后浪媒巢蜂

关于产品生命周期的几点思考

Thu, 29 Dec 2022 16:31:27 +0800

产品生命周期是一个很大的过程，在这个“大过程”中，又有着一些“小过程”。对此，本文从生命周期的基本概念、数据处理、生命周期主要环节、价值点挖掘四个方面做了分析，希望对你有所帮助。

如果把一款产品比作是一艘邮轮，那么这款产品在应用市场上架的时刻，可以当做是这艘邮轮航程的起点。在这趟航程里，会有无数的乘客（用户）先后来到和离开这艘邮轮。当这艘邮轮最后一次停泊靠港时，也就是其生命周期已抵达了终点，准备在应用市场下架了。

本文首先厘清了关于生命周期的基本概念，明确了需要发力的方向，进而介绍了几个数据处理的技巧，处理后的数据相对会更友好。并对生命周期的主要环节（新增/留存/活跃/沉默）逐一展开观察和分析，最后分享了几个在生命周期分析里可以挖掘的价值点。

（注：本文所涉及的数据都已做了脱敏处理和量纲转换）

一、基本概念

1. 生命周期

周期这个概念，可以很玄妙，也可以很具体。往大的层面讲，可以从太阳黑子的活动规律讲起，进而深入到人类社会的康波周期，人口周期，可以说万物皆周期，万物都处在周期的运行过程之中。往小的层面讲，一款产品，产品里的用户，都有一个（或几个）生命周期。

生命周期是一个从开始到消亡的过程，起点和终点都是确定的，不确定的则是这个过程所持续的时间，所变化的形式。生命周期分析所要做的，便是理解这个过程，优化这个过程。

2. 产品和用户的生命周期

（1）产品生命周期

每一款产品在投入市场后，大体上都会经历探索期，成长期，成熟期和衰退期这四个阶段。

探索期最重要的是学习，学习到底哪些是目标用户，为了与这些用户互相适应，要如何优化这款产品；
到了成长期时，已对用户有了一定的理解，此时很关键的一点是“拉人头”，先把有效的用户圈起来，后面一切好说；
成熟期往往是一款产品价值爆发的阶段，活跃用户的氛围，增值付费的能力，都会达到峰值；
不可避免的，成熟期过去后，每一款产品都会迎来衰退期，只是有些产品一次衰退就挂了，另一些则进入到第二个周期里。

（2）用户生命周期

与产品生命周期相对应的，这款产品里的每一个用户也都有自己的生命周期。只是在应用市场里，用户的数量往往要远超于产品的数量，所以用户的生命周期也就呈现出更为丰富，更为多元的形态，有些用户注册后“一言不合”就走了，有些则一直留了下来。

总体上来讲，用户会经历新增，留存，活跃，沉默，流失这几个过程，只是这几个过程并不一定连贯，可以交叉穿越。比如从新增直接流失，这是“薅羊毛”的用户，比较常见于互金，理财类的产品；比如从留存直接流失，其中有一部分是在不同竞品间进行比较，当比较完成之后，便也直接流失了。

而那些真正完整经历了每个过程，并在每个过程的核心指标里表现优异的用户，便是我们需要关注的头部用户，他们往往会贡献出这款产品里最大的价值。

3. 生命周期分析的意义

通过对产品生命周期的分析，可以更好地打磨每个环节的转化情况，让产品和用户不断地相互适应，从早期的粗放式经营转化为一种更为精耕细作的方式。在用户成长体系的每一个关卡，进行引导和助力，量变会带来微小的质变。

二、数据处理

常见的数据处理方法，有移动平均，相关分析，数据变换等几种数据处理的方式。真实业务下的数据，往往都是带有噪音的，偶尔会有一些“坑坑洼洼”。

如果直接去看最终数据的话，往往是很不友好的，通过一些数据处理的技巧，能让我们更便捷地观察业务数据的变化情况，并猜想和验证这些数据变化背后的深层次原因。

1. 去平均化

设置统计指标的初心，是为了能把握整体业务的变化情况，平均数，中位数等的制定，都是为了观察业务数据的集中和离散趋势。

在很多的场景下，这些指标都是有效的，但并不代表它们可以适用于所有场景，当场景不合适时，只看这些指标反而会形成干扰。尤其是在用户体量很大，数据分布具有严重的“左偏”或者“右偏”时，只看平均值可能就不合适了。

去平均化，或者说是用户分组，便是应对这种情况的一种处理方式。其实就是在整体平均值发生变化时，通过对用户进行分组，观察用户内部的结构变化，可能会得到不一样的结论。整体平均值的增长，是否对应每一个用户组的增长？不同组是否会有不一样的变化趋势？

不同用户分组的留存趋势

当整体业务在以某种趋势变化时，不要用户分组的变化可能不是协同的。方向一致时，彼此的变化速度不一样，可能会在某个时间点形成交叉，并且之后又以不同的速度反向翻转。通过去平均化的方式，可以更好地理解用户内部的结构差异。

