各個行業正在向數字化、智能化、場景化轉型，金融企業走在了各行業的前列。金融行業的數字化體現在創新技術融合、數據化運營、精準營銷、運營場景化等多方面。
金融企業的用戶經營模式由“以產品為導向”的精準營銷經營模式向“以用戶為中心”的精準營銷經營模式轉型。用戶經營的最終目的是為金融企業創造更高價值，帶來更多的盈利。用戶生命週期價值分層策略可以幫助金融企業梳理用戶層級結構，並針對每個層級用戶進行差異化經營，圍繞用戶進行數字化改造升級，實現用戶價值最大化提升，提升企業的運營效率，打造數據驅動的營銷閉環。
用戶生命週期價值分層策略是什麼？應該如何進行規劃以及分析？
用戶生命週期價值分層定義：
用戶生命週期：是指從一個用戶開始對企業進行了解或企業欲對某一用戶進行開發開始，直到用戶與企業的業務關係完全終止且與之相關的事宜完全處理完畢的這段時間；在業界廣泛應用認可的用戶生命週期方法論是AAARRR，是運營體系的經典的框架，貫穿用戶感知、獲取、激活、留存、交易、傳播。
用戶生命週期價值（Customer Lifetime Value，CLV）：即用戶具有的價值和生命週期，每個用戶在生命週期中在歷史、當前、未來為企業帶來的收益總和。它由三部分構成：歷史價值、當前價值和潛在價值。用戶生命週期價值分層是圍繞用戶價值與生命週期視角對用戶進行細分。
用戶生命週期價值分層意義：
用戶價值是企業發展在各個生命週期階段都需始終關注重要內容。不管是在初創階段的大量新客，還是成熟階段的存量用戶，企業的戰略目標還是希望用戶貢獻更多的價值，為企業帶來盈利。
通過用戶生命週期價值的分層，促使“以產品為中心”的經營理念轉為聚焦到“以用戶為中心”（用戶價值、用戶需求、用戶體驗為中心）進行細分洞察。以產品為中心的時代，分析策略是通過產品找用戶；而隨著技術的創新，多維數據支撐更為廣泛的用戶洞察維度，經營的模式也逐漸改為通過用戶找產品。用戶生命週期價值分層策略，讓企業運營人員清晰瞭解用戶價值和價值指標；通過對每層人群進行篩選定義，制定差異化運營手段，促進用戶在生命週期每個階段產生最大化的價值，實現層到層之間價值的飛躍，並延長整個用戶生命週期，完成運營的各個階段的KPI指標以及企業的戰略目標。
用戶生命週期價值分層方法：
按照AAARRR方法論中用戶生命週期的各個階段節點，結合各階段的業務場景、業態、戰略方向等情況確定各階段用戶價值，進行交叉組合分層。但因各個行業不同、場景不同、用戶價值不同、用戶生命週期價值分層策略也會有所不同。已佈局生活場景生態服務的銀行信用卡，會通過用戶活躍、用戶粘性價值進行分層；證券公司的生命週期分層按照交易價值進行分層；中小銀行生命週期價值分層策略按照投資價值進行分層。
- 舉個例子，某金融機構移動APP用戶生命週期價值分層：
- 市場用戶（目前不是企業的人群）
- 新增用戶（首次觸發APP的人群）
- 留存用戶（某段時間內在APP仍然還有交互行為的人群）
- 價值用戶（某段時間內在APP有交易行為的人群）
- 高價值用戶（某段時間內在APP有交易行為，並且交易金額大於30萬或交易頻次大於3次或交易產品種類大於2種的人群）
- 鯨魚用戶（在高價值用戶中通過任何觸達手段為APP帶來新增用戶的人群）
用戶生命週期價值分層是以用戶生命週期為分層轉化漏斗，將每個階段的用戶價值往下一階段的用戶價值轉化引導，而每一層轉化場景、分析維度、評估指標都是不同，需要制定差異化的運營手段分析每層轉化，對不同階段採取不同的策略，最終提升用戶各個階段的價值（如圖所示）。
我們需要分析一下每各階段是如何進行分析？每階段精細化運營手段是什麼？關注哪些指標？最終完成每階段用戶價值的飛躍。
感知層→獲取層的轉化
