互金消金公司怎么做运营?

互金消金公司怎么做运营?

 

大家都知道,信贷行业的玩家会分成若干梯队。比如说,互金领域(助贷业务)站在第一梯队的,是蚂蚁、京东、百度、360等大厂玩家,消金领域(消金业务)站在第一梯队的,则是招联、蚂蚁、马消等玩家。

这些头部玩家,除了流量、资金、技术等资源优势外,营销运营的先进,也不言而喻。排在后排的玩家,总会想向前排玩家靠拢,也许资源禀赋比较难学习,但模仿营销模式,难度就比较小了。我们今天就来看看,互金消金的头部玩家,是怎么做运营的。

通过我自己的运营经验,以及工作缘故,使我能和行业内很多头部公司接触交流。在此期间我发现,整个信贷行业的营销运营,可以按一个核心三个阶段进行划分。一个核心是指数据驱动为核心,数据驱动的必要性不言而喻,而金融的数字本质也使得数据化成本较低,这种行业共识就不在赘述了。三个阶段则分别是:用户数据化、营销精细化、决策智能化。

一、用户数据化

数据驱动运营的第一个阶段,是用户数据化。一些刚刚开始自营业务,或者业务规模较小的公司,就处在这个阶段。在这个阶段,会把用户的所有信息,都以数据的形式,采集和储存起来。

用户和产品界面发生的交互,以行为数据的形式采集存储;用户和业务系统发生的交互,以业务数据的形式采集存储;用户自身的性别、年龄、收入等情况,以属性数据采集存储。完成这个阶段后,用户即数据,数据即用户,数据可以反应用户在产品内的一切信息。我们就可以基于数据对可得的用户所有信息进行分析和洞察,以产出对应的运营策略。

互金消金头部公司怎么做运营

二、营销精细化

数据驱动运营的第二个阶段,是营销精细化。这个阶段,是大多数行业公司所处的阶段。有了用户的大量信息和数据,我们就能对用户的特征进行分析和分群,然后再基于不同的用户特征,对用户采取不同的运营策略,以提升整体的效率。

以用户触达为例,用户触达的四要素:用户分层、触达通道、触达内容、触达形式,都会因用户的分层不同,需要精细化和个性化的设计,以实现最高效率的匹配。当每个分群的策略得到最大优化后,我们还可以利用营销工具,把这些策略进行实时或非实时的固化,来提升运营动作本身的效率。

互金消金头部公司怎么做运营

三、决策智能化

第三个阶段,是决策智能化阶段。这一阶段,就是行业头部公司们所处的阶段,也有大量二级梯队玩家在快速跟进。它的特征有三:以模型决策替代人工决策,以实时触达替代延时触达,以机器学习替代人工优化。

所谓模型决策替代人工决策,是指过往以人工分析,通过3-5个特征细分客群的做法,会被通过将几十甚至更多的特征建立成特征模型,再通过模型对用户进行分层的做法取代。

比如新用户有渠道评分卡模型,老用户价值提升有老用户分层模型,流失召回有流失用户预警模型,模型决策会替代掉人工的决策。

所谓实时触达替代延时触达,则是指用基于用户在业务流程中或在综合分层模型中的实时变化,对用户进行触达,而不再是选定时间,对同一客群非实时的统一触达。

比如过去我是用户产生行为或符合条件后,T+1或T+7进行触达,现在就变成用户行为产生或属性变化的当时,就进行触达。

所谓以机器学习替代人工优化,是指以算法的自主回收数据,自主学习和自动优化,来取代人工回收数据,验证策略效果,优化迭代策略。

这个阶段又分为两小阶段,初始阶段是基于历史数据对未来进行预估,高级阶段是实时计算,实时预估。

四、决策智能化的必要性

三个阶段已经很清楚了,我们来讨论一下这种发展和优化的必要性。

在第一个阶段,往往主要是采集和补充数据的阶段,基于部分数据,每个客群可以形成一个3-4层的分层,再加上AB测试,可能会形成8-10个的策略。

到第二阶段,因为分层会大大的精细,以RFM模型为例,一个客群最少都能形成8个分层,最终在AB时,同时可能跑起来20-50个策略。

到第三个阶段,即便是简单的20个特征形成的评分模型,也至少有100个分层,最终结合营销的分层,每个客群,可以形成500-1000条策略。

在不考虑计算和匹配资源的前提下,按照越精细,匹配效率越高的基本假设,那么这三阶段的发展,对运营效率的提升,是毋庸置疑的。特别是前两阶段,几乎没有多出的资源配置,他们的发展是必然的。而第三个阶段,我们不仅要考虑决策智能化的收益,还要考虑它的投入和产出问题。

决策智能化阶段的投入产出问题,本质来说,是供应和需求问题。所谓供应,是指公司有没有能力提供决策智能化的基本条件,比如算法团队、计算所需的服务器、资深的运营人员。如果这些条件都不能提供,那么基本都供给条件就不能满足,也就没办法进入到决策智能化的阶段。

而需求侧则分成两个方向,第一,智能化带来的收入提升,能否覆盖整体投入。因为除服务器投入外,算法团队和资深运营的投入都是固定的,成本随业务规模提升的速度,应远低于业务规模本身提升的速度。所以一定是存在一个盈利平衡的业务规模点的,如果超过了这个规模,那么就决策智能化的需求有效,反之则入不敷出,需要搁置先坐等起量。

第二,用户和业务的规模,是否到了分层问题必须要智能决策的规模。比如用户100万的时候,每层用户2万,形成50个分层,增加人手还足以处理这些策略的形成。但当用户1000万的时候,按每层用户2万人,500个分层,每个分层哪怕只有AB两条策略,一周迭代一次策略,1000条/周的策略需要多大的人工团队才能处理呢?当用户规模更大的时候呢?

所以是否需要智能决策阶段的运营,还需要综合看智能决策在内部的供需关系,根据供需情况进行决策。而可能涉及的效率提升导致人员从运营到算法的结构变动,这里不做讨论。本文仅基于绝对理性假设,对运营工作进行探讨。

以上就是信贷行业头部玩家的运营方法和演变阶段的总结,下周我们还会回到我原本的系列设计上,回到基础实践篇的更新上去。

大致安排会有怎么设计数据日报、怎么设计业务预估模型和业务策略库、怎么设计策略执行表等基础实践篇,还会有怎么应用增长模型拆解指标快速发现增长点、怎么应用UJM模型做新户landing、怎么应用生命周期模型做老用户经营等方法应用篇,还会有怎么做触达AB实验、怎么对流量来源归因、怎么设计常规活动、怎么做智能决策模型设计等场景实践篇。

 

作者:运营学记

扫一扫 微信咨询

联系我们 青瓜传媒 服务项目

商务合作 联系我们

本文经授权 由青瓜传媒发布,转载联系作者并注明出处://www.f-o-p.com/324876.html

《免责声明》如对文章、图片、字体等版权有疑问,请联系我们广告投放 找客户 找服务 蘑菇跨境
企业微信
运营大叔公众号