隨著大數據、雲計算、人工智慧等技術加速創新，數據已成為重要生產要素。IDC在2020年發布的「2020年的數字宇宙」指出，全球數據總量已超過40ZB，近兩年這個數字持續增長，其中超過三分之一的數據包含有價值的信息。2022年，我國大數據市場產值已超過數萬億元，面對海量數據，如何挖掘數據價值，將看似毫無關聯的數據串聯起來，利用數據分析手段進行精準營銷成為各行各業關注的焦點問題，而用戶行為數據分析作為追蹤用戶行為、完善客戶畫像、輔助精準營銷、構建實時推薦等閉環場景的關鍵要素，已成為輔助業務分析決策、助力數位化轉型的重中之重。
一、追本溯源：為什麼要做用戶行為數據分析
什麼是用戶行為？用戶行為可以用「5W2H」進行概括：Who（誰）、What（做了什麼行為）、When（什麼時間）、Where（在哪裡）、Why（目的是什麼）、How（通過何種方式）、How long（用了多長時間），即時間、地點、人物、交互以及交互的內容，而用戶行為數據分析則是通過對這類數據進行統計、聚合和分析，從中發現用戶使用產品的規律，進一步將這些規律與業務營銷策劃、產品更新疊代和運營策略相結合，發現營銷、運營以及產品本身存在的問題，從而提出解決方案，優化用戶體驗，實現精細化、精準化的運營與營銷。
隨著網際網路時代的演進，流量增長紅利逐漸消退，各行各業的競爭愈發激烈，金融行業也不例外，獲客成本飆升。客戶經理有時甚至需要上百次面對面營銷，才能獲得一個新增客戶。在如此高成本、高競爭的環境下，農業銀行急需利用用戶行為數據分析，做好精細化運營，有效利用客戶基數大的優勢，將海量客戶資源轉化為業務價值，從而降低運營成本，提升營銷效果，進一步提高企業競爭力。
二、知己知彼：用戶行為數據分析如何做
用戶行為分析如此重要，業內能夠做好此類數據分析的企業卻是鳳毛麟角，能夠自研建設分析平台的更是少之又少，這是為什麼呢？筆者認為主要原因是傳統分析數據精度不夠、採集信息不全面、分析模型不完善，導致分析結果粗放，實際應用價值低，難以起到輔助營銷決策的作用。
根據前期調研，商業銀行同類數據分析系統主要以採購為主，工商銀行以採購加自研的形式實現了用於運營分析（日活、月活、新增客戶數）、轉化分析（開戶轉化率、註冊轉化率等）、標籤體系（用戶標籤、自動化運營）等功能，整體數據分析能力較為全面。招商銀行主要用於該行掌上生活平台月活躍（MAU）、用戶來源及組成等內容分析，側重總體變化趨勢分析。中信銀行則更側重體驗監控，對其手機銀行的頁面訪問成功率、啟動時長、崩潰率等指標進行了分析展示。綜上分析可以發現，同業在PV、UV統計、體驗分析、用戶活躍度方面已有優秀實踐，取得了不錯的效果。在借鑑同業的基礎上，農業銀行用戶行為數據採集分析平台在模型豐富度、實時分析靈活性以及定製化營銷場景支撐度方面，根據自身情況做出了優化提升。
想要做好用戶行為數據分析，首先要有精準且高效的數據採集手段。數據採集的主要手段分為手動埋點(代碼埋點）和自動埋點（全埋點）。手動埋點的優勢在於採集數據精確且信息定製化，缺點則在於需要耗費大量人力進行代碼改造，過程繁瑣，尤其在移動應用領域，每次埋點後都需要發布至應用商店才能生效，蘋果商店的審核周期更是硬傷，這使得手動埋點數據獲取時效性大打折扣，往往無法滿足業務推廣時效性的需要；自動埋點則是通過標準化格式將用戶常見行為分為不同事件進行採集，其優勢在於無需額外埋點，一次嵌入即可滿足採集要求，極大程度上增強了數據採集的及時性和全面性，而劣勢則在於不支持採集信息定製化，可能無法滿足個性化營銷場景分析的數據需要。
有了精確、詳細的用戶行為數據，還需要結合業務場景提出科學有效的分析模型，才能更有效地支持分析結果。農業銀行上一代用戶行為分析系統主要局限於瀏覽行為，即對頁面訪問、點擊量（PV）和獨立客戶數（UV）等數據進行統計，並未針對用戶交互行為進行研究，因此其分析結果價值相對有限，無法對實際運營決策、營銷推廣場景起到輔助作用。結合自身業務場景，建立諸如漏斗分析、路徑分析、留存分析等用戶轉化分析模型，從獲取用戶、激活用戶、用戶留存、收入獲取四方面入手，建立用戶行為數據分析模型體系，才能起到真正輔助業務決策的分析作用。
三、綜合賦能：平台提供什麼服務
農業銀行新一代用戶行為數據採集分析平台隨掌銀6.8版本首次亮相，標誌著農業銀行自研實現的用戶行為數據採集分析平台順利上線。（華東CIO大會、華東CIO聯盟、CDLC中國數位化燈塔大會、CXO數位化研學之旅、數位化江湖-講武堂，數位化江湖-大俠傳、數位化江湖-論劍、CXO系列管理論壇（陸家嘴CXO管理論壇、寧波東錢湖CXO管理論壇等）、數位化轉型網，走進燈塔工廠系列、ECIO大會等）
1.全渠道埋點採集，行為數據無盲點
