各個(gè)行業(yè)正在向數(shù)字化、智能化、場(chǎng)景化轉(zhuǎn)型，金融企業(yè)走在了各行業(yè)的前列。金融行業(yè)的數(shù)字化體現(xiàn)在創(chuàng)新技術(shù)融合、數(shù)據(jù)化運(yùn)營(yíng)、精準(zhǔn)營(yíng)銷、運(yùn)營(yíng)場(chǎng)景化等多方面。

金融企業(yè)的用戶經(jīng)營(yíng)模式由“以產(chǎn)品為導(dǎo)向”的精準(zhǔn)營(yíng)銷經(jīng)營(yíng)模式向“以用戶為中心”的精準(zhǔn)營(yíng)銷經(jīng)營(yíng)模式轉(zhuǎn)型。用戶經(jīng)營(yíng)的最終目的是為金融企業(yè)創(chuàng)造更高價(jià)值，帶來更多的盈利。用戶生命周期價(jià)值分層策略可以幫助金融企業(yè)梳理用戶層級(jí)結(jié)構(gòu)，并針對(duì)每個(gè)層級(jí)用戶進(jìn)行差異化經(jīng)營(yíng)，圍繞用戶進(jìn)行數(shù)字化改造升級(jí)，實(shí)現(xiàn)用戶價(jià)值最大化提升，提升企業(yè)的運(yùn)營(yíng)效率，打造數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷閉環(huán)。

用戶生命周期價(jià)值分層策略是什么？應(yīng)該如何進(jìn)行規(guī)劃以及分析？

用戶生命周期價(jià)值分層定義：

用戶生命周期：是指從一個(gè)用戶開始對(duì)企業(yè)進(jìn)行了解或企業(yè)欲對(duì)某一用戶進(jìn)行開發(fā)開始，直到用戶與企業(yè)的業(yè)務(wù)關(guān)系完全終止且與之相關(guān)的事宜完全處理完畢的這段時(shí)間；在業(yè)界廣泛應(yīng)用認(rèn)可的用戶生命周期方法論是AAARRR，是運(yùn)營(yíng)體系的經(jīng)典的框架，貫穿用戶感知、獲取、激活、留存、交易、傳播。

用戶生命周期價(jià)值（Customer Lifetime Value，CLV）：即用戶具有的價(jià)值和生命周期，每個(gè)用戶在生命周期中在歷史、當(dāng)前、未來為企業(yè)帶來的收益總和。它由三部分構(gòu)成：歷史價(jià)值、當(dāng)前價(jià)值和潛在價(jià)值。用戶生命周期價(jià)值分層是圍繞用戶價(jià)值與生命周期視角對(duì)用戶進(jìn)行細(xì)分。

用戶生命周期價(jià)值分層意義：

用戶價(jià)值是企業(yè)發(fā)展在各個(gè)生命周期階段都需始終關(guān)注重要內(nèi)容。不管是在初創(chuàng)階段的大量新客，還是成熟階段的存量用戶，企業(yè)的戰(zhàn)略目標(biāo)還是希望用戶貢獻(xiàn)更多的價(jià)值，為企業(yè)帶來盈利。

通過用戶生命周期價(jià)值的分層，促使“以產(chǎn)品為中心”的經(jīng)營(yíng)理念轉(zhuǎn)為聚焦到“以用戶為中心”（用戶價(jià)值、用戶需求、用戶體驗(yàn)為中心）進(jìn)行細(xì)分洞察。以產(chǎn)品為中心的時(shí)代，分析策略是通過產(chǎn)品找用戶；而隨著技術(shù)的創(chuàng)新，多維數(shù)據(jù)支撐更為廣泛的用戶洞察維度，經(jīng)營(yíng)的模式也逐漸改為通過用戶找產(chǎn)品。用戶生命周期價(jià)值分層策略，讓企業(yè)運(yùn)營(yíng)人員清晰了解用戶價(jià)值和價(jià)值指標(biāo)；通過對(duì)每層人群進(jìn)行篩選定義，制定差異化運(yùn)營(yíng)手段，促進(jìn)用戶在生命周期每個(gè)階段產(chǎn)生最大化的價(jià)值，實(shí)現(xiàn)層到層之間價(jià)值的飛躍，并延長(zhǎng)整個(gè)用戶生命周期，完成運(yùn)營(yíng)的各個(gè)階段的KPI指標(biāo)以及企業(yè)的戰(zhàn)略目標(biāo)。

