互联网金融盛极一时,背后却是烧钱做推广,用户转化低
中国传统金融覆盖面低,融资难、融资贵,资金配给效率相对低效,利润比较高,发展到现在已举步维艰,而移动互联网时代的到来以及与互联网+的有机融合发展出了诸如众筹、P2P、第三方支付、数字货币、大数据金融、信息化金融机构、金融门户、股票基金保险等等业务模式。
某一个新事件的发生或者是网络上对某支股票的热议都在很大程度上左右着金融实践者们的行为,同时进一步影响着股市变化的趋势,除了金融体系本身的差异,掌握用户信息对金融企业而言变得尤为重要。
有不少互联网金融公司,除了传统PC端渠道外都会选择APP,并花费大量的市场费用去推广、安装、激活获取用户,而最后发现付出巨大推广成本后获取到的流量、用户转化率极低,甚至无转化。来自企业的共同苦恼是:我的用户在哪里?究竟那种方式能够获取到高质量用户?如何引导潜在用户?
竞争市场硝烟四起,获客成本扶摇直上
随着互联网移动互联网竞争的白热化,金融类客户产品同质化以及市场推广衰变效应,盲投,传统的推广方式获客成本不断增加,而用户质量不断下降。随着羊毛党,作弊越来越严重,以及现有用户如何激活,金融企业破局迫在眉睫。
某金融贷款客户市场部负责人赵先生说:随着互联网金融行业竞争的不断加剧,大型互联网及金融机构间并购整合与资本运作日趋频繁,获取优质用户成了互联网金融企业能否长期发展的先决要素。在竞争白热化的金融领域,我们尝试通过不同的推广手段来获取用户,但到后期发现获客成本太高,而且质量太差,与其投入相比回报率极低,如何在竞争日益激烈的市场环境中获取先机,dsp、信息流、app推送以及媒体广告位充斥着大量的假用户以及羊毛党,如何找到强需求的目标用户?
某炒股应用客户运营部负责人刘小姐反映:虽然股票市场这两年不温不火,但并不影响股民的热情。在线下和互联网行业已经相对成熟的领域,在移动端的竞争也是如火如荼。 从最早的YY房间到QQ群营销再到现在的SEO、信息流、媒体广告位,用户群越来越细分,获取用户越来越难,中国股市投资者数量突破2亿 14人就有一人炒股,产品同质化以及政策影响,一个新客的获取成本从100飙升至300,仍无转化,如何准确把握用户对我们来说是一个难点。
从大数据视角看金融用户挖掘,一切变得迎刃而解
在本次案例中,笔者邀请到比邻弘科万智华分享金融大数据精准营销的实战案例。比邻弘科是一家大数据企业服务公司,专为汽车、母婴、金融等企业提供大数据解决方案,在金融用户挖掘上有自己独到的优势,通过大数据精准挖掘,可以产出比任何渠道投放更高质量的用户,带来更高的转化率。“提高转化,降低成本”是金融客户的核心诉求,比邻弘科旗下微准潜客挖掘工具,正是基于对用户数据库的研究与分析,实现对目标用户与潜在用户的精准锁定,帮助企业节省沟通成本,提高销售转化,并基于对用户更深层的解析,为企业提供市场决策支持,从而提升企业核心竞争力,这正是金融品牌客户想要的效果。在实际操作中,比邻弘科确立“大数据三步引流”策略帮助企业快速引流。
第一步:对目标用户、潜在用户数据深度挖掘,并建立用户画像
用户挖掘,简而言之,即通过大数据技术找到金融产品的用户群。比邻抽取用户样本(品牌相关用户、竞品现有用户等),设立数据挖掘维度(消费水平、年龄分布、性别比例等)。最终对目标用户和潜在用户进行深入挖掘,并形成一系列分析数据:
1、消费偏好:从目标用户消费偏好分析,显示出消费者对“购物、美容、美食、时尚”等有明显偏好,经常关注、浏览、并产生消费。
2、人群特征:目标用户年龄大多分布于80后、90后,合占96%,未婚占比七成,性别上男性明显偏高(73%),地域分布上,各城市中北京、广东、上海居前三位,三城市占到51%左右。
3、兴趣分布:高端消费明显高于大众消费比例。在高端消费区域,消费者更多地关注与投资的领域为“我爱我家、高端品牌汽车、房地产、收藏、珠宝、奢侈品”等。在大众消费区域,消费者行为多集中 于“RAV4、彩票、阳光、代购、网购”等关键词。
4、生活品位:消费者的业余兴趣偏好倾向于舞蹈艺术、宠物、美女、环保等领域。
5、圈子特征:用户圈子特征中,含有“财经”、“股票”、“金融”、“投资理财”关键特征明显,指导我们在投放媒体方面,会以对财经、理财、证券等目标用户关注高的媒体做重点投放。
最终通过海量用户分析数据确立客户目标用户完整的用户画像。包含通用标签、人口统计学标签、价值标签、购物喜好、金融服务、社交属性等。
第二步:建立金融用户分析模型,依据模型精准锁定目标用户
比邻弘科通过对样本用户的分析,结合产品对目标用户的定位,根据目标用户各维度属性,确立用户模型如下:
性别:男性为主。 年龄:70、80后为主。 消费属性:大众消费为主。 地域属性:一线城市为主。 主要兴趣维度:理财、投资等。 辅助兴趣维度:财经、新闻、娱乐、游戏等。
|