通过什么方式对用户进行分组更为合理？这个问题类似于在做机器学习的特征时，如何对连续属性的字段进行分箱，虽然分箱方法有很多，但等频和等距仍然是其中经典而常用的两种方式。应用到用户分组这里，等频就是按照数据量来分割，等距就是按照属性值来分割。

2. 留存矩阵

在生命周期分析的工作中，会有很多的场景都会涉及留存的统计，比如注册之后的留存，活跃之后的留存等，同时因为时间的推移，不同时期用户的留存情况可以形成一个留存矩阵。这个矩阵的设计，可以有不同的方式，能表达出所关注的用户群的留存趋势变化即可。

先分析得出不同形式的留存矩阵。得到留存矩阵后，从不同的视角出发，可以做不同角度的观察和分析。在每一个月份新增的用户群体，可以得到其在三个月/六个月/九个月之后留存比例的趋势变化情况。

不同距离月的留存趋势变化

3. 因子分析

对生命周期的分析过程中，不可避免地会要做一些因子分析，比如在具体环节下，对某项具体的指标（留存率，活跃频次，未来是否付费），是否存在一些较为有效的因子，能与其具备良好的相关性。

因子分析的结果，虽然不如深度的模型结果来的精准，但处理过程却相当简洁，在不同场景下总能找到一些有效的因子，是一种性价比相对良好的统计方式。

针对不同的产品，从不同的关注点出发，可以搭建起最适合自己的因子体系。其实不需要像金融市场的101因子等做得那么全面而深入，选择一些自己最关心的，同时与核心指标相关的一些因子，就可以做出一个有效的因子体系。此后有需求时，直接从中取数即可。

因子体系的结构

4. 一阶差分

做机器学习的特征选择时，有时会应用到一阶差分，通过观察其收敛的转折区域，从而筛选出更为有效的特征。这个方法也可以用在生命周期的场景里，因为这个场景涉及大量的长尾分布，由于头部和尾部的用户量级差异较大，所以其内部的变化速度很难直接观测出来。

尾部用户虽然量级较小，但往往是对产品贡献最大的那群人，所以其内部变化是值得关注的。

如图1所示，即是一个经典的长尾分布，但在这个分布里面，越是尾部的用户，越是我们需要关注的高活跃用户。通过图2，可以看出在这个长尾分布里面，不同区域的用户数量变化速度，头部和尾部的变化速度都是较大的，中部区域的用户变化则相对平稳。

图1：某个长尾分布

图2：某长尾分布的一阶差分

三、生命周期主要环节

1. 新增

如果把注册用户当做一个半封闭的系统的话，那么每月新增用户就是这个系统唯一的外界能量输入。新增用户的持续输入，会影响原有的用户池的结构，与此同时，新增用户本身在不同时期也可能出现不同的特征。所以，对新增用户的观察，就是一件有意义的事情。

（1）新增用户简况

对新增用户的观察，首先是每月新增用户数的观察，这个指标可以细分到地区和市场，从而了解每月新增用户在绝对量上的变化趋势；同时可以观察当月新增用户对原有用户池的影响，这里就涉及累积用户数和环比增速这两个指标，用于评估用户池的变化。

（2）新增用户质量

在对新增用户的数量有了一定了解后，可以对其“质量”进行评估，从中可以观察到来自不同时期，不同渠道的用户差异。如何评估新增用户的质量，可以基于所分析的产品的侧重点去思考，比如活跃，留存，或者互动的情况。

新增用户的质量变化，虽然会有阶段性的波动，但大体上还是会在时间里呈现出一个明确的趋势，只是趋势变化程度不同。

（3）新增用户因子分析

到了新增用户因子分析，就已经切换了视角，不再关心产品角度，或者不同时间段的用户群角度，而更多是从微观的视角出发，通过对用户的状态、行为等因子分析，从而分析出一些有价值的业务点。

通过用户在首周，首月里的活跃天数，活跃次数，具体产品功能的使用情况，找到其后期行为表现的依据。这些行为规律往往更具有稳定性。

用户增长与环比增速

新增用户在距离1个月的留存率变化趋势

2. 留存

当用户通过注册进入到产品用户池时，此后的结局只有两种，沉默和活跃，只是根据沉默和活跃的程度不同，又可以细分出更多的用户群体。对于留存用户的观察，可以更清晰地看到其内部不同用户群体的结构变化，从而对不同群体采用不同策略进行管理。

（1）整体留存简况

对留存简况的评估，可以通过用户注册总量了解用户规模，同时可以选定一个时间周期（比如每月），通过对该周期内留存用户的不同表现，从而了解其内部的结构差异，比如每月不同活跃天数的用户数量变化趋势，或者分组之后不同组的变化趋势等。

