2024年银行业全渠道客户旅程分析与精细化线上运营白皮书

火山引擎数据飞轮行业实践系列白皮书·银行业 感知用户 洞察意愿提升体验 掌握时机 《火山引擎数据飞轮行业实践系列白皮书·银行业》专为金融银行提供构建数据飞轮的系列解决方案，当前您即将阅读的是——第三本白皮书《全渠道客户旅程分析与精细化线上运营白皮书》 目 录 CONTENTS 前言01 1.银行客户旅程分析与线上运营痛点简述03 2.火山引擎新一代方案总览05 3.银行全渠道客户旅程分析与线上运营典型场景07 3.1 APP产品运营健康度监测3.2 客户旅程可视化分析，赋能用户体验优化运营3.3 多维度用户转化漏斗分析，聚焦转化断点识别，精准定位问题3.4 用户行为实时感知，实现秒级精准营销，抓住客户线上营销契机，做精流量变现3.5 埋点数据实时、稳定采集，助力线上贷款风险管理3.6 商机识别，客群分层运营，实现线上线下联动营销3.7 APP崩溃、版本监测，推进APP性能优化管控3.8 从客户行为事件到高价值衍生标签，赋能精准线上运营3.9 视频回溯用户操作全流程画面，全面优化用户使用体验091317192325273034 4.保障新一代平台架构落地 37 4.1 新一代全渠道客户旅程分析总体框架4.2 历史埋点数据迁移4.3 手机银行APP、公众号、小程序、各类活动页的客户行为事件如何采集4.4 非线上渠道的客户行为事件如何采集4.5 超大数据量下的高性能保障与扩展能力4.6 搭载豆包大模型的AI智能分析助手383940414142 5.通过数据开放能力，便捷融入到银行现有架构体系46 5.1 典型数据开放与数据集成场景5.2 通过配置化方式，快速实现数据集成4747 6.配套保障机制构建及火山引擎增值服务48 6.1 新平台上线后关键保障角色与能力培养6.2 埋点治理保障机制与支持工具4950 7.方案综合优势 52 54 8.典型案例 8.1 某头部城商行：优化埋点规范，建设用户行为分析体系8.2 某股份制银行：自研埋点治理，完善埋点治理机制8.3 某区域城商行：建立线上线下联动运营机制，打通埋点数据内在行业系统共享8.4 某省级农信：全渠道行为数据采集，赋能零售、对公智能运营55565758 前 言 PREFACE 数据飞轮是由火山引擎重磅提出的企业数智化升级新模式：它以数据消费为核心驱动力，实现“以数据消费促资产建设，以数据消费助业务发展(Utilize Data More, More Data Intelligence, More IntelligentBusinesses)”。这一新模式来自于字节跳动十余年数据驱动实践经验的提炼，其核心是倡导企业能通过数据消费使数据流充分融入业务流，实现数据资产和业务应用的飞轮效应，从而激发员工创造力，增强业务战斗力，提升组织生命力。 围绕数据飞轮，火山引擎新一代企业级数据产品服务平台——数智平台VeDI，推出了一系列“端到端的数智产品”、“场景化的行业解决方案”和“专业的数智转型咨询”，让企业收获从数据基础建设、数据引擎升级到数据智能应用的全套数智能力，提供运维降本、运营提效和业务增长的行业数智解决方案，助力企业构建数据飞轮，实现数智化转型升级。业 务 驱 动 数 据 提 效数 据 驱 动 业 务 提 升 在金融行业，火山引擎数据飞轮已经积累了众多实践。一方面，通过领先的湖仓一体技术、数据治理与数据BP咨询等服务，帮助金融机构实现数据基础建设的升级，完成企业数据资产轮的构建。另一方面，则通过九大数据赋能，助力金融机构构建业务应用轮。 与此同时，在面向金融行业更细分、垂直的领域，数据飞轮的业务应用轮在不同场景中，发挥着不同的价值。以银行业为例，做精细化线上用户运营是各行普遍重视的场景之一，在数据飞轮的理论模式之下，借助火山引擎增长分析DataFinder，各行可构建可视化的全渠道客户旅程分析，搭建客户流量地图，真正将数据与运营业务相结合，发挥数据的真正价值。 