用戶生命周期價(jià)值分層方法：

按照AAARRR方法論中用戶生命周期的各個(gè)階段節(jié)點(diǎn)，結(jié)合各階段的業(yè)務(wù)場(chǎng)景、業(yè)態(tài)、戰(zhàn)略方向等情況確定各階段用戶價(jià)值，進(jìn)行交叉組合分層。但因各個(gè)行業(yè)不同、場(chǎng)景不同、用戶價(jià)值不同、用戶生命周期價(jià)值分層策略也會(huì)有所不同。已布局生活場(chǎng)景生態(tài)服務(wù)的銀行信用卡，會(huì)通過用戶活躍、用戶粘性價(jià)值進(jìn)行分層；證券公司的生命周期分層按照交易價(jià)值進(jìn)行分層；中小銀行生命周期價(jià)值分層策略按照投資價(jià)值進(jìn)行分層。

舉個(gè)例子，某金融機(jī)構(gòu)移動(dòng)APP用戶生命周期價(jià)值分層：

市場(chǎng)用戶（目前不是企業(yè)的人群）

新增用戶（首次觸發(fā)APP的人群）

留存用戶（某段時(shí)間內(nèi)在APP仍然還有交互行為的人群）

價(jià)值用戶（某段時(shí)間內(nèi)在APP有交易行為的人群）

高價(jià)值用戶（某段時(shí)間內(nèi)在APP有交易行為，并且交易金額大于30萬或交易頻次大于3次或交易產(chǎn)品種類大于2種的人群）

鯨魚用戶（在高價(jià)值用戶中通過任何觸達(dá)手段為APP帶來新增用戶的人群）

用戶生命周期價(jià)值分層是以用戶生命周期為分層轉(zhuǎn)化漏斗，將每個(gè)階段的用戶價(jià)值往下一階段的用戶價(jià)值轉(zhuǎn)化引導(dǎo)，而每一層轉(zhuǎn)化場(chǎng)景、分析維度、評(píng)估指標(biāo)都是不同，需要制定差異化的運(yùn)營(yíng)手段分析每層轉(zhuǎn)化，對(duì)不同階段采取不同的策略，最終提升用戶各個(gè)階段的價(jià)值（如圖所示）。

我們需要分析一下每各階段是如何進(jìn)行分析？每階段精細(xì)化運(yùn)營(yíng)手段是什么？關(guān)注哪些指標(biāo)？最終完成每階段用戶價(jià)值的飛躍。

感知層→獲取層的轉(zhuǎn)化

隨著移動(dòng)互聯(lián)網(wǎng)流量紅利結(jié)束，企業(yè)市場(chǎng)部門、渠道部門如在全渠道廣撒網(wǎng)投放廣告吸引新客，所帶來的將是大量的非目標(biāo)用戶、導(dǎo)致企業(yè)耗費(fèi)大量成本。企業(yè)在這樣的市場(chǎng)環(huán)境下需要打破以往的思維模式，調(diào)整策略，將投放費(fèi)用聚焦到目標(biāo)用戶上，通過精準(zhǔn)投放來幫企業(yè)找到目標(biāo)人群，提升轉(zhuǎn)化率，降低成本。

制定精準(zhǔn)投放策略，對(duì)投放渠道進(jìn)行合理分配，找到轉(zhuǎn)化率高的渠道，成為本層轉(zhuǎn)化的關(guān)鍵。

本層轉(zhuǎn)化的運(yùn)營(yíng)手段：精準(zhǔn)投放

每天用戶通過線上（各類終端設(shè)備）與企業(yè)移動(dòng)APP進(jìn)行交互，用戶呈現(xiàn)時(shí)間碎片化、服務(wù)場(chǎng)景化等特征。企業(yè)將如何搶占用戶時(shí)間，成為企業(yè)關(guān)注核心問題。企業(yè)對(duì)將要投放的用戶情況一無所知，精準(zhǔn)投放從何開展呢？通過外部數(shù)據(jù)來洞察用戶如用戶的興趣偏好、地理位置信息、線下消費(fèi)偏好、金融偏好、媒體偏好等等，可以幫助企業(yè)找到精準(zhǔn)目標(biāo)人群、結(jié)合精準(zhǔn)觸達(dá)時(shí)間和產(chǎn)品，設(shè)計(jì)投放策略，將大大提升投放人群的質(zhì)量以及轉(zhuǎn)化率，幫助企業(yè)降低投放成本，提升ROI。