（2）留存寿命

基于固定时间周期，和基于固定流失条件，都可以对用户留存寿命进行观察和分析。

基于固定时间周期，比如注册后500日内，观察用户的留存寿命差异；基于固定流失条件，比如沉默30天后，认为已经流失，该次生命周期已经结束，此后再激活时，则当做是新一轮生命周期的开始。基于这种角度，也可以对用户的留存寿命差异进行统计。

（3）留存行为模式

从产品的角度出发，可以观察不同时间段进入的用户的留存行为模式，有趣的是，有些产品从投入市场后，每月新增用户的留存曲线，会逐渐地收敛，最后稳定到一个固定的趋势曲线上；
从用户的角度出发，则可以梳理出一些典型的留存行为模式，他们的生命周期长度不同，从激活到抵达活跃峰值的速度不同，此后从衰减到沉默的过程也不同。

产品不同时期的用户留存趋势-A

产品不同时期的用户留存趋势-B

留存用户分组后的结构变化

3. 活跃

活跃和付费，往往是一款产品价值间接和直接的兑现过程，所以也是产品分析中的一个重点。日常运营过程中，很多监测指标其实都可以归类到这两个范畴。

（1）整体活跃简况

相对于新增和留存阶段，活跃阶段需要关注的指标相对多一些，活跃人数用来观察用户规模，活跃频次用来观察用户氛围，活跃时长则可以表达这场party的可持续性。这些指标看似相似，描述同一个内容，但在发生变化时，有一个明显的传导关系。

（2）整体付费简况

付费数据的处理，相对要复杂一些，涉及到付费渠道，付费金额的单位，以及不同币种之间的汇率结算。同时因为一些自动续费的付费场景，付费数据在短期的时间趋势上可能并不好看，波动程度较大。

但一些常规的统计指标还是适用的，比如每日付费人数，每日付费总额，人均付费金额，次均付费金额，以及不同产品下的付费占比等。

（3）核心指标分组观察

以活跃指标为例子，对核心指标的分组，即按照一定的方法，将用户群分为不同的组别单独观察。笔者在试验过程中，采用等距切分的方式，对活跃的UV、PV、Time分为了五个组别。当整体活跃指标发生变化时，可以观察到不同组别渐次变化的现象。

（4）活跃因子分析

在活跃的场景下，可以挖掘的活跃因子是比较多的，比如VIP对活跃的影响，购买VIP前后，用户的行为变化特征，以及VIP本身对活跃指标的影响；比如活跃时长和活跃频次之间的相关关系，两者并非完全相关，存在着不同相关形式的用户群，对这些用户群的挖掘是有意义的。

活跃因子分析中，可以侧重于对时间节点的把握，比如购买之前几天用户会开始访问VIP商城，购买之后多长时间，对活跃的影响开始有了减弱。

活跃核心指标观察

活跃时长和活跃频次的相关关系

活跃人数分组观察

4. 沉默

在已注册的用户池中，有很大一部分用户是处于沉默状态的，这是大部分产品都要面对的问题，尤其是工具类型的产品。当用户的沉默达到了一定时长时，可以近似认为其已经流失。

（1）整体沉默简况

整体的沉默简况，可以将每天作为一个时间粒度，通过统计用户上次活跃距今时长，统计当前不同程度的沉默用户，从而盘点出一个整体的沉默简况。

（2）沉默程度细化

沉默和回流往往是相对应的，沉默的程度越低，回流的概率越大，沉默的程度越高，回流的程度则越小，这两者的负相关性是确定的，但在不同阶段的变化却有很大的差异。对于不同的产品，其回流率的变化曲线也是不同的，可以对此进行细分统计分析。

（3）沉默因子分析

对于沉默因子的挖掘，可能最后仍然会回到一些核心指标的变化上来。也就是说，如果用户在未来会陷入沉默，逐渐走向流失，那么在此之前可以较为明显地观察到其核心行为指标的变化。沉默因子分析的结果，可以用于流失前的预警，流失后的干预等场景。

不同沉默时长的用户群变化趋势

四、价值点挖掘

生命周期的分析，除了对产品/用户的周期过程有更清晰的认知和理解外，还应在数据之中挖掘出一些价值点，用于制定实际的业务运营策略。它们围绕着生命周期的主要环节，可以是复杂的模型输出，也可以是一些简单的统计Tips，用于实现对目标用户群的精细化运营。

1. 新增用户首月行为

新增用户的首月行为模式，在较大程度上已经可以预示其之后的行为模式，这种现象类似于《圣经》里说的“七岁见大”。比如首月活跃天数，看似是一个简单的指标，但以此进行分组的话，不同组别在此后的行为表现是迥异的，界限清晰的，是一个用户分组的良好指标。

