TPU精细化运营打造金融行业的今日头条

移动互联网除了BAT巨兽之外，还有一个武功高手叫做今日头条。2015年统计的信息揭示，今日头条的覆盖率(装机量)达到了4.7亿，日活跃客户超过了3000万，广告收入超过了10个亿。今日头条由技术人士创立，通过分析用户阅读习惯，直接向用户推荐新闻资讯和视频。近段时间，今日头条已经高调地走向前台，通过大量的户外广告，提升品牌价值，扩大行业的知名度，未来有可能会成为移动互联网的最大用户入口，变成移动互联网一个经典案例。

回到现实，年轻人(80、90后)作为未来财富的支配者，正在成为金融企业的主要客群。金融行业面着巨大的挑战，到网点办业务的年轻人越来越少，金融企业无法接触年轻客户。年轻人更加依赖移动互联网，更加习惯利用移动互联网进行理财、消费和投资，利用移动互联网完成所有的金融服务。

移动互联网时代是一个数字化时代，无论是线上行为还是线下行为，一切客户行为都可以被采集和分析。年轻的人群也在不断的分化中，按照不同的维度可以划分成多个群体，每个群体都有不同的特点和金融需求。金融企业需要依据人群特点，为他们提供特有的产品和服务。为所有人提供服务的金融产品，已经不适合客户的需要，金融企业必须利用数据分析来了解客户，分析客户，经营客户。

金融面对的主要竞争对手是互联网企业和向金融领域渗透的传统行业。银行的员工，当工资一到账户，可能就会转到外部进行理财，快钱T+0的产品年化利率在4.3%-4.6%，同比活期存款利率高出很多倍。另外陆金所、钱大掌柜理财端的理财产品，年化利率在6%-8%，比银行理财高了很多。东方财富的天天基金网T+0的理财产品，余额超过了5000亿，相当于中小银行的资产规模。同花顺App的装机量和活跃率是前几大券商的总和。传统保险企业的客户联系方式大部分掌握在保险经济人手中，互联网保险平台覆盖的客户正在超过传统保险行业。

一数据分析和移动运营的重要性

同样是为客户服务，金融行业特别羡慕移动互联网企业，认为互联网企业的产品用户体验好，渠道渗透能力强，用户非常活跃。金融行业一直都想向支付宝、淘宝、微信学习，拥有他们经营客户的能力。

互联网企业的优势很多，从产品迭代到移动运营，从活动经营到营销推广，从用户经营到产品变现。例如支付宝用户超过中国任何一家银行，淘宝、天猫的交易额已经占了整个社会零售市场的11%，微信聚集了几乎所有的移动互联网用户，日活超过了6亿用户。

互联网企业的这些优势是建立在数据分析基础之上的，互联网企业会采集所有客户的行为数据和交易数据，并对这些数据进行整理和分析。交易数据分析会让企业了解客户消费偏好，行为数据分析为用户体验和兴趣爱好提支持。

客户的交易记录中有很多具有价值的信息，采集和处理之后可以进行商业分析，例如80%的资产是哪些客户购买的，客户最愿意购买哪些产品，客户没有绑卡的原因，客户绑卡注册之后为何没有购买产品。我们也可以了解到客户主要从哪里来，客户的消费习惯，产品的转化率，产品的体验，交易流程的效率，产品点击和销售情况。

移动互联网还有一些业务运营指标是金融企业过去所不了解的，这些指标是移动互联网的业务指标，但也会影响金融企业的业务指标，例如DAU(日活)，MAU(月活)，产品转化漏斗，7日留存率，客户价值，推送服务的触达率等。

数据分析过去在金融行业的主要应用领域是财务分析和风险管理，金融企业通过数据分析了解企业经营情况和风险控制水平。移动互联网企业将数据分析应用于移动运营，利用数据分析来洞察客户，了解市场需求，提升客户体验，优化产品设计等。金融行业也可以将数据分析应用在洞察客户和经营客户，通过用户的行为数据和交易数据，来了解客户体验，优化产品设计，利用不同的营销策略来运营客户。金融企业也可以利用数据分析建立数据模型，借助于营销响应模型、客户流失预测、羊毛党模型、反欺诈模型，帮助企业提升业务。

数据分析不但可以帮助金融企业提升运营效率形成数据运营闭环，还可以降低运营成本，有效提升业务，实现低成本获客，提升客户活跃程度。

二 TPU运营体系介绍

移动互联网的优势是数据分析和用户运营，金融企业需要向移动互联网企业学习数字化运营经验。

国内领先的移动大数据分析公司TalkingData建立了适应金融企业的移动运营理论体系TPU，正在帮助金融企业实现数字化移动运营。金融企业正在利用数据分析和移动运营两大武器，拥抱移动互联网，提升移动业务运营水平，同时助力业务提升。