隨著移動互聯網流量紅利結束，企業市場部門、渠道部門如在全渠道廣撒網投放廣告吸引新客，所帶來的將是大量的非目標用戶、導致企業耗費大量成本。企業在這樣的市場環境下需要打破以往的思維模式，調整策略，將投放費用聚焦到目標用戶上，通過精準投放來幫企業找到目標人群，提升轉化率，降低成本。
制定精準投放策略，對投放渠道進行合理分配，找到轉化率高的渠道，成為本層轉化的關鍵。
- 本層轉化的運營手段：精準投放
每天用戶通過線上（各類終端設備）與企業移動APP進行交互，用戶呈現時間碎片化、服務場景化等特徵。企業將如何搶佔用戶時間，成為企業關注核心問題。企業對將要投放的用戶情況一無所知，精準投放從何開展呢？通過外部數據來洞察用戶如用戶的興趣偏好、地理位置信息、線下消費偏好、金融偏好、媒體偏好等等，可以幫助企業找到精準目標人群、結合精準觸達時間和產品，設計投放策略，將大大提升投放人群的質量以及轉化率，幫助企業降低投放成本，提升ROI。
- 本層轉化關注核心指標：ROI，即投資回報率
- 本層轉化分析維度：
分析各個渠道的用戶質量，除了分析各渠道交易數據如：轉化率、轉化金額、多次轉化率、轉化週期頻率等指標外，還需洞察分析各渠道用戶行為數據，如查看的產品、停留的時長、查看的頻率等指標，這類行為數據雖不是直接的交易數據，但也表明用戶是否有潛在的購買轉化的意向。多維數據分析幫助企業找到質量好轉化率高的渠道，並對各渠道投放的佔比進行合理調整，從而促進ROI提升，完成本層用戶價值提升。
獲取層→活躍層的轉化
在用戶獲取後，就需考慮如何對用戶進行促活。據統計，新用戶的營銷成本要比老用戶經營成本高出4倍，老用戶的經營比新用戶的獲取要重要的多。尤其在企業已經獲得大量用戶後，如不及時運營老用戶，會導致大量用戶流失或沉睡。企業需要在此時進行運營幹預，通過運營手段可減少流失人群、延長用戶的生命週期以及活躍時長，並促使用戶在更長的時間內創造更多的價值，提升用戶的CLV。
- 本層轉化的運營手段：新手引導、營銷激勵
用戶引流進入企業後，對新用戶來說，平臺、產品、流程都比較陌生，如果用戶體驗不好，不能及時適應平臺，會導致用戶流向其他同類型並滿足用戶需求的平臺，故在這個節點需要建立新手引導，讓用戶對平臺、對產品、對流程慢慢熟悉起來，養成用戶操作習慣。但是仍將面對用戶流失的風險，需及時對用戶進行營銷激勵，如發放優惠政策、觸發用戶感興趣的內容等從而激勵用戶活躍起來。
- 本層轉化關注的核心的指標：日活DAU、月活MAU
- 本層分析維度：
本層關注的指標為活躍指標，如日活、月活，但在分析的過程中還需關注用戶流失情況、留存情況。如在一段時間內，用戶日活持續增加，需分析用戶活躍類型佔比，找到活躍增加的歸因，是由於新增用戶活躍，是老用戶活躍；來自於哪些渠道的用戶活躍，是由於新增的渠道質量較好，還是由於用戶激勵的方式。不僅要關注日活、月活，還需要拉長整個用戶生命週期來看用戶活躍、流失、留存等情況，分析在一段時間內新增的這些用戶的流失情況以及留存情況，否則會被表面的日活增高的表象所矇蔽。
活躍層→留存層的轉化
用戶持續留存代表此用戶具有留下的意向以及潛在轉化的可能，用戶留存指標是監測用戶流失的一個重要指標。實現用戶留存的關鍵是需找到留存率較高的關鍵事件，並通過關鍵事件的引導提升客戶的黏性。
- 本層轉化的運營手段：促留存策略
- 本層轉化的核心關注的指標：留存率（即次日留存、7日留存、14日留存、30日留存）
- 本層轉化分析維度：
需要關注的用戶留存指標為次日留存、7日留存、14日留存、30留存。
分析時通常有兩個維度：