如下图所示，从整体来看，这四个分组在此后的行为表现是界限分明的。虽然高活跃组和低活跃组在第一个月结束时，曲线出现了一个缺口，但对整体趋势的影响并不是很大。也就是说，当运营资源有限时，可以往首月行为较好的用户群倾斜，可能会有更好的效果。

根据首月活跃天数分组后的长期留存趋势

2. 注册用户环比增速

随着注册用户规模的基本盘变大，每月新增用户的数量逐渐平缓或者走低时，虽然偶有波动，但从长期来看，注册用户环比增速的降低是必然的。

只是环比增速在不同档位时，其实也是产品处于不同的发展阶段，高增长，稳增长，或者已经趋近于饱和阶段。通过对整体的或者不同地区细分的环比增速的观察，可以相对应地改变不同运营策略的权重值。

不同时期的注册用户环比增速

3. 用户行为基本模式

通过产品角度去观察用户行为的基本模式，可以看出不同时间阶段下用户的行为变化，比如从投入市场后，此后不同时期的留存率曲线会逐渐收敛到一个稳定的水平；
通过微观的用户角度，则可以用活跃周期长短，活跃峰值高低等，去梳理和总结出具体产品下一些基本的行为模式，针对行为模式的差异，也可以对不同类型的用户进行分群和运营。

4. 核心指标分组观察

当产品在发生变化时，核心指标本身的变化是具有传导性的，比如活跃时长的影响最早，最深，进而先后传导到活跃频次，活跃人数的变化上来。而对核心指标的分组观察，则是进一步地进行细分，观察在这个指标变化的过程中，不同用户群体先后产生的不同程度的变化。

核心指标分组观察

五、总结

1. 基本概念

本文首先厘清了关于生命周期的几个基本概念，每一款产品，每一个用户，都具有自己的一个或者几个生命周期。

其中用户的生命周期具有新增，留存，活跃，沉默等基本环节，但并非每一个用户都会经历完整的生命周期，基本环节之间是可以交叉穿越的。

2. 数据处理

生命周期分析中涉及一些数据处理的工作，除了此前介绍的移动平均，相关系数之外，本文接着介绍了去平均化，留存矩阵，因子分析，一阶差分等数据处理和分析方法。

3. 基本环节

基于产品和用户的角度，对生命周期的新增，留存，活跃和沉默这四个基本环节逐一做了梳理，提出了一些可以思考和分析的点，以及分析过程中碰到的有意思的现象。

但许多内容只是一个大体的思路，并没有细致地展开去讲，可以在实践过程中深入去做。

4. 价值点

生命周期的分析，除了对其过程需要有清晰的认知和理解外，还应该从数据中挖掘出一些有价值的点，并应用到实际的业务场景之中。

文中分享了新增用户首月行为，注册用户环比增速，用户行为基本模式，核心指标分组观察这四个点，但这些肯定是远远不够的，更多是起到一个抛砖引玉的作用，提供给读者作为一个参考。

低成本线上获客渠道及方法

Thu, 29 Dec 2022 16:30:37 +0800

获客渠道分为线上和线下两种方式，作为销售人员，我们应该怎么精准获客呢？本文作者分享了一些低成本线上获客的渠道和方法，一起来看一下吧。

首先，获客渠道，分为线上和线下两种方式，好的获客渠道，本质上是在问，作为销售人员，我们应该怎么精准获客？

具体分两步走：

第一步：做好客户画像。

理清客户属于哪类群体、有什么特征。例如，客户的性别、性格、年龄，兴趣爱好等。

第二步：选择对应的获客渠道，并且“因地制宜”。

目前线下获客成本太高，所以绝大多数企业都将获客方式转移到线上。

本篇文章主要从两个方面展开叙述：

流量大、转化效果好的线上渠道
每个渠道的运营规则和获客方法

一、自媒体渠道

1. 知乎

知乎是一个问答社区，会定向去邀请高质量IP用户，在平台里答疑，所以知乎吸引到一批高知群体，从而不断地实现用户迭代，保证了用户的活跃度，稳定了用户的总数量。

如果你是银行理财经理，想在知乎上发布一些理财相关的知识，从而进行引流获客，完成变现。你需要做的是：

1）了解知乎的算法

当你答完一个问题后，需要在多长时间得到多少点赞和评论，回答才不会被限流、被淹没，从而被推入更大的流量池里、被推送到前排，被更多人看到。

2）有选择性地进行回答

不仅要关注问题与你所做领域的相关度，还应关注一个问题的浏览量和关注者有多少。如果一个问题浏览量只有一两百、关注者也只有一两个，即使是与你专业相符，回答它对我们获客也是毫无帮助的。