本層轉(zhuǎn)化關(guān)注核心指標(biāo)：ROI，即投資回報(bào)率

本層轉(zhuǎn)化分析維度：

分析各個(gè)渠道的用戶質(zhì)量，除了分析各渠道交易數(shù)據(jù)如：轉(zhuǎn)化率、轉(zhuǎn)化金額、多次轉(zhuǎn)化率、轉(zhuǎn)化周期頻率等指標(biāo)外，還需洞察分析各渠道用戶行為數(shù)據(jù)，如查看的產(chǎn)品、停留的時(shí)長(zhǎng)、查看的頻率等指標(biāo)，這類行為數(shù)據(jù)雖不是直接的交易數(shù)據(jù)，但也表明用戶是否有潛在的購(gòu)買轉(zhuǎn)化的意向。多維數(shù)據(jù)分析幫助企業(yè)找到質(zhì)量好轉(zhuǎn)化率高的渠道，并對(duì)各渠道投放的占比進(jìn)行合理調(diào)整，從而促進(jìn)ROI提升，完成本層用戶價(jià)值提升。

獲取層→活躍層的轉(zhuǎn)化

在用戶獲取后，就需考慮如何對(duì)用戶進(jìn)行促活。據(jù)統(tǒng)計(jì)，新用戶的營(yíng)銷成本要比老用戶經(jīng)營(yíng)成本高出4倍，老用戶的經(jīng)營(yíng)比新用戶的獲取要重要的多。尤其在企業(yè)已經(jīng)獲得大量用戶后，如不及時(shí)運(yùn)營(yíng)老用戶，會(huì)導(dǎo)致大量用戶流失或沉睡。企業(yè)需要在此時(shí)進(jìn)行運(yùn)營(yíng)干預(yù)，通過運(yùn)營(yíng)手段可減少流失人群、延長(zhǎng)用戶的生命周期以及活躍時(shí)長(zhǎng)，并促使用戶在更長(zhǎng)的時(shí)間內(nèi)創(chuàng)造更多的價(jià)值，提升用戶的CLV。

本層轉(zhuǎn)化的運(yùn)營(yíng)手段：新手引導(dǎo)、營(yíng)銷激勵(lì)

用戶引流進(jìn)入企業(yè)后，對(duì)新用戶來說，平臺(tái)、產(chǎn)品、流程都比較陌生，如果用戶體驗(yàn)不好，不能及時(shí)適應(yīng)平臺(tái)，會(huì)導(dǎo)致用戶流向其他同類型并滿足用戶需求的平臺(tái)，故在這個(gè)節(jié)點(diǎn)需要建立新手引導(dǎo)，讓用戶對(duì)平臺(tái)、對(duì)產(chǎn)品、對(duì)流程慢慢熟悉起來，養(yǎng)成用戶操作習(xí)慣。但是仍將面對(duì)用戶流失的風(fēng)險(xiǎn)，需及時(shí)對(duì)用戶進(jìn)行營(yíng)銷激勵(lì)，如發(fā)放優(yōu)惠政策、觸發(fā)用戶感興趣的內(nèi)容等從而激勵(lì)用戶活躍起來。

本層轉(zhuǎn)化關(guān)注的核心的指標(biāo)：日活DAU、月活MAU

本層分析維度：

本層關(guān)注的指標(biāo)為活躍指標(biāo)，如日活、月活，但在分析的過程中還需關(guān)注用戶流失情況、留存情況。如在一段時(shí)間內(nèi)，用戶日活持續(xù)增加，需分析用戶活躍類型占比，找到活躍增加的歸因，是由于新增用戶活躍，是老用戶活躍；來自于哪些渠道的用戶活躍，是由于新增的渠道質(zhì)量較好，還是由于用戶激勵(lì)的方式。不僅要關(guān)注日活、月活，還需要拉長(zhǎng)整個(gè)用戶生命周期來看用戶活躍、流失、留存等情況，分析在一段時(shí)間內(nèi)新增的這些用戶的流失情況以及留存情況，否則會(huì)被表面的日活增高的表象所蒙蔽。

