出效果

三、 产品策略层面

将拆解出的规划指标继续分解

交易数量量化数据监测：主要由特殊的业务流程觉得其转化如业务流程图所示，任何一个环节的转化都会影响交易数量的这一指标，所以提升每一个环节的斜率，即可增加总交易数量从而提高交易而的指标，消费金融平台的件均主要由用户质量决定后面会做介绍：如何利用友盟数据平台来转化分析从而提高渠道投放决策，改变用户质量。

如图所示针对于交易数量的指标：下载，注册，认证，绑卡，风控，下单任何一个环节的转化都会成倍的影响最终的指标，所以需要在以上核心环节进行监控，主要将以上流程的事件对接进入友盟的功能使用中——自定义事件，再将事件转化率转化进行排序，从而一步到位展示出每一环节的访问以及转化情况（下图数据为模拟数据不做参考）

用于体现每个环节的斜率转化可以参考事件转化率，来量化每一环节至下一环节的流失情况，从业务环节定位到具体页面，以及具体某一操作控件，相对较灵活，通过转化情况优化问题页面环节。

例如在认证事件转化率为70%，绑卡事件转化率为30%，市场转化率一般为45%，认证至绑卡环节可能输入的要素过多，需要简化流程，将更多的数据获取采用外部一键授权，从而提高转化，绑卡通过的就是你的风控审核池，假设风控通过率为50% 意味着绑卡数据需要提供2倍的数量来平衡最后可授予额度的用户，在授予额度后，下单的转化监测，可以观察用户的购买意向，所以转化非常重要，也可利用友盟做出可视化数据，在用户洞察，用户事件做新建漏斗即可，如下案例：

将“下一步”“我要借钱”“去申请”等操作事件均来进行认证流程的监测，每个环节页面的操作数量，通过点击数据来将页面操作控件按需求分配至点击较高的区域，控件的大小以及位置和颜色对于点击引流都有所不同。

通过以上逻辑就可以量化出每个页面的跳转转化，从而得出对重点页面做出重点分析，解决转化问题。

在绑卡环节页面拆分的越多流失率可以通过友盟看出数据转化效率越低，多一个环节就给用户多了一个拒绝你的机会，所以后面处理将一些字段分摊至其他页面，从而减少环节，减少流失，来提升每一个环节的转化情况从而从产品设计层面进行改进，另一种直观的方式也是目前比较常用的，就是将前置住流程提取出来，做一步引导填写，每一步设置完成奖励，观测引导环节的用户转化以及平衡营销成本，对于用户完成前置流程，会有更大的优势，提前完成前置，这样在有交易意向的情况下才会得到更高的转化率，如图设计所示就是为了提升住流程漏斗量而抽取出核心环节做的引导操作，将友盟事件同时添加到两个主流程入口可以通过数据了解到每个环节的点击事件，以及转化情况。

转化率越低该环节的瓶颈越明显，也就是需求的紧急度越高，因为他直接决定下一环节的转化池，将收集的需求池排出优先级，即可编写下一迭代的需求文档，上线后记得将新的点击事件加入监控用来对比，改进后的效果做复盘是否起到一定要过，以上只是其中一个事例，任何产品都可以通过转化漏斗也就是常说的AARRR原则去研究我们产品的转化情况，每一个环节逐步去优化击破。

四、运营策略层面

主要围绕着，拉新——留存——促活——转化——裂变几个环节结合友盟进行数据分析，量化用户行为，对于产品整体运营监控可以采用用户生命周期来了解。

友盟将数据这里很好的将周期拆分为：新手阶段——成长阶段——沉默阶段——流失阶段。并且每一阶段的规则都可以通过设置个性化，很方便灵活。

对于拉新层面，大部分平台都是基于H5不同渠道推广，将渠道加入自己的渠道ID，量化转化，另一方面是通过各个应用市场来获取用户，如图所示可监测不同渠道，新增注册，具体留存促活一方面通过自定义事件来看app内部点击活跃情况。