移动运营的三个主要方面分别是Traffic (渠道运营)，Product(产品运营)，User(用户运营)。简单的归纳一下，渠道即入口，产品即体验，用户即收入。TPU运营理论框架就是围绕客户入口，产品体验，用户收入三个方面来实现数字化移动运营。

TalkingData的TPU移动运营体系正在帮助很多传统金融企业提升移动互联网运营水平。TPU是移动业务运营的理论基础，3A3R是移动运营周期的不同阶段。

Traffic(渠道运营)主要关注金融企业接触客户的渠道，具体包含微信运营，应用商店导流，SEM营销，SMS/EDM营销，移动广告优化，跨界导流，红包推广、社交推广，线下推广活动等工作。移动互联网的入口即是金融行业的客户入口，经营好这个入口将会为金融行业带来大量客户。客户是金融行业收入的基础，也是金融行业赢得竞争的基础。移动互联网行业的非常重视渠道运营，在创建初期，会投入大量资金在渠道运营方面。典型的有O2O企业烧钱补贴，嘀嘀快的打车软件的车费补贴，电商购物网站的广告投入等。

金融行业过去投入了巨额资金在渠道推广上，包括线下活动，网点促销，线上广告，红包激励，优惠券引流等。但是缺乏数据分析的渠道运营会造成投入大产出少，雷声大雨点小，花费高收益少等问题。渠道运营分析已有的客户数据和交易数据，了解客户来源的主要渠道，优质客户的来源方式，渠道的导流成本和触达率，各类渠道的用户转化率和产品转化率等关键运营信息。渠道运营带给金融企业的不仅仅是大量的新客户，还包括目标客户和潜在优质客户等。渠道运营是获得新客户的主要方式，激活老客户的一种方式，也是金融企业移动App增长和提升业务收入的重要保障。

Product(产品运营)，互联网企业非常重视用户体验，将用户体验放到最重要的地位，产品自身就是用户体验。金融企业利用渠道运营将大量客户导入到金融App之后，如果产品体验不好，金融客户就会大量流失，客户的留存率和活跃率就会很低，金融产品的销售就会受到影响，同时整体移动金融收入就会降低。

产品运营主要包括UX分析，产品迭代设计，产品优化，UI优化，竞品分析，产品转化漏斗分析，客户点击热力图分析，用户打开App和交易流程分析、App闪退分析等。TalkingData的TPU移动业务运营体系中的产品运营，是建立在用户体验基础之上的，包含以上的各阶段产品分析和优化。产品运营的目的是将金融App打造成刚需和高频的App，像今日头条一样，为金融企业带来巨大的收入。金融行业目前产品运营做的最好的一个App，就是招商银行信用卡中心的掌上生活，装机量超过5000万，日活超过300万，月收入超过几个亿。

金融行业过去一直重视金融产品的设计，站在自己的角度来运营产品，造成了多数金融行业的App不太活跃，产品体验不好，无法同移动互联企业进行竞争。年轻人更加习惯和喜欢支付宝、淘宝、京东、微信等移动App，并没有将金融App当成刚需和高频的App。年轻人习惯了移动互联网App带来的用户体验之后，就会对金融App的体验要求更加苛刻。一旦金融App的用户体验不好，年轻用户会转向移动互联网，利用其他的App满足理财、消费、支付的金融要求。

产品即体验，产品运营就是为了提升客户体验。产品运营对金融企业在吸引客户，保留客户，激活客户等方面起到了关键作用。缺少了产品运营就缺少留住客户和激活客户的能力，失去了同互联网企业竞争的优势。

User(用户运营)就是业务运营，用户经营能力代表了金融行业收入能力。互联网企业一个竞争优势就是以用户为中心进行运营，用户规模就是互联网企业的最大资产。衡量一个互联网企业市值的标准不仅仅是GMV和净利润，还有用户规模和活跃用户。典型的互联网企业腾讯、陌陌、支付宝的估值就是来源于用户规模。金融行业未来的竞争不再是产品和渠道，而是用户的获取能力和用户的经营能力。

金融行业在考核自身业绩时，常常采用产品制和事业部制。计算某个产品和某个业务为金融行业创造了多少收入，并没有分析每个客户给金融行业创造了多少价值，客户潜在的价值等。在客户运营方面，金融企业拥有庞大的用户群，但是对已有客户的潜在价值挖掘不够，很多具有价值的客户没有被充分开发，已有客户的经营做的不够好，营销针对性不强。在新客户获取放面，获客成本较高，年轻客户流失率较高，新客经营不如典型的互联网企业支付宝等。