另外，数据流量大的回答，也不一定完全适合我们，这一类问题已经有了非常多的优质回答，我们很难再将自己的回答挤到前面去。

2. 今日头条

今日头条其实也是偏内容分享的渠道，它对标的是较为下沉的用户，这批用户的信息获取能力有限，偏好较为直白通俗的输出内容。

所以，在取标题时就要格外注意，例如我们今天的问题是”有什么好的获客渠道”，在今日头条发布的话，我们就应该改为“怎么才能赚钱”。

只有因地制宜，我们才将自己的内容展现到更多人面前，才有更大机会去实施转化，从而达到获客赚钱这一终极目的。

3. 抖音

1）明确我们的目标用户

不像上面所讲的知乎、今日头条这类渠道，用户自带有鲜明的画像，我们进入平台后要做的就是投其所好。

抖音用户流量池巨大，用户类型跨度极大，我们需要明确我们主要的目标用户是哪些人群，再去产出内容。

2）提升输出内容的质量

机遇和风险并存，抖音自带巨大流量的背后也隐藏着巨大的竞争。比起文字类获客渠道，视频类获客渠道还有封面、剪辑风格、说话方式、画面比例等这些细节需要我们加以注意。

当然，别忘了要“因地制宜”。我们还是要考虑抖音的算法逻辑是什么、怎么做才能让我被更多人看见。

比如，抖音搜“热点宝入口”，就能看到官方的热点和话题榜，在这些话题下发布视频，就能获得官方的流量扶持。

4. 小红书

像小红书这样一个视频类渠道，它的用户主要是一些对美有追求、经济相对宽裕的年轻群体，分享方式除了文字形式，还有图片、视频。

除了那句老话“因地制宜”，还要考虑小红书的逻辑算法是什么，小红书有哪些官方活动和官方流量可以蹭。

比如在小红书的“创作中心”找到“笔记灵感”，找到适合自己的话题进行内容发布，不但能够获得更多曝光，还能得到官方奖励，获得官方的推广机会。

另外，自媒体渠道的获客，还有一些细节需要大家注意：引流的时候要采用适当的方法，一定要舍弃掉一些敏感的关键词，否则发布的内容轻则被官方屏蔽，重则禁言或封号。

比如在小红书进行引流时，笔记里我们不能直接说“私聊我一下”，可以改为说“戳我一下”，“站内消息发你了”。

还有一些特殊的时间节点，发布内容都会限流。这就要求我们事先研究平台的规则，如果只是一味埋头写内容，不清楚平台引流规则，连自己的内容哪里违规，什么时候被限流都不知道。

二、私域的渠道获客

1. 社群获客

准备好一份社群的自我介绍，涵盖了你是谁、你具有什么利他性的点。

例如，以我自身为例——我是王静秋，现在是一家互联网咨询公司的ceo，我擅长私域、社群运营等领域，如果大家对此感兴趣，非常欢迎大家找我交流～

在进入社群，发布自我解释后，还要持续地输出干货，换取大家的信任。这样有相应需求的客户，便会主动地来添加你进行私聊。

在社群的选择上，可以是微信群，也可以像知识星球一样在app里建群，社群的选择也需要根据目标客户的画像来决定。

2. 互推

找一些旗鼓相当但非竞争对手的人进行互推，最好所做的行业还有一定的关联性。

例如a售卖家具，b售卖电器，a的微信有2000个客户，b的微信好友也有2000个客户，那他们完全可以发一条朋友圈为对方打广告，帮助对方获客。

3. 视频号

输出专业内容，靠现有微信好友、核心用户转发宣传，从而获得新的客源。

最后一句话总结，线上渠道获客，你需要：

具备利他性，要能够给别人提供价值；
抓住目标客户画像，精准产出内容；
“因地制宜”，搞清选择的渠道的运营规则、推荐算法等；
坚持输出内容，梅花香自苦寒来，宝剑锋从磨砺出。

如果想了解其他运营获客相关干货，欢迎在评论区留言或者私信与我交流~

数字化时代的银行切入点是营销数字化

Thu, 29 Dec 2022 16:30:03 +0800

在数字化、场景化、智能化趋势下推动商业银行数字化转型，凭借数字化转型中沉淀的数字化能力银行机构可以重塑业务流程、提高运营效率和降低运营成本。本文作者从营销数字化的角度，对银行如何实现数字化展开分析，希望对你有帮助。

当前我国银行业除了国有大行、股份制银行外，整体的数字化转化仍然处于建设阶段，对于数字化的投入主要放在能直接产生业绩的项目，比如建设数字化营销中台、数字化业务支撑平台等。

某些头部大行早已经全体系的转型，有自己的战略、目标、分阶段项目投入，各家银行发展阶段和可以投入的资源区别比较大，多数中小银行无法模仿这些头部大行的数字化转型战略。所以说大多数中小银行数字化转型的目标围绕着营销数字化，就是获客、运营转化和直接产生业绩改善等，这些能够直接带来客户和收入的场景可以成为多数银行的数字化转型首要投入点。