1、以時間為維度：看不同時間的次日留存率、7日留存率、14日留存率、30留存率的指標情況，當觀察到某一天的留存率比較高時，可詳細洞察這在一天是否有“其它動作”，比如：新增某個渠道、做了某場活動、頁面進行某部分改版、觸達客戶營銷激勵內容等，深入分析導致留存變化的“動作”對客戶留存深層的數據影響。如新增加了某個渠道投放，可能是因為這個渠道的質量較好，用戶比較活躍，潛在的目標人群較多，通過渠道的維度看這個渠道的行為數據指標表現情況，可適當調整投放的策略，增加此渠道的投放量。
2、以事件為維度：看執行了不同事件的人群次日留存率、7日留存率、14日留存率、30留存率的指標情況，如給某用戶做留存分析時，發現執行登錄事件的人群的留存率比執行其他事件的人群留存率明顯高一些，分析得出登錄與客戶留存成正比關係，建議企業推出登錄簽到送積分活動，來提升用戶留存率，效果會比較顯著。
留存層→交易層的轉化
運營的最終目標就是促使用戶進行交易，給企業帶來商業收入，體現產品變現能力。交易額＝流量＊交易轉化率＊客單價，從公式可以看出，增加流量、提升交易轉化率將提升交易額，流量在感知層→獲客層已經有詳細講解，客單價是受到產品定位、市場行情、產品內容等多方面的影響，需要重點聚焦到交易轉化率的提升。
- 本層轉化運營手段：精準營銷、聚類算法促轉化、搭建MOT營銷規則
- 本層轉化關注核心指標：交易轉化率
- 本層分析方法維度：
精準營銷
精準營銷的本質就是通過數據洞察找到目標人群、分析出用戶特徵偏好和產品偏好，在合適的時間以用戶最容易轉化的渠道進行觸達。企業需要搭建營銷閉環來解決營銷效率問題，提升用戶的交易轉化以及收入的增長。精準營銷閉環可分為四個步驟，人群洞察、消費者互動、監測效果量化、分析優化，並且不斷優化形成營銷閉環。
1、人群洞察
這是精準營銷必不可少的關鍵環節，通過人群洞察來分析用戶的行為特徵、興趣偏好、產品偏好等特徵，利用全維度數據分析找到不同特徵人群對應喜好的產品偏好，將洞察結果與營銷建立關聯，為後期營銷觸達做數據支撐。
2、消費者互動
人群洞察後，需對本層人群觸達的手段進行分析，即用戶交互方式的偏好（用戶習慣、喜好的渠道和時間段），渠道是與用戶交流的載體，幫助企業與用戶搭建溝通的橋樑，需要找到用戶喜歡的渠道以及轉化高的觸達方式，在合適的時間提供用戶喜歡的內容，提升用戶轉化率。
3、監測效果量化
通過數據回傳，對每次精準營銷的數據進行記錄，為後期數據分析、建模等工作積累數據，進行營銷工作的優化。
4、分析優化
針對營銷效果數據，分析每次精準營銷轉化人數、轉化金額、轉化後的行為數據、轉化時間等，通過數據分析結果確定本次精準營銷存在的問題，提出後期優化策略，不斷迭代優化方案。將優化後的策略在下次營銷中進行應用，形成營銷閉環，提升用戶交易轉化率以及用戶價值。
聚類算法
在每層用戶分析中，對本層人群進行人群細分和數據交叉分析，找到細分人群的特徵，制定精準營銷策略，提升用戶轉化率。聚類算法可科學有效地幫助企業完成人群細分。數據分析師對數據進行整理，確定人群細分的數量，聚類算法可將相似的人群聚為一類，最終輸出幾類人群。對細分人群進行特徵提取，洞察每類人群偏好特徵，從而針對不同人群制定差異化的營銷策略，提升用戶價值。
營銷規則
搭建營銷規則，建立MOT邏輯規則，實現自動化運營，促進用戶提升交易轉化率。
用戶的交易數據、行為數據、公開市場數據等多元化數據都可以作為基礎分析數據，挖掘數據價值，結合業務場景設計營銷規則。當用戶觸發某規則時，進行實時觸達，利用營銷活動對用戶進行轉化。例如用戶頻繁查看某個產品，停留時間較長但未進行交易，但此類數據分析也能說明用戶對此產品具有潛在需求，可以依據此場景建立規則（在三天內，查看產品A 3次以上，可以定義為產品A的意向用戶，符合此規則後，MOT將自動觸發有關產品A的營銷內容，刺激用戶進行交易轉化）。
交易層－高價值層的轉化