活躍層→留存層的轉(zhuǎn)化

用戶持續(xù)留存代表此用戶具有留下的意向以及潛在轉(zhuǎn)化的可能，用戶留存指標(biāo)是監(jiān)測(cè)用戶流失的一個(gè)重要指標(biāo)。實(shí)現(xiàn)用戶留存的關(guān)鍵是需找到留存率較高的關(guān)鍵事件，并通過關(guān)鍵事件的引導(dǎo)提升客戶的黏性。

本層轉(zhuǎn)化的運(yùn)營(yíng)手段：促留存策略

本層轉(zhuǎn)化的核心關(guān)注的指標(biāo)：留存率（即次日留存、7日留存、14日留存、30日留存）

本層轉(zhuǎn)化分析維度：

需要關(guān)注的用戶留存指標(biāo)為次日留存、7日留存、14日留存、30留存。

分析時(shí)通常有兩個(gè)維度：

1、以時(shí)間為維度：看不同時(shí)間的次日留存率、7日留存率、14日留存率、30留存率的指標(biāo)情況，當(dāng)觀察到某一天的留存率比較高時(shí)，可詳細(xì)洞察這在一天是否有“其它動(dòng)作”，比如：新增某個(gè)渠道、做了某場(chǎng)活動(dòng)、頁面進(jìn)行某部分改版、觸達(dá)客戶營(yíng)銷激勵(lì)內(nèi)容等，深入分析導(dǎo)致留存變化的“動(dòng)作”對(duì)客戶留存深層的數(shù)據(jù)影響。如新增加了某個(gè)渠道投放，可能是因?yàn)檫@個(gè)渠道的質(zhì)量較好，用戶比較活躍，潛在的目標(biāo)人群較多，通過渠道的維度看這個(gè)渠道的行為數(shù)據(jù)指標(biāo)表現(xiàn)情況，可適當(dāng)調(diào)整投放的策略，增加此渠道的投放量。

2、以事件為維度：看執(zhí)行了不同事件的人群次日留存率、7日留存率、14日留存率、30留存率的指標(biāo)情況，如給某用戶做留存分析時(shí)，發(fā)現(xiàn)執(zhí)行登錄事件的人群的留存率比執(zhí)行其他事件的人群留存率明顯高一些，分析得出登錄與客戶留存成正比關(guān)系，建議企業(yè)推出登錄簽到送積分活動(dòng)，來提升用戶留存率，效果會(huì)比較顯著。

留存層→交易層的轉(zhuǎn)化

運(yùn)營(yíng)的最終目標(biāo)就是促使用戶進(jìn)行交易，給企業(yè)帶來商業(yè)收入，體現(xiàn)產(chǎn)品變現(xiàn)能力。交易額＝流量＊交易轉(zhuǎn)化率＊客單價(jià)，從公式可以看出，增加流量、提升交易轉(zhuǎn)化率將提升交易額，流量在感知層→獲客層已經(jīng)有詳細(xì)講解，客單價(jià)是受到產(chǎn)品定位、市場(chǎng)行情、產(chǎn)品內(nèi)容等多方面的影響，需要重點(diǎn)聚焦到交易轉(zhuǎn)化率的提升。