本书将结合火山引擎在银行业的诸多项目实践，总结归纳银行面临的客户旅程分析与线上流量运营面临的关键问题。全面分享当下火山引擎数智平台VeDI如何帮助银行构建全渠道客户旅程可视化分析与精细线上运营，提升银行业流量转化。 01 银行客户旅程分析与线上运营痛点简述 在过去的三年里，近百家金融机构与火山引擎就数字化客户经营转型升级、新一代全渠道客户旅程分析与线上运营平台建设展开了深度合作。在项目实施过程中，线上运营部门与数据科技部门人员最常遇到下面的问题： 业务/运营部门 数据部门 研发部门 1. 提取数据、查询数据高度依赖数仓，每次增加新指标都需要要定开，效率低2. 缺乏全渠道客户流量地图的可视化工具，只能看到单一环节的数据表现3. 希望优化用户体验，难于不知道主要漏损环节在哪里，抓不到重点，错失营销最佳时机 1. 缺乏敏捷高效的分析模型SQL跑数据太慢，无法实现实时分析2. 随着数据增长 ，性能瓶颈难突破3. 埋点口径和数据格式不统一，数据质量参差不齐，数据异常难以解释 1. 埋点缺乏统一采集工具,android、ios、小程序、网页端埋点格式都不一样，每次都要重写代码 02 火山引擎新一代方案总览 火山引擎基于字节跳动内部业务多年实践，围绕金融机构场景输出新一代银行全渠道客户旅程分析平台，旨在深入、全面地理解和分析用户在与金融机构的产品、服务交互过程中的行为路径和体验，具有以下四个关键特点和功能： ●全渠道数据整合 能够收集来自手机银行、小程序、H5活动落地页、公众号、客户经理电话营销等的全渠道数据，形成统一的流量视图，全面了解用户。 ●全旅程分析视角 以用户全生命周期为基础，通过全域流量可视化分析工具，深入洞察可能出现的漏损点。 ●灵活的数据开放与集成 支持将采集到的行为数据、营销人群包、标签等数字资产开放给自建数仓、CRM或其他数据平台，用于二次加工，打破数据壁垒。 ●高性能/高可扩展性 增长分析核心OLAP引擎基于先进的开源引擎ClickHouse进行近万行代码的二次开发和优化，能够实时获取和处理用户数据，查询分析秒级响应。 在抖音集团内部，DataFinder平台日增数据量级超过万亿条，火山引擎产品由字节跳动原生产研团队支持，产品及服务有充分保障。 新一代用户旅程分析平台能够帮助企业更好地理解用户，优化用户体验，提升业务绩效和运营ROI。 03 银行全渠道客户旅程分析与线上运营典型场景 火山引擎在与金融机构的项目合作中，沉淀了大量数据赋能全渠道客户旅程分析及线上用户运营的场景经验，如网金部开展线上用户运营以及客户旅程分析与优化、APP团队开展功能监测与迭代、零售个金部门开展线上活动旅程分析与漏损归因、客户旅程断点识别与线上线下联动营销，埋点实时采集与线上消费贷秒批秒贷等。 火山引擎增长分析DataFinder作为这些数智化场景中的主力支撑产品发挥着重要作用，其场景价值及关键收益如下： 3.1APP产品运营健康度监测 场景简述 ●场景：该场景即对于 APP 产品运营的总体监测，包括对用户注册登录、使用时长和频率等方面的监测与评估，以及对关键指标异动的归因分析，以赋能线上运营工作 ●关联部门：手机银行App线上运营部门 痛点聚焦 异常监测难 大量的APP异常点都是后知后觉，许多时候是接到用户投诉后进行复盘才发现异常点 APP产品运营指标需要T+1，无法获取当日实时数据 发现指标异常后，需要提需给开发部门或者人工手动按照业务经验逐步分析，效率低 新平台上线后的运营方式 ●Step1：配置常规化产品运营指标集、构建APP综合运营看板基于近三年金融行业全渠道分析项目落地实践，APP等线上平台运营监控指标通常包括： 实时查看数据最细粒度可到分钟级，快速感知数据变化。通过DataFinder提供指标可视化分析，支持快速配置运营监控指标，并生成常规化看板，不再依赖传统的ETL开发。