而伴随数字化时代的全面来临，线下和线上流量的获取更是成为银行的决胜关键，相较手机银行、网上银行等银行自有渠道，微信等用户规模大、日活及用户黏性高的线上平台已成为银行业务拓展的重要渠道与主阵地。打造以手机银行和企业微信为依托的私域的已成为银行标配，打造银行全渠道营销场景，则更需银行数字化体系的助力。

用户画像可以帮助我们更好的了解用户，同时需要关注用户旅程，从用户与产品第一次交互到最后一次接触。

客户体验是客户与银行产品和服务交互过程中形成的感受，交互是客户体验形成的核心。如何有效地管理交互过程提升用户体验，客户旅程的分析和优化就显得尤为重要。

通过数字化驱动低成本、高效的营销方式，触达到我们不同层次的细分客群，推送给客户最为匹配的内容和产品，以客户为中心构建场景化营销策略，能够做到精准营销。除了具备线上和线下活动盘活存量客户、维系客户的效果，还能有效地拉新客户，将客户引流到自有私域流量池，有利于促进转化，增强客户对平台的黏性。

一、全局用户画像体系

数字化时代用户画像越来越火热了，不过很多银行从业人员对于画像的认知还停留在标签化的层面，利用标签作简单的分群分析。其实用户画像是数字化转型重要一环，通过用户画像来构建数字化体系下一步再进行精确的营销数字化。

用户画像一个重要手段，以及增量用户拉取，存量用户数据和价值的保有为目标，利用大数据技术精准用户画像，结合银行产品画像，解构用户和匹配产品，精细化营销，最终在重点客群作突破。

首先我们先看一下什么是用户画像，一句话来总结就是用户信息标签化。从用户海量的信息里面去找到一些标签，为用户去贴上这些标签，当然这些标签的来源就是一些用户的行为。

比较常见的画像是我们需要建立银行客户群体化认知时，我们需要借助可视化的标签，比手机银行这个业务场景，在APP里购买理财产品的用户他们是长成什么样的？比如性别比例，蓝领与白领占比，通过拉平垂类偏好用户画像与全行客户的对比，来寻找差异点和优化点。

产品画像和用户画像有很多交集和互相交互的地方，不同的产品对应标签有使用客群，比如一线城市客户男性、三线城市以下60岁以上男性。或者某类客户经常购买的某个理财产品，那些这类客群可以贴上类似的标签。

银行不同的产品有不同的标签，我们在营销活动的时候，可以根据不同的活动、不同渠道客群去定位产品、千人千面推荐产品，打造高转化的准确营销方案。

对于统一建模预测分析，首先要有用户的基本属性，比如说性别、年龄、职业、所在区域，这样可以明确用户是谁？在什么渠道购买什么产品？为什么买？

有了用户的购买行为，再根据产品画像和业务价值去作差异化的竞争和精准的营销。

通过用户画像可以去做不同渠道的营销策略、定价策略、产品策略，根据不同渠道客群的差异和用户偏好，在营销过程中进行产品和投放策略的优化。

银行标签体系建设是平台的关键，平台的一期可以先建设原始标签和事实标签，二期三期后项目人员对业务和标签体系有深入的了解后再进行建设。

先从用户画像大维度来说，划分为动态和静态两类。比如说人口统计学的性别、年龄、地域、收入、生活习惯，是相对静态的，性别一般都不会变，年龄的话一年就涨一岁，然后地域的话也很少有大的变动，收入职业所处行业也不会有突然的变化，这些都可以划分到静态标签。

而像用户访问设备、用户的48小时是否活跃、内容&商品消费偏好等属于时常在发生变动的，这些可以划入动态特征。

不同的渠道、不同的产品，也会有不一样的构建目标和方式。在这个过程中，通过业务应用的要素分析，去驱动标签维度的扩展，然后通过标签维度的扩展。然后我又可以去驱动业务。

对于不同生命周期内的用户，数据和画像的丰富度也会有差异，在精细化运营过程中可以根据情况做差异化的运营。

在用户分析维度，初期会通过用户调研访谈进行初期的产品定位，在营销投放过程中，结合用户在不同渠道的详细分析，新用户有什么特征？核心的用户属性是否有变化？不同渠道获客可能会有很大差异，这种差异会了解到产品的变化是否符合预期。

某银行用户画像架构，首先进行标签建模，然后建立模式库，形成用户画像的后台库，打标签前需要做很多工作，数据需要首先作整理和清洗，保证数据的质量。

基于用户画像体系，在精准营销上分析不同渠道的用户，哪些方面是有特性的，比如年龄段，性别，地域，收入，偏好等，有了这样的分析，可以选择相应的人群投放。输出到不同渠道的营销，做预算看效果，然后将效果数据回流，再去迭代，以提高进一步的准确率。通过某个特性找人，再去分析这些潜在用户，找到可以触达他们的渠道。

