移动金融行业的数据分析分享-姑婆深圳金融沙龙热云数据

移动金融行业的数据分析分享热云数据用户获取阶段的数据要清清楚楚同时有几十处推广，那里效果最好？金融app要解决APP推广过程中用户来源的归属问题1用户获取来源的归属问题用户渠道产品金融产品问题1：用户的真假？VS问题1：用户的真假？75%的用户没有任何行为！问题2：渠道的真假？VS问题2：渠道的真假？问题3：用户是谁？问题4：自己做还是交给第三方？作弊平台同一时间不同公司产品TrackingIO的全网黑名单真假Warning!!!用户转化阶段的行为要深入分析金融app要充分掌握用户使用产品过程中影响核心指标变化的因素。2AARRR模型“泛留存”分析传统的基础留存分析，只回答今儿注册的用户，明儿有多少人回来了。开始事件：注册，回访事件：登录。“泛留存”分析金融app还希望洞察更多关于留存的数据“泛留存”分析“泛留存”分析金融app还希望洞察更多关于留存的数据从线下扫描注册的用户，后续绑卡的比例有多少？实名认证成功的用户，有多少比例进行了投资？北上广深等一线城市的用户的留存和整体用户的留存有何差异？已经购买了理财产品的用户，后续购买新的理财产品的比例是多少？通过广告推广和通过应用商店注册的用户，留存的差异有多少？……有了TrackingIO金融app的产品经理已经完全可以驾驭“泛留存”分析的问题了转化漏斗A-B点的留存分析还不够？转化漏斗的作用：A-B-C-D-…所有产品经理面临的问题，都是转化问题！转化漏斗按推广来源：不同推广来源的用户，转化漏斗结果区别多大？按用户画像：不用地区的用户，转化漏斗结果区别多大？按用户行为：领了折扣券的用户和总体用户，转化漏斗结果区别多大？按用户分群：不同的用户分群，转化漏斗结果区别多大？单单看总体用户的转化漏斗，已经完全不能满足产品经理的分析需求了。转化漏斗金融app根据业务需求，分析多重多样的用户转化漏斗。事件分析所有的用户行为，都可以被记录成事件(Log/Event)进行分析。留存分析和转化漏斗分析无法满足金融app分析某一个或者某些具体的事件数据的需求。分析一个产品在用户使用过程中产生的事件，以及某个事件的产生带来的影响，尤为重要。有些“事件”是期望发生的，需要监控和分析发生的人数、次数等。有些“事件”是意料之外的，需要进行深入分析和思考背后的原因，进行产品改进。事件分析某个“事件”产生了，带来的影响是什么？服务器报错增加，导致用户登录不了？连续转10次转盘都没中奖，导致用户流失了？某个大促销，吸引了一倍的付费用户？……事件分析为了提升某个核心指标，期望用户产生某些“事件”！事件分析金融app还把各种各样重要的“事件”放在一个面板中，进行集中监控用户分群基于User-Event模型，灵活的把用户进行分群分析，精准推送消息根据用户属性、画像，进行“人以群分”根据用户使用产品的行为，进行“物以类聚”金融app流失预测1、预测流失2、留住用户，提高收入金融app希望提前预知哪些理财用户会在未来一段时间内流失感谢大家