用户经营能力代表了金融行业老客经营能力和新客户获取能力，客户规模和层次是金融产品销售的基础，客户规模和客户活跃代表了金融企业的盈利能力。用户运营的范围很广，基本包含营销活动、用户画像、精准营销、场景营销、客户流失预警、潜客挖掘、营销响应、客户挽留、羊毛党管理、反欺诈、风险管理等。

用户运营就是对用户群体进行分析，了解用户特点和需求，建立场景化营销标签和用户画像。通过精准营销来挖掘已有客户价值，提升客户活跃率，降低客户流失率，预测流失客户，挽留高净值客户等。用户运营带来的效果是提高客户交易频率、提高单个客户贡献价值，提升整体用户规模，最终提升金融企业整体业务。

三移动业务运营分析带来的业务增长

TPU移动业务运营体系的两个主要工作就是数据分析和运营推广，数据分析是基础，其主要工作包括了数据集中，数据整理，数据映射(数据集市)、数据标签、场景化用户画像，交易数据分析、产品数据分析、渠道数据分析、用户人群分析等。数据分析是业务运营的基础，在整理好交易和行为数据之后，金融企业就可以进行商业数据分析，通过报表等方式来展示金融业务运营情况，了解已有渠道、产品、用户运营的特点和弱点。数据分析还可以通过种子和机器学习来建设一些业务模型，为运营活动提供数据支持和用户支持。

运营推广目的是业务提升，运营推广必须建立在数据分析基础之上。所有的运营工作都要来源于数据分析的结果和建议，具体的运营方案需要结合企业的需求和业务应用场景。数据分析是运营方案成功的基础，也是移动业务运营中的脏活累活，需要较长的时间进行准备。一旦数据分析结果出来之后，移动运营方案就可以直接实施，实现业务提升。但是数据分析和运营推广的闭环也十分重要，运营方案的效果反馈进经过多次数据分析之后，会更加精准反映客户需求和活动效果，有利于优化运营推广方案，有效提升业务。

金融行业的业务指标包含业务提升和用户增长，移动业务运营带来的是客户规模的增长、客户活跃程度的提升、用户体验和满意度的提升，最终表现为业务收入的增长。下面就介绍如何利用TalkingData移动业务运营体系TPU提升业务收入。

帕累托效应

金融企业客户具有典型的帕累托效应，20%的客户贡献了80%的业务收入。TPU运营体系强调对20%的客户潜力挖掘，通过数据分析和计算(聚类)寻找这部分用户，借助于特定的营销措施，激活这些客户的购买行为。还可以利用部分20%用户作为种子，在TalkingData的大库里，通过相似性分析(lookalike算法)，寻找同20%用户相似度高度接近的客户，利用激励措施转化这些客户成为20%客户，提升单个客户资产额和业务收入，整体提升金融企业收入。

客户流失预测

金融企业重视客户流失问题，特别是高净值客户的流失。TalkingData的移动业务运营TPU体系强调对高净值客户分析和挽留，利用决策数算法分析流失客户特征，利用这些体征找到种子，进行相似性分析，找到有可能流失的高净值客户，进行一些预警工作。金融企业可以通过定向营销活动例如红包，代金券、高收益产品挽留高净值客户，提高业务收入。

营销响应

金融企业每年都会投入巨大的营销费用，包含投向所有客户的红包激励。 但是金融企业发现客户利用红包购买理财产品的转化率很低，一般红包带动销售的转化率都低于10%，浪费了大量的激励红包和营销时间。

TalkingData的TPU移动业务运营体系强调激励红包投向可能利用红包购买产品的人群，也就是精准营销。借助于数据分析可以挖掘出利用红包购买理财产品的种子人群，再利用这些种子在TalkingData的大库里进行机器学习，寻找到潜在利用红包购买理财产品的人群。通过push对这些客户进行营销，提高红包激励的转化率。借助于数据分析和机器学习，其红包激励转化率会提升三倍左右，达到30%。

客户唤醒和召回

数据分析显示金融企业30%以上的流失客户和休眠客户都是高净值客户。这些客户对金融企业品牌和产品比较认可，在过去的几年中取得了较高理财收益，但是由于不同原因，这批高净值客户成为休眠客户和流失客户，不再购买理财品或者金融交易不活跃。

TalkingData的TPU移动业务运营体系强调对休眠和流失客户的激活，利用数据分析找高收益、不活跃、保有资产低的客户。通过定向的专属激励红包唤醒这些客户，提升客户活跃度，为金融企业带来更多的资产和交易费用。

羊毛党管理

金融企业在利用红包激励进行营销时，经常发现很多红包被羊毛党利用。羊毛党在一定程度上带来了新客户，增加了客户活跃度，但是如果比例过高，会严重营销营销效果。羊毛党是一个产业，互联网金融企业对羊毛党又爱又恨，高峰时，新增用户中有30%以上的用户是羊毛党用户。

