【干货】行为数据分析助力数字化转型——探索用户行为背后的价值

2023-06-02 0 531

原标题:【蔬果】犯罪行为统计数据数据挖掘助推网络化结构调整——积极探索使用者犯罪行为另一面的商业价值

随著大统计数据数据、云计算、人工智慧等技术加速创新,统计数据数据已成为重要生产要素。IDC在2020年发布的“2020年的位数宇宙”指出,全球统计数据数据总量已少于40ZB,近几年这个位数持续增长,其中少于三分之一的统计数据数据包含有商业价值的重要信息。2022年,我国大统计数据数据市场产值已少于数万亿元,面对海量数据统计数据数据,怎样挖掘统计数据数据商业价值,将看似毫无关联的统计数据数据串连起来,借助统计数据数据分

一、追本溯源:为甚么要做使用者犯罪行为统计数据数据挖掘

甚么是使用者犯罪行为?使用者犯罪行为可以用“5W2H”进行概括:Who(谁)、What(做了甚么犯罪行为)、When(甚么时间)、Where(在哪里)、Why(目的是甚么)、How(通过何种方式)、How long(用了多久),即时间、地点、人物、可视化和可视化的内容,而使用者犯罪行为统计数据数据挖掘则是通过对这类统计数据数据进行统计数据、裂解和预测,从中辨认出使用者使用商品的规律性,进一步将这些规律性与销售业务营销策划、商品更新插值和营运策略相结合,辨认出网络营销、营运和商品本身存在的问题,进而提出软件系统,强化使用者新体验,同时实现系统化、精确化的营运与网络营销。

随著互联网时代的重构,流量增长红利逐渐减退,各个领域的市场竞争愈发激烈,金融行业也不例外,信用卡销售业务生产成本飙升。顾客经理有时甚至需要上千次零距离网络营销,才能获得一个追加顾客。在这般高生产成本、高市场竞争的环境下,农行亟需借助使用者犯罪行为统计数据数据挖掘,搞好系统化营运,有效借助顾客基数大的竞争优势,将海量数据顾客资源转化成为销售业务商业价值,进而降低营运生产成本,提高网络营销效用,进一步提高民营企业市场竞争力。

二、天下无敌:使用者犯罪行为统计数据数据挖掘怎样做

使用者犯罪行为预测这般重要,业内能搞好此类统计数据数据挖掘的民营企业却是屈指可数,能暗鞘建设预测网络平台的更是寥寥无几,这是为甚么呢?笔者认为主要就原因是传统预测统计数据数据精度不够、采集重要信息不全面、预测数学模型不完善,导致预测结果粗放式,实际应用商业价值低,难以起到辅助网络营销决策的作用。

依照前期调研,商业银行同类统计数据数据挖掘系统主要就以订货为主,工商银行以订货加暗鞘的形式同时实现了用于营运预测(日活、月活、追加顾客数)、转化成预测(收款转换率、注册转换率等)、条码体系(使用者条码、自动化营运)等功能,整体统计数据数据挖掘能力较为上预测可以辨认出,信用卡销售业务在PV、UV统计数据、新体验预测、使用者热度各方面已有优秀实践,取得了不错的效用。在借鉴信用卡销售业务的基础上,农行使用者犯罪行为统计数据数据采集预测网络平台在数学模型丰富度、实时预测灵活性和定制化网络营销场景支撑度方面,依照自身情况做出了强化提高。

想要搞好使用者犯罪行为统计数据数据挖掘,首先要有精确且高效的统计数据数据采集方式。统计数据数据采集的主要就方式分为全自动埋点(代码埋点)和自动埋点(全埋点)。全自动埋点的竞争优势在于采集统计数据数据精确且重要信息定制化,性的需要;自动埋点则是通过标准化格式将使用者常见犯罪行为分为不同事件进行采集,其竞争优势在于无需额外埋点,一次嵌入即可满足采集要求,极大程度上增强了统计数据数据采集的及时性和全面性,而劣势则在于不支持采集重要信息定制化,可能无法满足个性化网络营销场景预测的统计数据数据需要。