本層轉(zhuǎn)化運(yùn)營(yíng)手段：精準(zhǔn)營(yíng)銷、聚類算法促轉(zhuǎn)化、搭建MOT營(yíng)銷規(guī)則

本層轉(zhuǎn)化關(guān)注核心指標(biāo)：交易轉(zhuǎn)化率

本層分析方法維度：

精準(zhǔn)營(yíng)銷

精準(zhǔn)營(yíng)銷的本質(zhì)就是通過數(shù)據(jù)洞察找到目標(biāo)人群、分析出用戶特征偏好和產(chǎn)品偏好，在合適的時(shí)間以用戶最容易轉(zhuǎn)化的渠道進(jìn)行觸達(dá)。企業(yè)需要搭建營(yíng)銷閉環(huán)來解決營(yíng)銷效率問題，提升用戶的交易轉(zhuǎn)化以及收入的增長(zhǎng)。精準(zhǔn)營(yíng)銷閉環(huán)可分為四個(gè)步驟，人群洞察、消費(fèi)者互動(dòng)、監(jiān)測(cè)效果量化、分析優(yōu)化，并且不斷優(yōu)化形成營(yíng)銷閉環(huán)。

1、人群洞察

這是精準(zhǔn)營(yíng)銷必不可少的關(guān)鍵環(huán)節(jié)，通過人群洞察來分析用戶的行為特征、興趣偏好、產(chǎn)品偏好等特征，利用全維度數(shù)據(jù)分析找到不同特征人群對(duì)應(yīng)喜好的產(chǎn)品偏好，將洞察結(jié)果與營(yíng)銷建立關(guān)聯(lián)，為后期營(yíng)銷觸達(dá)做數(shù)據(jù)支撐。

2、消費(fèi)者互動(dòng)

人群洞察后，需對(duì)本層人群觸達(dá)的手段進(jìn)行分析，即用戶交互方式的偏好（用戶習(xí)慣、喜好的渠道和時(shí)間段），渠道是與用戶交流的載體，幫助企業(yè)與用戶搭建溝通的橋梁，需要找到用戶喜歡的渠道以及轉(zhuǎn)化高的觸達(dá)方式，在合適的時(shí)間提供用戶喜歡的內(nèi)容，提升用戶轉(zhuǎn)化率。

3、監(jiān)測(cè)效果量化

通過數(shù)據(jù)回傳，對(duì)每次精準(zhǔn)營(yíng)銷的數(shù)據(jù)進(jìn)行記錄，為后期數(shù)據(jù)分析、建模等工作積累數(shù)據(jù)，進(jìn)行營(yíng)銷工作的優(yōu)化。

4、分析優(yōu)化

針對(duì)營(yíng)銷效果數(shù)據(jù)，分析每次精準(zhǔn)營(yíng)銷轉(zhuǎn)化人數(shù)、轉(zhuǎn)化金額、轉(zhuǎn)化后的行為數(shù)據(jù)、轉(zhuǎn)化時(shí)間等，通過數(shù)據(jù)分析結(jié)果確定本次精準(zhǔn)營(yíng)銷存在的問題，提出后期優(yōu)化策略，不斷迭代優(yōu)化方案。將優(yōu)化后的策略在下次營(yíng)銷中進(jìn)行應(yīng)用，形成營(yíng)銷閉環(huán)，提升用戶交易轉(zhuǎn)化率以及用戶價(jià)值。

聚類算法

在每層用戶分析中，對(duì)本層人群進(jìn)行人群細(xì)分和數(shù)據(jù)交叉分析，找到細(xì)分人群的特征，制定精準(zhǔn)營(yíng)銷策略，提升用戶轉(zhuǎn)化率。聚類算法可科學(xué)有效地幫助企業(yè)完成人群細(xì)分。數(shù)據(jù)分析師對(duì)數(shù)據(jù)進(jìn)行整理，確定人群細(xì)分的數(shù)量，聚類算法可將相似的人群聚為一類，最終輸出幾類人群。對(duì)細(xì)分人群進(jìn)行特征提取，洞察每類人群偏好特征，從而針對(duì)不同人群制定差異化的營(yíng)銷策略，提升用戶價(jià)值。

營(yíng)銷規(guī)則

搭建營(yíng)銷規(guī)則，建立MOT邏輯規(guī)則，實(shí)現(xiàn)自動(dòng)化運(yùn)營(yíng)，促進(jìn)用戶提升交易轉(zhuǎn)化率。