可进行看板定时推送，常规推送至相关业务方，无需每天登录系统来查看数据。 配置看板订阅及指标监控 VeDIVOLCANO ENGINEDATA INTELLIGENCE Step2：梳理与配置异常监控任务，赋能运营人员及时发现APP运行过程中的异常点 比如跨行转账时，他行转账接口故障缺乏实时监测，导致客户直接打客服投诉，客服再提工单至APPIT团队，IT团队再排查，这类现实流程，容易导致大量积压。通过对转账业务指标的监测可及时避免这类情况发生。 通过DataFinder指标监测能力，可以基于历史经验配置告警规则，也可选智能监控，依据历史数据规律，实时预测指标的数值区间，若实际数据值超出预测区间，则进行告警。例如：转账失败次数波动超过10%则视为异常。 定位问题可以遵从以下流程： 第一步：可查看整体异常指标的趋势发现异常点。 第二步：开启异常监测。 第三步：系统对该事件的维度进行归因分析，可查看某个银行的转账接口失败，导致大量转出失败，导致整体转账失败次数的增加。整个过程只需要几秒，即可快速归因。 VeDIVOLCANO ENGINEDATA INTELLIGENCE 方案收益 3.2客户旅程可视化分析与用户体验优化 场景简述 ●场景：在用户行为分析中，需要记录和分析目标用户在各个页面/功能之间的流转过程，通过可视化的用户流量流转图高效查看分析用户在各个页面中的行为分布，有助于及时发现用户流失节点或者流量聚集节点。 ●关联部门：网金部，消费贷等部门运营人员 痛点聚焦 无法掌握热点功能和用户访问路径 无法快速识别，定位问题 1.在未对客群、用户行为等属性进行细化分析时，很难识别是否出现使用问题2.无法确认业务流程是哪个环节对用的行为产生了影响 1.手机银行功能众多，不清楚哪些是用户常用功能2.不清楚用户的主要访问路径如何，哪些环节转化高，哪些环节流失高 新平台上线后的运营方式 ●传统的数据分析工具基本无法实现用户路径分析，又或者从数仓中导出数据再进行可视化分析需要耗费较多的人力与时间，特别是当分析不能得出需要的结论时，需要反复导数、分析。暂且不论结果的有效性如何，仅从结论的时效性而言，就有可能错失运营良机。 ●在使用DataFinder系统，并进行合理的埋点实施以后，就可以利用“路径分析”功能充分的明确用户在手机银行内的流转情况。以某银行的手机银行应用分析为例，通过前期的应用分析，我们发现用户常用的功能包括：理财产品购买、存款购买、转账以及消费贷申请等。但是不清楚的是，用户使用这些功能的路径是怎样的，哪些功能是用户流量的集中节点。因此可以通过“路径分析”让分析工具协助识别这些流量聚集点。 不需要预先假设用户路径如何，只需要将关注的路径节点直接添加至分析列表即可，数据会给出结论 不知道哪些节点是关键节点?不知道哪些节点在前?哪些节点在后?不知道是不是有交叉访问的情况?…… VeDIVOLCANO ENGINEDATA INTELLIGENCE ●识别用户关键路径。在配置完分析节点以后，系统在几秒钟内即可给出直观的用户流转可视化结果。在实际的分析的分析案例中，通过“用户路径”分析，我们发现理财产品、转账等功能为用户常用功能，尤其是转账业务，全体用户使用都较为频繁。 ●“转账”行为较多，一方面值得行方关注，需要进一步分析用户的转账行为究竟是行内同名账户转账，还是跨行转出等，从而采取对应客户挽留措施。 另一方面，作为用户体验提升的环节，需要了解到，用户在进行转账功能时是否使用顺畅，是否存在阻碍性节点。 ●在需要对某一个具体的购买流程进行分析时，可以使用“转化分析”功能进行进一步下钻分析，以明确整个转化流程中是否存在问题，如果有问题，问题在哪里？ 一般情况下，我们可以通过不同的“属性分组”分析，来了解用户哪些客户出现了行为差异。 ●在设置完漏斗路径后，系统即刻可以给出不同维度下的用转化率。通过“转化分析”，发现新老手机银行用户在转账业务的转化链路上存在流失率差异，