TalkingData建立了羊毛党模型，通过协同过滤规则来判断羊毛党人群，金融企业可以将羊毛党模型引入营销活动，对注册领红包的客户进行分析，识别出羊毛党人群，依据金融企业的制定的规则进行管理。

除了以上业务提升方式，TPU移动运营还可以通过运营活动提升注册客户转化率和产品转化率，同时可以降低新客获取费用，激活老客，提高老客交易频率和客户黏稠度。数据分析还可以帮助建立风险评估和反欺诈模型，帮助金融企业实施有效的风险管理。

四金融企业抢夺移动金融窗口的关键

过去几个月，增长黑客的概念被炒的很热，看上去很高大尚。很多金融企业想实施增长黑客的运营理论和工具。其实，增长黑客的本质就是精益化运营，不是新鲜事务，过去一直存在于互联网企业。BAT等互联网巨头基本上就是依靠精细化运营发展壮大起来的。数据分析和移动运营在BAT运营过程中起到了巨大的作用，本质就是增长黑客提出的数字化分析和运营。

金融企业在同互联网企业抢夺移动金融窗口时，需要想互联网企业学习，利用移动互联网运营工具和经验来取得业务的领先，其中金融企业抢夺移动互联网网入口三个关键点如下。

数字化移动运营工具

工先欲其事必先利其器，数字化运营工具是数据分析和移动运营的基础，通过行为数据的采集、处理、分析来了解客户，同时也利用第一方业务交易数据来寻找数据的场景化应用。

DMP就是金融企业数字化移动运营的主要工具和平台。行为数据采集和分析工具可以借助于DMP的移动运营统计分析模块，数据化场景应用可以借助于DMP数据标签、场景画像、消息推送、模型计算等模块。营销效果和渠道广告监测可以利用DMP的广告监测模块(Tracking)，另外有关模型开发和建设可以利用DMP的业务模型搭建模块。

DMP强调的是数据场景化标签和用户画像，不像其他的工具，DMP更加倾向于数据的应用场景，形成数据变现的营销闭环。大数据应用过程中，数据标签和用户画像被炒作的很厉害，好像大数据应用的目的就是用户画像和用户标签。其实标签的目的是画像，画像的目的是洞察客户，洞察客户的目的是场景应用。

数据标签可以分成通用型标签和场景标签，用户画像也可以分成通用画像和场景画像。通用标签和通用客户画像主要目的是客户分析，具有部分场景应用价值。场景标签和用户画像来源于业务需求，数据变现能力强，对业务驱动能力强。DMP主要的工作就是建立场景标签，实现场景画像和数据场景变现。

金融行业在梳理标签和进行用户画像时，建议先从场景标签和画像开始。通用画像是一个漫长的过程，需要全面的数据和复杂的处理过程。如果数据团队想加快实现数据变现，逐步迭代实现大数据应用，建议先从业务需求入手，寻找数据应用场景，梳理相关数据，为数据打上场景应用标签，利用DMP实现场景营销。

外部场景应用数据

数据分析和移动运营过程中，金融企业发现仅仅依靠第一方数据(金融交易数据)无法描述客户的外部行为特征，例如消费偏好和兴趣爱好。外部的场景数据结合第一方交易数据更加容易描述一个用户，更容易找到业务应用场景。

外部数据对于移动业务运营分析起到很好的补充作用，特别是线上数据和线下数据的打通。电商内部的交易数据和微信内部的运营数据都是金融行业期望得到的外部场景数据，但是这些数据目前处于阿里和腾讯的闭环之内，很难向金融行业开放。

移动App的行为数据和移动设备的位置数可以作为外部场景数据的补充。位置数据和App使用数据可以加工成针对人群的场景标签，例如高净值人群、大学生、医生、白领、公务员、激进型投资者、稳健型投资者、股票高频交易客户、消费金融客户、母婴客户，差旅客户、互联网保险客户、境外游客户等。

专业的数据咨询人才

数据分析和移动运营是一个团队的任务，需要各种人才参与。标准的移动业务运营团队至少需要几种角色。领域工程师(FE)、数据分析师、商业数据分析师、数据建模、运营推广、项目管理、算法工程师，数据科学等，还需要后台强大的数据团队和开发团队支持。

这些人才是很多金融企业不具备的，无法组建这样完整的团队完成数据分析和移动运营工作。建议金融企业同具有移动运营和咨询经验的厂商合作，如果对方拥有场景数据和分析工具，则更加适合移动业务运营咨询。

总之，TalkingData的TPU移动业务运营体系和咨询团队可以帮助金融企业利用数据分析和移动运营提升业务，打造金融行业的今日头条