用戶的交易數(shù)據(jù)、行為數(shù)據(jù)、公開市場(chǎng)數(shù)據(jù)等多元化數(shù)據(jù)都可以作為基礎(chǔ)分析數(shù)據(jù)，挖掘數(shù)據(jù)價(jià)值，結(jié)合業(yè)務(wù)場(chǎng)景設(shè)計(jì)營(yíng)銷規(guī)則。當(dāng)用戶觸發(fā)某規(guī)則時(shí)，進(jìn)行實(shí)時(shí)觸達(dá)，利用營(yíng)銷活動(dòng)對(duì)用戶進(jìn)行轉(zhuǎn)化。例如用戶頻繁查看某個(gè)產(chǎn)品，停留時(shí)間較長(zhǎng)但未進(jìn)行交易，但此類數(shù)據(jù)分析也能說明用戶對(duì)此產(chǎn)品具有潛在需求，可以依據(jù)此場(chǎng)景建立規(guī)則（在三天內(nèi)，查看產(chǎn)品A 3次以上，可以定義為產(chǎn)品A的意向用戶，符合此規(guī)則后，MOT將自動(dòng)觸發(fā)有關(guān)產(chǎn)品A的營(yíng)銷內(nèi)容，刺激用戶進(jìn)行交易轉(zhuǎn)化）。

交易層－高價(jià)值層的轉(zhuǎn)化

本層人群是企業(yè)最核心用戶，參考二八法則，20%的核心用戶給企業(yè)貢獻(xiàn)80%的價(jià)值，這類高價(jià)值的核心用戶是企業(yè)關(guān)注的重點(diǎn)。如何引導(dǎo)、刺激用戶向更高的價(jià)值轉(zhuǎn)變是本層的關(guān)鍵。

本層轉(zhuǎn)化關(guān)注最核心指標(biāo)：交易頻次、交易金額、交易產(chǎn)品類型

本層轉(zhuǎn)化人群的運(yùn)營(yíng)手段：交叉銷售、Lookalike算法挖掘潛在高值人群

本層轉(zhuǎn)化分析維度

交叉銷售

通過多樣化的運(yùn)營(yíng)手段，將提升交易頻次、交易金額、交易產(chǎn)品類型的提升作為本層目標(biāo)。通過交叉銷售分析、找到用戶購(gòu)買產(chǎn)品A與產(chǎn)品X的關(guān)聯(lián)，將強(qiáng)關(guān)聯(lián)產(chǎn)品X在相應(yīng)產(chǎn)品A的購(gòu)買流程或頁面進(jìn)行展示，通過相互導(dǎo)流實(shí)現(xiàn)對(duì)產(chǎn)品X的銷售，給企業(yè)創(chuàng)造更大價(jià)值。根據(jù)產(chǎn)品購(gòu)買頻率、產(chǎn)品到期的時(shí)間建立營(yíng)銷規(guī)則，提前引導(dǎo)用戶進(jìn)行復(fù)購(gòu)操作，防止用戶流失，提升用戶價(jià)值。

Lookalike算法挖掘潛在高價(jià)值用戶

潛在高價(jià)值用戶挖掘可借助模型算法預(yù)測(cè)潛在高價(jià)值的人群，并實(shí)施精準(zhǔn)營(yíng)銷策略。Lookalike算法是機(jī)器學(xué)習(xí)的一種模型算法，TalkingData利用移動(dòng)APP行為數(shù)據(jù)對(duì)其進(jìn)行優(yōu)化，使其適合利用APP行為數(shù)據(jù)進(jìn)行學(xué)習(xí)，相對(duì)其他算法具有較高對(duì)效率和準(zhǔn)確率。在本層中，將企業(yè)交易層用戶中挑選出的高價(jià)值人群（如多次交易、交易金額較大、交易頻次高、交易產(chǎn)品種類多等）作為機(jī)器學(xué)習(xí)的種子人群，通過Lookalike算法找到潛在高價(jià)值用戶。全面洞察分析潛在高價(jià)值人群的興趣偏好、產(chǎn)品偏好、渠道偏好等，輸出精準(zhǔn)營(yíng)銷策略并觸達(dá)用戶，通過基于效果反饋的營(yíng)銷閉環(huán)提升用戶交易轉(zhuǎn)化。