银行应当快速构建以传统线下网点、智慧网点、手机银行、网银、各类APP、自助银行、微信银行等为一体的全渠道融合运营的新格局，并通过客户数据中台、营销中台的建设，将用户在不同触点端的基础属性数据、前端行为数据、业务数据以及对话数据进行汇聚，并通过前端埋点技术、自然语言解析等技术对用户意图进行挖掘与洞察，形成全渠道融合的用户超级画像，从而制定更精准的营销分层策略。

总行与分行之间、跨部门之间、员工之间以及客户关系之间，缺乏数据整合能力。银行应当进一步推动数据的互联互通，进行全渠道、全链路、全节点的信息打通，构建全行视角一致的用户画像以及业务流程，为智能化、自动化的营销SOP落地做好用户、数据、渠道方面的基础设施构建工作。

二、全渠道的客户旅程

用户旅程是商业银行提升客户体验的重要工具之一。用户旅程能够帮助银行拥有客户视角，设身处地了解用户，了解客户在不同渠道、不同场景、不同触点下的想法、情绪和行为，洞悉客户的真实需求，全流程的管理客户体验。

用户旅程图可以将抽象的客户体验具象化，透过用户的视角，将银行与用户交互的全过程转化为可观察、可测量、可操作的一系列场景和触点，并以地图的方式呈现出来，帮助我们聚焦于用户体验，找到实现用户体验升级的突破口。

用户旅程是客户了解、考虑和评估并决定购买新产品或服务的过程。银行客户的旅程主要包括三个步骤。

银行品牌认知阶段：用户知晓银行品牌，并且需要接触银行处理业务、解决自己的实际需求或者问题。
业务评估阶段：用户定义自身的需求问题，需要去银行渠道。
决策购买阶段：用户已经接触到银行渠道，选择相应的解决方案，已经体验用户旅程。

基于生命周期的客户营销与运营，强调从全旅程视角权衡和部署相关策略和活动。不仅仅局限于某个环节或节点的获客和转化，而是基于全旅程、主要阶段和子旅程考虑，通过营销与运营实践能够满足于引导客户完成一个子旅程或触发客户下一个旅程的目标。因此，从获客、激活、提升、留存和老带新推荐裂变一体的全旅程出发。

1）获客

获客是客户生命周期全旅程经营的开始阶段。商业银行主要任务是通过调研、分析潜在客户个人旅程，规划该阶段的客户旅程图，设计客户与银行可能的触点和交互方式，进而发现银行开展营销的机会点。

潜客分析潜在客户是指对银行业务有需要且具有成长能力的一类客户。一般持有其他银行卡，对银行业务有一定认知，曾经办理过具体业务或使用过银行服务。与银行建立连接的可能性渠道包括：银行品牌宣传和广告、企业代发薪资项目、银行卡联名商户、第三方渠道、熟人推荐、新媒体渠道软文、用户评价等。

2）激活

激活卡是客户旅程的关键节点，意味着商业银行客户全旅程经营是否能够展开。分析客户未激活原因，及时提醒客户激活卡片，并以活动权益激励是商业银行主要做法。

3）提升

提升是商业银行客户生命周期全旅程经营的主要内容，包括如客户在资产持有、信用使用以及移动端平台活跃性等方面的提升。过程体现为客户首次开启和重复财富管理、零售信贷、信用卡、支付转账等具体业务旅程。是商业银行实现业务增长、客户价值提升的主要手段。

4）留存

留存是客户生命周期全旅程经营的重要内容。在同业竞争激烈和“存量为王”的时代，保证客户留存是商业银行实现客户持续提升和达成业务目标的基础和前提。

5）推荐

老带新裂变，是商业银行客户生命周期全旅程经营的重要一环。基于存量老客户推荐和分享，通过“口口相传”实现银行口碑传播和广告效应。有效提升客户贡献价值，是商业银行获客的重要途径。

客户旅程关注的是客户与银行的交互过程，包括交互过程中涉及的线上和线下的渠道、触点、情绪、痛点、机会点、相关核心指标等，围绕旅程轴线分析不同维度信息，以期实现客户体验的实时监控与测量，找到银行营销、运营等多方面的提升方案。

但目前很多银行这些数据零散地分布在不同的平台中，甚至需要以项目形式进行调研收集，无法直接从现有数据中台进行整合分析，效率十分低下，实现客户服务的实时化与个性化更是空中楼阁。