有了精确、详细的使用者犯罪行为统计数据数据,还需要结合销售业务场景提出科学有效的预测数学模型,才能更有效地支持预测结果。农行上一代使用者犯罪行为预测系统主要就局限于浏览犯罪行为,即对页面访问、点击量(PV)和独立顾客数(UV)等统计数据数据进行统计数据,并未针对使用者可视化犯罪行为进行研究,因此其预测结果商业价值相对有限,无法对实际营运决策、网络营销推广场景起到辅助作用。结合自身销售业务场景,建立诸如漏斗预测、路径预测

三、综合赋能:网络平台提供甚么服务

农行新一代使用者犯罪行为统计数据数据采集预测网络平台随掌银6.8版本首次亮相,标志着农行暗鞘同时实现的使用者犯罪行为统计数据数据采集预测网络平台顺利上线。(华东CIO大会、华东CIO联盟、CDLC中国网络化灯塔大会、CXO网络化研学之旅、网络化江湖-讲武堂,网络化江湖-大侠传、网络化江湖-论剑、CXO系列管理论坛(陆家嘴CXO管理论坛、宁波东钱湖CXO管理论坛等)、网络化结构调整网,走进灯塔工厂系列、ECIO大会等)

1.全渠道埋点采集,犯罪行为统计数据数据无盲点

使用者犯罪行为统计数据数据采集预测网络平台采集SDK以准确、灵活、安全为目标,使用全埋点和代码埋点相结合的无侵入方案,支持Android、iOS、Web、mPaas小程序、微信小程序等全渠道统计数据数据采集,以较小的埋点代价,在用户同意且法律允许的范围内,合规可控的收集使用者犯罪行为统计数据数据,同时考虑采集精确性和埋点接入便捷程度,保证了多网络平台、全渠道采集全面性和接入便利性。采集SDK架构如图1所示。

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图1 采集SDK架构

SDK由配置模块、采集模块、存储模块和发送模块组成,支持通过使用者犯罪行为统计数据数据采集预测网络平台管理端配置不同采集策略,实时控制SDK的采集字段和范围以满足使用者隐私策略需要,保障统计数据数据采集灵活可控、合规安全,有效解决采集统计数据数据不可控、涉及使用者隐私的痛点问题。采集到的使用者犯罪行为统计数据数据待满足发送条件后批量压缩发送,在节省使用者统计数据数据流量、提高发送性能的同时,最大限度地保证采集统计数据数据的准确性和实时性,进而解决采集精度低、统计数据数据时效性差,进而影响预测人员实际使用的问题,由“能用”进化为“好用”。

截至目前,使用者犯罪行为统计数据数据采集预测网络平台已与个人掌银、民营企业掌银、网络营销Pad等5个农行主要就移动应用完成对接,H5渠道覆盖个人掌银中57个总行应用和37家一级分行100余个H5应用接入,单日采集掌银统计数据数据超8亿条。

2.统计数据数据实时全采集,流批一体再预测

统计数据数据采集集群和数仓模块灵活应用Kafka、Flink、Hive、HDFS等大统计数据数据技术组件,采用流批一体化设计,满足过程中完成统计数据数据清洗、字段划分、打散并形成宽表,同步将统计数据数据推送至大统计数据数据网络平台,为其他应用系统提供统计数据数据支撑。离线预测统计数据数据通过Flume写入HDFS,为后续批量统计数据数据处理提供统计数据数据源,实时预测统计数据数据则直接写入Clickhouse预测型统计数据数据库集群,由网络平台管理端向总分行销售业务人员提供海量数据统计数据数据实时秒级查询服务。数仓模块统计数据数据处理流程如图2所示。

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图2 数仓模块统计数据数据处理流程

3.全面大统计数据数据挖掘,预测数学模型再拓展

使用者犯罪行为统计数据数据采集分析网络平台以农行掌银渠道为出发点,多种预测数学模型并行形成统计数据数据闭环,将全渠道网络营销场景支持作为目标,依托新型联机预测(OLAP)列式统计数据数据库管理系统Clickhouse,同时实现统计数据数据实时高速写入、高性能向量计算,可依照销售业务需求,提供不同预测数学模型实时统计数据数据挖掘展示,为高基数、多维度的海量数据统计数据数据复杂查询预测场景提供了强有力的技术支撑。现阶段,使用者犯罪行为统计数据数据采集预测网络平台已完成指标大盘、地域预测、使用者转化成漏斗预测、访问路径预测、留存预测、使用者新体验预测等预测数学模型建设。