本層人群是企業最核心用戶，參考二八法則，20%的核心用戶給企業貢獻80%的價值，這類高價值的核心用戶是企業關注的重點。如何引導、刺激用戶向更高的價值轉變是本層的關鍵。
- 本層轉化關注最核心指標：交易頻次、交易金額、交易產品類型
- 本層轉化人群的運營手段：交叉銷售、Lookalike算法挖掘潛在高值人群
- 本層轉化分析維度
交叉銷售
通過多樣化的運營手段，將提升交易頻次、交易金額、交易產品類型的提升作為本層目標。通過交叉銷售分析、找到用戶購買產品A與產品X的關聯，將強關聯產品X在相應產品A的購買流程或頁面進行展示，通過相互導流實現對產品X的銷售，給企業創造更大價值。根據產品購買頻率、產品到期的時間建立營銷規則，提前引導用戶進行復購操作，防止用戶流失，提升用戶價值。
Lookalike算法挖掘潛在高價值用戶
潛在高價值用戶挖掘可藉助模型算法預測潛在高價值的人群，並實施精準營銷策略。Lookalike算法是機器學習的一種模型算法，TalkingData利用移動APP行為數據對其進行優化，使其適合利用APP行為數據進行學習，相對其他算法具有較高對效率和準確率。在本層中，將企業交易層用戶中挑選出的高價值人群（如多次交易、交易金額較大、交易頻次高、交易產品種類多等）作為機器學習的種子人群，通過Lookalike算法找到潛在高價值用戶。全面洞察分析潛在高價值人群的興趣偏好、產品偏好、渠道偏好等，輸出精準營銷策略並觸達用戶，通過基於效果反饋的營銷閉環提升用戶交易轉化。
案例
某銀行運營目標：提升存款用戶價值，實現存款用戶活躍並挖掘潛在用戶的價值。
某銀行聚焦到銀行存款存量用戶經營，為了提升存款用戶價值，通過用戶價值分層方法將某銀行存款用戶進行了分層（如圖所示），將每層的用戶聚焦到特定的場景進行分析，提升存款用戶分析的效率，洞察每層用戶的特徵，找到每層之間的漏損人群、潛在人群，更加科學、有效制定差異化的運營方案。建立用戶價值分層體系方法論，將用戶分層、用戶洞察、制定方案、執行落地、效果評估及迭代優化整套運營方法論閉環跑通，並廣泛應用到其它項目中，幫助某銀行通過數據化思維驅動業務決策，推動在數字化、智能化的轉型。
- 存款脫落人群
是存量用戶整體到存款有效用戶之間的存款脫落人群。這層人群分析研究時，主要目標是洞察分析人群特徵，制定有針對性的營銷激勵策略，將此人群通過激勵轉變為有效用戶。營銷激勵策略圍繞如何使脫落用戶再次進行存款業務的場景而制定。
- 存款流失用戶
存款流失用戶，搭建流失用戶預警機制、流失用戶挽回策略。分析流失與哪些關鍵因子關聯，針對流失人群進行劃分，確定流失人群的類型，對不同類型的流失用戶策劃具有針對性的挽回機制，並制定不同的觸達方式對流失用戶進行挽回。如下圖所示，在某銀行數據分析用戶流失與登錄、資產情況、提現行為有強相關，故將登錄、資產情況以及提現作為分群關鍵因子，並進行設定不同策略機制。
- 潛在價值用戶
潛在價值用戶是存款活躍用戶，雖然在近半年未投資，但此人群在企業APP有交互的行為，通過此交互數據分析挖掘潛在的需求及動機，將APP上的交互行為、之前的歷史交易數據、外部數據作為模型輸入的因子，輸出客戶潛在需求，實施精準營銷。
- 潛在高價值用戶挖掘
潛在高價值用戶為企業創造價值，需要通過運營手段激發更大的價值，有幾個增加價值的維度：
1、金額維度：刺激用戶提升購買的金額，創造更大的價值；
2、時間維度：建立策略延長用戶購買時長，提升用戶生命週期；
3、種類維度：購買多類型產品，提升用戶價值。
進行用戶價值分層需注重用戶需求、用戶價值。制定場景化、差異化、定製化的策略，提升在整個價值鏈路上的轉化漏斗，實現從數據驅動戰略目標到用戶經營的精細化運營閉環，實現層到層之間價值最大化提升，幫助企業有效延長用戶生命週期，激發用戶創造更大的價值。
閱讀更多 TalkingData 的文章