另一方面通过如图所示用户留存表，来监测用户留存情况在附加消息推送数据监控，来看是否对活跃留存，以及流失可以起到唤醒，召回作用，可参考下图监测预警人群及时召回，有利于准确防止用户流失。

在分享环节，可利用社会化分享功能将登录分享附加分享点击事件综合来判断，在附加通过用户画像可以做到用户运营中精准的用户标签创建：例如用户区域，用户年龄，所属终端设备等，在每个产品大生命周期，所侧重的关注点完全不一样，对于初创产品，以拉新促活为主，当产品达到一定后到达成长阶段自发增长期可以将侧重点关注在用户的整个生命周期的管理，其中以新用户的增长、激活、触发，进入成熟期后平台存在大量老用户，应增强用户体验为主尤其关注活跃情况，在出现衰退期转折趋势时，及时补救优化，通过事件分析，来简化体验，优化用户体验为主

以上是产品运营方面，另一方面就是用户运营层面用户运营层面就需要结合友盟的用户洞察——用户分群／用户画像，从产品用户的基础属性：年龄／性别／城市／兴趣爱好／手机品牌／手机价格等多方面了解用户的生活习惯以及消费习惯，做到把最适宜的广告以及产品推给最适宜的人，而不是将最好的广告推给所有人，用于给市场同事更完善的用户画像，对于经常每日性的指标，也可直接配置至友盟的自制看板，这样可以节约大量时间，将不用去各个模块收集数据，当需要深入挖掘时在进入详细模块进行查看

五、 市场策略层面

对于广大市场同事而言，在乎的就是一句话“我能用更少的钱，去打造更多的转化”即为王道，分工明确，产品内部的转化由运营和产品承担后，市场更多的精力都放于渠道的铺设，每个渠道的转化直接取决于市场同事的获客成本，通过友盟可以有效对比不同渠道的用户数据，可以多渠道投放组合，根据数据将投放组合量化至投放最大化，其中一定要结合平台的用户画像，用户终端转化数据，以及用户年龄等一系列用户画像，尽可能将用户群体打造更加精准，这样才能更有利于市场投放的准确性，尤其是在互联网行业下半场，流量的入口不在单一，多元化的投放组合才能带来更大收益，此外为了减少成本，初期可参考竞争对手的投放策略，一个稳定的产品一定经历了大量的试错，如果有站在巨人肩膀上的机会何乐而不为呢？

市场主要关注点除了上文说的不同渠道的转化率功能外，另一方面更重要的是结合移动广告监测系统，消费金融行业比较看重用户质量，由授信额度提单放款，所以直接影响交易金额，每个渠道用户在结合本平台的风控系统，以及订单系统，三方数据报表去分析用户质量皆可，以授信效果，提单效果较好为最佳渠道，在平衡下获客成本，即可对比出不同推广市场对应的不同渠道，从而调整自己的市场推广策略。

另一点最重要的，现在市场推广鱼龙混杂，很多非正规流量对于企业来说就是“烧钱”可以结合友盟的异常监控平台，来监测，总之正常管控外，在推广一定要注意这个灰色区域“及其烧钱”对于异常数据的监控尤其不可忽视，例如是否是会产团队，是否是虚假数据都需要事先通过预测模型来判断，这一点一定要与推广放协议商定（这里是个坑），如果不注意很快就会进入烧钱没效果的节奏，根据推广方所展示以及承诺，严格审视合同，及时价位稍高，如果对效果做出承诺，那也是不错的，监控出异常数据要及时处理，尤其是大量“羊毛党”的数据有些灰产平台甚至是用机刷，这种超低的转化率尤其值得预警，也可通过友盟观察大幅度起落的异常数据。

作者：痞M二点五

本文为「人人都是产品经理」社区和友盟＋联合举办的“2019「友盟杯」数据分析大赛”中获奖作品，未经作者及平台许可，禁止转载

本文部分数据有脱敏处理，非全部真实数据

有关产品测评大赛合作事宜，请联系邮箱：denis@woshipm.com