(1)指标大盘

指标大盘(如图3所示)提供宏观统计数据数据变化展示,在囊括传统PV、UV、追加顾客数、访问时长等统计数据数据统计数据的同时,配合饼图直观体现版本占比(如图4所示);结合地域预测可以准确识别新版本推广过程中各省追加使用者数量的地域差异,让销售业务人员可由此加大特定地区新版本推广力度,通过新客礼等网络营销活动,大幅提高该应用曝光率,有效提高该地区新版本新使用者使用数。掌银典型网络营销活动“新客三重礼”通过指标大盘及地域预测日均点击人数指标,结合使用者犯罪行为预测页面浏览和点击操作统计数据数据,整合强化活动入口,在8月上旬的活动中,日均点击人数较上月提高超六成,有效提高了网络营销活动触达率。

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图3 指标大盘

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图4 版本占比

(2)漏斗预测

转换率预测主要就通过统计数据使用者在操作流程中的逐步流失情况,形成一个类似漏斗的图形(如图5所示)。使用者转化成漏斗预测数学模型支持渠道、操作系统、版本号等多维度筛选条件,可帮助销售业务掌握不同渠道、不同版本、不同操作系统的转化成差异,用于强化渠道、强化新版本和对比使用者使用习惯。在实际使用过程中,往往需要销售业务人员通过对商品的了解和营运经验去构建漏斗,但这个漏斗是否具有代表性、其访问顺序是否正确都是未知的,这时就需要访问路径预测数学模型的辅助。

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图5 漏斗预测

(3)访问路径预测

访问路径预测数学模型(如图6所示)可以获知使用者浏览习惯,以桑基图的形式直观展示使用者到达网站或应用首页等页面后,TOP页面访问路径及其转换率、流失率,使得销售业务人员能快速、直观的认识商品主流访问路径转化成情况。位数货币新客网络营销转换率低一直是数币新客引流过程中的痛点问题,依托路径预测确认位数货币新客注册页面流转情况,再从新客注册、身份重要信息绑定到最后权益领取完成新客引流,进行逐级逐步使用者转换率漏斗预测,确定使用者高流失率环节,针对性地进行流程强化。截止7月底,数币新客网络营销活动权益使用使用者少于八成,单环节转换率较强化前提高近三分之一。(华东CIO大会、华东CIO联盟、CDLC中国网络化灯塔大会、CXO网络化研学之旅、网络化江湖-讲武堂,网络化江湖-大侠传、网络化江湖-论剑、CXO系列管理论坛(陆家嘴CXO管理论坛、宁波东钱湖CXO管理论坛等)、网络化结构调整网,走进灯塔工厂系列、ECIO大会等)

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图6 访问路径预测

(4)使用者流转地图

使用者流转地图(如图7所示)基于海盗(AARRR)数学模型,从使用者网络营销全生命周期分为信用卡销售业务、激活、留存、变现、推荐五个渐进维度将销售业务进行拆解,同时实现统计数据数据挖掘与网络营销场景的有机结合,定制化提供精确预测数学模型,真正做到将统计数据数据挖掘应用到实际网络营销活动中,通过各页面转换率、点击量的统计数据数据变化,直观体现使用者实际购买、完成交易情况,帮助销售业务人员了解使用者在哪一个页面、哪一步操作放弃交易,进而强化购买逻辑,改变网络营销策略。

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图7 使用者流转地图数学模型

使用者犯罪行为统计数据数据采集预测网络平台定制网络营销主题集市,为销售业务网络营销活动提供定制化使用者流转地图实时预测数学模型(如图8所示),通过可视化关键节点流转情况,基于页面打开率、立即购买率、交易成功率、活动预测率等度量指标,建立以销售业务为导向、使用者全生命周期、可逐层拆解的基于全域化、网络平台化、系统化同时实现营销场景内外循环和统计数据数据指标体系,以提高行内各渠道MAU作为战略目标,为销售业务方提供高可信商业价值的统计数据数据参考和有针对性的强化引流活动方案。