案例

某銀行運(yùn)營(yíng)目標(biāo)：提升存款用戶價(jià)值，實(shí)現(xiàn)存款用戶活躍并挖掘潛在用戶的價(jià)值。

某銀行聚焦到銀行存款存量用戶經(jīng)營(yíng)，為了提升存款用戶價(jià)值，通過用戶價(jià)值分層方法將某銀行存款用戶進(jìn)行了分層（如圖所示），將每層的用戶聚焦到特定的場(chǎng)景進(jìn)行分析，提升存款用戶分析的效率，洞察每層用戶的特征，找到每層之間的漏損人群、潛在人群，更加科學(xué)、有效制定差異化的運(yùn)營(yíng)方案。建立用戶價(jià)值分層體系方法論，將用戶分層、用戶洞察、制定方案、執(zhí)行落地、效果評(píng)估及迭代優(yōu)化整套運(yùn)營(yíng)方法論閉環(huán)跑通，并廣泛應(yīng)用到其它項(xiàng)目中，幫助某銀行通過數(shù)據(jù)化思維驅(qū)動(dòng)業(yè)務(wù)決策，推動(dòng)在數(shù)字化、智能化的轉(zhuǎn)型。

存款脫落人群

是存量用戶整體到存款有效用戶之間的存款脫落人群。這層人群分析研究時(shí)，主要目標(biāo)是洞察分析人群特征，制定有針對(duì)性的營(yíng)銷激勵(lì)策略，將此人群通過激勵(lì)轉(zhuǎn)變?yōu)橛行в脩簟I(yíng)銷激勵(lì)策略圍繞如何使脫落用戶再次進(jìn)行存款業(yè)務(wù)的場(chǎng)景而制定。

存款流失用戶

存款流失用戶，搭建流失用戶預(yù)警機(jī)制、流失用戶挽回策略。分析流失與哪些關(guān)鍵因子關(guān)聯(lián)，針對(duì)流失人群進(jìn)行劃分，確定流失人群的類型，對(duì)不同類型的流失用戶策劃具有針對(duì)性的挽回機(jī)制，并制定不同的觸達(dá)方式對(duì)流失用戶進(jìn)行挽回。如下圖所示，在某銀行數(shù)據(jù)分析用戶流失與登錄、資產(chǎn)情況、提現(xiàn)行為有強(qiáng)相關(guān)，故將登錄、資產(chǎn)情況以及提現(xiàn)作為分群關(guān)鍵因子，并進(jìn)行設(shè)定不同策略機(jī)制。

潛在價(jià)值用戶

潛在價(jià)值用戶是存款活躍用戶，雖然在近半年未投資，但此人群在企業(yè)APP有交互的行為，通過此交互數(shù)據(jù)分析挖掘潛在的需求及動(dòng)機(jī)，將APP上的交互行為、之前的歷史交易數(shù)據(jù)、外部數(shù)據(jù)作為模型輸入的因子，輸出客戶潛在需求，實(shí)施精準(zhǔn)營(yíng)銷。

潛在高價(jià)值用戶挖掘

潛在高價(jià)值用戶為企業(yè)創(chuàng)造價(jià)值，需要通過運(yùn)營(yíng)手段激發(fā)更大的價(jià)值，有幾個(gè)增加價(jià)值的維度：

1、金額維度：刺激用戶提升購(gòu)買的金額，創(chuàng)造更大的價(jià)值；

2、時(shí)間維度：建立策略延長(zhǎng)用戶購(gòu)買時(shí)長(zhǎng)，提升用戶生命周期；

3、種類維度：購(gòu)買多類型產(chǎn)品，提升用戶價(jià)值。

進(jìn)行用戶價(jià)值分層需注重用戶需求、用戶價(jià)值。制定場(chǎng)景化、差異化、定制化的策略，提升在整個(gè)價(jià)值鏈路上的轉(zhuǎn)化漏斗，實(shí)現(xiàn)從數(shù)據(jù)驅(qū)動(dòng)戰(zhàn)略目標(biāo)到用戶經(jīng)營(yíng)的精細(xì)化運(yùn)營(yíng)閉環(huán)，實(shí)現(xiàn)層到層之間價(jià)值最大化提升，幫助企業(yè)有效延長(zhǎng)用戶生命周期，激發(fā)用戶創(chuàng)造更大的價(jià)值。