數據整合、打通與定向——破解金融行業營銷和運營中的難題

本文系紛析數據創始人宋星和聯合創始人林森原創。

【正文】

最近有機會接觸到一些金融行業市場和運營部門的朋友，尤其是和線上推廣運營部門的朋友聊到數據運營的時候，發現大家普遍遇到了一些數據應用方面的問題。而最近從自己做的一些項目里發現這些問題並沒有想像中的那麼困難。

宋星在2018年3月WAW所做的關於《金融行業數字營銷的數據破局》的演講時，提到金融行業數字營銷的幾個特徵，其中一個特徵是金融投資類用戶轉化決策周期長，這也決定了金融平台很難通過一次廣告就能讓一個用戶直接做出購買的決定。另一個特徵是金融產品多樣化並且用戶投資興趣也更加細分，這會導致對用戶需求把握更加困難，從而增加再營銷的難度。

大家在整體工作中與數據打交道的地方分別是營銷渠道數據整合分析、用戶行為數據的積累與需求挖掘、最後是基於營銷與用戶行為數據更有效地觸達用戶，並且實現更大範圍的對有效用戶的影響。

我們來拆解以上各個環節，你會發現問題主要集中在營銷渠道數據整合、跨平台數據整合、用戶行為數據採集和標籤體系搭建、營銷自動化體系搭建和跨媒體平台對精準用戶進行營銷。

營銷數據整合

先從第一個問題聊起，營銷渠道數據的整合。

由於金融產品消費者決策周期長，我們就需要用多種廣告組合去觸達這些用戶，很可能會同時投放多個搜索引擎、信息流平台、線下渠道、各種應用商店等。但是我們評估渠道效果的方法又極為簡單粗暴，只看這個渠道帶來多少的轉化，從而根據各渠道的直接轉化效果對渠道進行取捨。這種方法最簡單直接，但是忽略了一個很重要的問題：渠道間是會相互影響的。所有轉化的用戶都有可能是被多個廣告共同影響的結果，那這個問題就值得我們研究，以免錯殺優質助攻渠道或者過分誇大部分渠道的效果，造成整體營銷策略失衡。

相信大多數朋友都聽說過歸因分析，歸因分析就是用來判斷各個渠道相互作用的一種分析方法，找到每個渠道在轉化中所起到的真實作用。

我們最常使用的作歸因分析的工具有兩個，網站端的是Google Analytics（谷歌分析），簡稱GA，APP推廣歸因分析主要使用及策。

網站端渠道歸因分析

先說下網站端的歸因分析。

如果一個用戶想要購買金融理財產品，通過廣告A來到網站查看了投資項目，但是沒有投錢購買，第二天又通過廣告B來到網站並且完成一次轉化。那是否認為這個轉化就是廣告B的功勞，與廣告A一點關係也沒有？

Google Analytics里有個報告叫「熱門轉化路徑」，如下圖中B渠道直接產生轉化，但是用戶曾經通過A渠道先了解了我們的金融理財產品，後來通過B渠道完成轉化。所以如果只看直接轉化，我們極有可能將A渠道的預算下調甚至停止投放，但是隨之而來的就是B渠道的效果也有可能下降。所以要充分分析各個渠道是否存在輔助轉化的作用。

圖：Google Analytics熱門轉化路徑報告（Google Analytics是Google公司的產品）

網站端之所以可以輕易地做渠道歸因分析，是因為用戶來到你的網站，是通過哪些渠道帶來的、是否完成轉化，這些數據都能被精確的記錄下來，你只需設置好來源參數和轉化目標，所有可以通過歸因、輔助轉化等報告的分析，給每個渠道賦予應有的價值。

APP端渠道歸因分析

我們知道APP推廣，只要用戶沒有下載，我們是無法知道用戶之前的任何行為，本質原因在於監測不到沒有形成下載轉化的那些廣告對用戶是否產生影響。用戶到底是否看到或者點擊廣告，以及他們與最終的下載是否有關係，我們無從得知，所以只能將下載歸功於最後一個渠道。大型金融平台投放渠道多而複雜，如果不能有效判別渠道間的作用，很容易對渠道真實價值產生錯誤的判斷。那麼我們依然需要藉助工具。

圖：及策多觸點歸因報告（及策是AdMaster公司的產品）

上圖歸因報告中分為歸因激活和輔助激活。歸因激活次數是指用戶點擊廣告後有產生下載的次數，也就是歸因模型里的last-click模型。輔助激活次數是指在某時間段內，用戶在最終有下載的情況下，完成下載前所點擊廣告但是沒有直接形成下載的次數，也就是說用戶在正式下載前，點擊過你投放的其他廣告，這些廣告對用戶最終的下載產生影響的次數，如下圖中渠道A和渠道B的輔助次數各加1。

圖：用戶轉化流程示例

藉助歸因報告，不管是網站端還是APP端多渠道推廣的時候，我們能更科學地判斷各渠道真實的價值。

跨平台數據打通

通過各渠道引流之後，用戶來到你眾多的平台里，包括公司官方網站、金融產品APP、理財資訊APP、微信公眾號、為了吸引新投資用戶使用的推廣單頁面等等。那麼用戶在你這些平台上的行為數據是割裂的，但從運營的角度，我們一定是想儘可能知道用戶在所有平台里的數據，比如在資訊平台上關注哪些類型的理財資訊、在微信公眾號里喜歡使用哪類金融服務等等，這樣能更準確的把握用戶的真實需求。

筆者之一接觸的第一個數據整合的項目是在2014年給安利做服務的時候。安利的眾多平台包含品牌官網、電商網站、近十個APP（安利播庫、數碼港、安利雲學堂等）、微信公眾號等。每個平台有各自的分工，但最終目的是為了幫助當時十幾萬的會員（各層級銷售人員）更好地賣出安利的產品。當時使用的是Omniture（被Adobe收購後改名Adobe Analytics）來整合這些數據，然後根據不同級別的會員的需求挖掘和平台使用特徵優化內容和定位平台作用。

看到這樣的項目，你一定覺得這活兒巨難無比，因為涉及到很多技術部門和業務部門的配合，複雜的原因不在於數據運營的邏輯，而在於技術的成熟度、跨部門、工具系統之間的配合。

但是四年後的今天，當我們回顧這個案例，我們發現已經有很多的辦法能夠解決這些問題，相對輕鬆地去實現平台間數據打通的工作。

請看下圖，這些自建的平台的數據都是可以打通的。

和大家介紹一個數據打通的例子。

微信公眾號與網站數據打通

先介紹微信公眾號數據和網站數據如何打通，雖然微信的用戶活躍度在不斷的降低，但依然是企業最重要的營銷陣地，特別是對於金融理財類的用戶，大家還是比較喜歡能實時了解自己資金的動態，比如最近的投資組合里，今天有多少的利息；信用卡消費內容的實時推送；實時獲知轉賬金額信息等。相信用戶是很樂意在微信公眾號里及時地看到這些信息，這樣會給客戶帶來足夠的安全感。

然而微信公眾號本身的封閉性導致用戶的很多行為數據無從獲取。但我們依然要想辦法獲取，關於微信公眾號數據可以查看前段時間我的另一篇文：不用跪求張小龍！打開微信公眾號粉絲數據的黑箱！。

那你會問，如果用戶不是通過公眾號訪問呢？而是直接訪問網站，我們還能打通數據嗎？

這時候我們需要一些運營的技巧，我們需要引導用戶在網站和公眾號里提交手機號或者郵箱之類的ID。可能你會覺得麻煩，從我們實際操作的經驗來看不難，看運營水平了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！