需要银行进行完整的数字化转型，搭建起体系化的数据中台，才能真正做到千人千面的个性化服务与极致体验。

三、极致的客户体验

在卖方市场的工业时代，银行提供的是用户可用的产品，通过做大规模盈利；在买方市场的数字化时代，银行更加注重能不能积极响应不断变化的用户需求，给用户更好的体验。

为什么一谈到数字化转型会提到用户体验，而且各行业头部企业都在将用户体验提升作为数字化转型的首要目标？

这里有两个驱动因素，一个是数字化时代绝大部分用户行为都是在线化，在线化有以下3个特点：

用户行为所产生的每一个比特都在互联网上，因此互联网是在线的基础。
用户行为所产生的每一个比特都可以在互联网上流动。因此数据是基础要素，数据的价值在于流通。数据化让我们更了解客户，实现千人千面的个性化营销，实现客户各个触点的打通，实现跨渠道的服务一致性体验。
用户行为所产生的每一个比特所代表的每个对象都是在互联网上可以被计算的，计算是在线的核心。

因此，当用户通过线上业务与银行进行交互时，银行对用户行为进行数据挖掘，或对用户兴趣进行建模，通过数据驱动为用户提供优质的服务，已经成为改善用户体验、提升营收的关键能力。

在传统经济时代，银行聚焦在金融产品和服务本身，这也不可避免地导致了银行业陷入同质化的竞争。在体验经济时代，经济的重心从生产者切换到了使用者，银行需要基于场景打造极致用户的线上、线下体验，让用户在生产、生活场景或者纯金融服务中获得巨大的愉悦感，才能有望帮助银行摆脱同质化产品、高息揽储、信贷资金批发等困境，获得全新的利润增长点和溢价空间。

目前部分中小银行刚开始进行线上业务转型，急需改善网点实体业务效率低下，且存在大量人工触点，员工投入高、反复频次高、透明度低且信息共享性差等问题。因此，大部分银行在进行数字化转型时将用户体验作为首要目标。

仅有少数银行迈出了变革的步伐。它们在线下进行网点更新换代，打造智能网点，在线上则推出手机银行、直销银行等互联网产品。尤其是以微众银行和网商银行为代表的互联网银行和走在行业前沿的招商银行等，在改善银行服务的用户体验方面作出了许多努力，并取得了一定成效。尽管如此，用户体验感知依然是困扰当前银行业的一大痛点。

传统银行往往存在产品创新慢、用户体验调研、收集滞后、组织审批流程长、反应速度慢等问题。用户体验提升要从用户旅程出发，而不是从部门管理范畴出发。

这意味着银行要建立有效的跨职能协作机制，解决用户体验问题的根源。数字化转型工作不能打乱各相关部门既有工作的推进节奏，最好建立一个独立的用户体验团队。

团队内可小分队作业，串联环节，手把手辅导各部门执行用户体验改善措施，这样更容易达成目标。用户体验是银行胜出的关键，是竞争力的根本体现，也是银行在数字化转型中必不可少的一环。

四、线上线下的全渠道营销数字化

目前数字化时代的存量市场，得用户者得天下，银行要把用户真正作为资产进行重视起来，特别是过去被传统银行所忽视的长尾用户，进行体系化营销。从而获得持续利润和挖掘价值，营销是引入用户，运营是留住用户。

银行零售业务主要策略放在加强数字化触点、场景的布局和建设以用户为中心的营销运营体系。

移动互联网时代在银行业引发的现象就是：从经营网点转向经营手机银行，典型表现就是拥抱用户、经营流量。流量池思维更多不是在于网点获取多少用户，而是强调如何运营用户提高留存，利用存量用户发展更多新的增量用户。

流量思维结果是购买用户后，用户进来一次后就走了。流量池思维在于如何留住用户、促活用户和利用用户进行增长裂变的思维。

流量池的概念并不难理解，把银行客户群体比作是一个大水池，拥有流入和流出两个口，每天都有新的水流进来，也有一些水流出去，都知道只有水流入的速度大于流出的时候，水池里的水才会不断增加。可到了移动互联网下半场，线下几乎没有新的用户可以增加，自己水池里想要加水，很可能要从别的水池里引进来，同时也有其他人想着把你水池里的水引出去。

自有流量池需要多个入水口，任何品牌、活动推动等都需要所有渠道和模块同时运作、互相配合、共同为活动引流和造势，这样才能把效果和转化最大化。银行的主要流量池来源，尽量加大银行自身流量入口。

而伴随数字化时代的全面来临，线下和线上流量的获取更是成为银行的决胜关键

场景生态成为商业银行数字化加速突围之路，商业银行的流量入口将以手机银行为主连接的场景生态，金融服务从半线上化向全线上化过渡。

移动金融服务场景从线上向线上线下融合，并逐渐向高频的生活场景深度融合，丰富的生活场景和服务需求将成为网点和手机银行增强客户忠诚度和粘性的刚需，进而成为银行主要的流量来和数字化转型的突围之路。

快乐需要分享

Thu, 29 Dec 2022 16:26:23 +0800

只要是痛苦

人们是最希望有人能懂

现实却是无法感同身受

说“我懂”只是不想让你失望

只要是快乐

人们是最需要分享的

越分享越快乐

而且这种快乐是可以被传递

是真的可以懂你的快乐