【干货】行为数据分析助力数字化转型——探索用户行为背后的价值图8 使用者流转地图预测逻辑

网络平台还提供7日、15日、30日留存预测,帮助各级管理员预测使用者特定始末犯罪行为的留存情况,判断顾客的使用习惯及该犯罪行为的使用者黏性,辅助销售业务人员了解商品的核心功能,进而增强商品服务新体验。使用者新体验预测实时监控各应用渠道生产实际运行情况,及时捕捉顾客使用过程中发生的各类异常重要信息,进行裂解和详细预测,帮助应用及时定位异常原因,进而快速解决异常现象,提高顾客新体验。

四、砥砺前行:犯罪行为统计数据数据挖掘应用展望

长风破浪会有时,直挂云帆济沧海。未来,使用者犯罪行为统计数据数据采集预测平台还将提供包括地域热力图、趋势预测、使用者分群等复杂预测数学模型在内的多形式、多维度使用者统计数据数据挖掘功能,在保证百亿级统计数据数据秒级查询的基础上,从解决销售业务痛点出发,从多角度剖析顾客犯罪行为,为销售业务网络营销决策助推;使用实时大屏和传统图表展示相结合,以助推销售业务决策为根本,针对不同网络营销场景,提供定制化网络营销主题预测,真正将统计数据数据挖掘与销售业务决策结合起来,努力将使用者犯罪行为统计数据数据采集预测网络平台建设成“有用”“好用”“愿意用”的统计数据数据挖掘网络平台,为销售业务人员提供最实时、最精确、最直观的使用者统计数据数据挖掘服务,全面提高农行使用者犯罪行为统计数据数据挖掘决策能力,促进网络化结构调整,同时实现“打造顾客新体验一流的智慧银行”的目标。

本文主要就内容转载(或原作者)出自我们的开心,仅供广大读者参考,如有侵犯您的知识产权或者权益,请联系我提供证据,我会予以删除。

CXO联盟(CXO union)是一家聚焦于CIO,CDO,cto,ciso,cfo,coo,chro,cpo,ceo等人群的网络平台组织,其中在CIO会议领域的领头羊,目前举办了大量的CIO大会、CIO论坛、CIO活动、CIO会议、CIO峰会、CIO会展。如华东CIO会议、华南cio会议、华北cio会议、中国cio会议、西部CIO会议。在这里,你可以参加大量的IT大会、IT行业会议、IT行业论坛、IT行业会展、网络化论坛、网络化结构调整论坛,在这里你可以认识很多的首席重要信息官、首席位数官、首席财务官、首席技术官、首席人力资源官、首席营运官、首席执行官、IT总监、财务总监、重要信息总监、营运总监、订货总监、供应链总监。

网络化结构调整网(资讯媒体,是民营企业网络化结构调整的必读参考,在这里你可以学习大量的知识,如财务网络化结构调整、供应链数

【CXO UNION部分社群会员】昌红科技CFO、科融环境CFO、科泰电源CFO、瑞凌股份CFO、安居宝CFO、恒泰艾普CFO、振东制药CFO、新研股份CFO、秀强股份CFO、华中数控CFO、雷曼光电CFO、先锋新材CFO、通源石油CFO、天瑞仪器CFO、东方国信CFO、迪威迅CFO、万达重要信息CFO、天晟新材CFO、汉得重要信息CFO、东富龙CFO、中电环保CFO、福能东方CFO、元力股份CFO、朗源股份CFO、派生科技CFO、中海达CFO、腾邦CFO、四方达CFO、华峰超纤CFO、佐力药业CFO、捷成股份CFO、东软载波CFO、力源重要信息CFO、通裕重工CFO、永清环保CFO、美亚柏科CFO、神农科技CFO、维尔利CFO、潜能恒信CFO、科德教育CFO、佳士科技CFO、福安药业CFO、长荣股份CFO、长海股份CFO、节能铁汉CFO、纳川股份CFO、翰宇药业CFO、高盟新材CFO、海伦哲CFO、聚龙CFO、聚光科技CFO、舒泰神CFO、天喻重要信息CFO等

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务