用戶行為數據採集分析平台採集SDK以準確、靈活、安全為目標，使用全埋點和代碼埋點相結合的無侵入方案，支持Android、iOS、Web、mPaas小程序、微信小程序等全渠道數據採集，以較小的埋點代價，在用戶同意且法律允許的範圍內，合規可控的收集用戶行為數據，同時考慮採集精確性和埋點接入便捷程度，保證了多平台、全渠道採集全面性和接入便利性。採集SDK架構如圖1所示。
SDK由配置模塊、採集模塊、存儲模塊和發送模塊組成，支持通過用戶行為數據採集分析平台管理端配置不同採集策略，實時控制SDK的採集欄位和範圍以滿足用戶隱私策略需要，保障數據採集靈活可控、合規安全，有效解決採集數據不可控、涉及用戶隱私的痛點問題。採集到的用戶行為數據待滿足發送條件後批量壓縮發送，在節省用戶數據流量、提高發送性能的同時，最大限度地保證採集數據的準確性和實時性，從而解決採集精度低、數據時效性差，進而影響分析人員實際使用的問題，由「能用」進化為「好用」。
截至目前，用戶行為數據採集分析平台已與個人掌銀、企業掌銀、營銷Pad等5個農業銀行主要移動應用完成對接，H5渠道覆蓋個人掌銀中57個總行應用和37家一級分行100餘個H5應用接入，單日採集掌銀數據超8億條。
2.數據實時全採集，流批一體再分析
數據採集集群和數倉模塊靈活應用Kafka、Flink、Hive、HDFS等大數據技術組件，採用流批一體化設計，滿足「實時、精準地感知和響應」的業內先進設計理念。後端採集服務將獲取到的數據進行解析處理，完成非法數據清除並通過事件類型進行區分，寫入Kafka以供數倉模塊進行消費。數倉模塊使用Flink進行數據傳輸，在過程中完成數據清洗、欄位劃分、打散並形成寬表，同步將數據推送至大數據平台，為其他應用系統提供數據支撐。離線分析數據通過Flume寫入HDFS，為後續批量數據處理提供數據源，實時分析數據則直接寫入Clickhouse分析型資料庫集群，由平台管理端向總分行業務人員提供海量數據實時秒級查詢服務。數倉模塊數據處理流程如圖2所示。
3.全面大數據分析，分析模型再拓展
用戶行為數據採集分析平台以農業銀行掌銀渠道為出發點，多種分析模型並行形成數據閉環，將全渠道營銷場景支持作為目標，依託新型聯機分析（OLAP）列式資料庫管理系統Clickhouse，實現數據實時高速寫入、高性能向量計算，可根據業務需求，提供不同分析模型實時數據分析展示，為高基數、多維度的海量數據複雜查詢分析場景提供了強有力的技術支撐。現階段，用戶行為數據採集分析平台已完成指標大盤、地域分析、用戶轉化漏斗分析、訪問路徑分析、留存分析、用戶體驗分析等分析模型建設。
（1）指標大盤
指標大盤（如圖3所示）提供宏觀數據變化展示，在囊括傳統PV、UV、新增客戶數、訪問時長等數據統計的同時，配合餅圖直觀體現版本占比（如圖4所示）；結合地域分析可以準確識別新版本推廣過程中各省新增用戶數量的地域差異，讓業務人員可由此加大特定地區新版本推廣力度，通過新客禮等營銷活動，大幅提升該應用曝光率，有效提升該地區新版本新用戶使用數。掌銀典型營銷活動「新客三重禮」通過指標大盤及地域分析日均點擊人數指標，結合用戶行為分析頁面瀏覽和點擊操作數據，整合優化活動入口，在8月上旬的活動中，日均點擊人數較上月提升超六成，有效提升了營銷活動觸達率。
（2）漏斗分析
轉化率分析主要通過統計用戶在操作流程中的逐步流失情況，形成一個類似漏斗的圖形（如圖5所示）。用戶轉化漏斗分析模型支持渠道、作業系統、版本號等多維度篩選條件，可幫助業務掌握不同渠道、不同版本、不同作業系統的轉化差異，用於優化渠道、優化新版本以及對比用戶使用習慣。在實際使用過程中，往往需要業務人員通過對產品的了解和運營經驗去構建漏斗，但這個漏斗是否具有代表性、其訪問順序是否正確都是未知的，這時就需要訪問路徑分析模型的輔助。
（3）訪問路徑分析
訪問路徑分析模型（如圖6所示）可以獲知用戶瀏覽習慣，以桑基圖的形式直觀展示用戶到達網站或應用首頁等頁面後，TOP頁面訪問路徑及其轉化率、流失率，使得業務人員能夠快速、直觀的認識產品主流訪問路徑轉化情況。數字貨幣新客營銷轉化率低一直是數幣新客引流過程中的痛點問題，依託路徑分析確認數字貨幣新客註冊頁面流轉情況，再從新客註冊、身份信息綁定到最後權益領取完成新客引流，進行逐級逐步用戶轉化率漏斗分析，確定用戶高流失率環節，針對性地進行流程優化。截止7月底，數幣新客營銷活動權益使用用戶超過八成，單環節轉化率較優化前提升近三分之一。（華東CIO大會、華東CIO聯盟、CDLC中國數位化燈塔大會、CXO數位化研學之旅、數位化江湖-講武堂，數位化江湖-大俠傳、數位化江湖-論劍、CXO系列管理論壇（陸家嘴CXO管理論壇、寧波東錢湖CXO管理論壇等）、數位化轉型網，走進燈塔工廠系列、ECIO大會等）
（4）用戶流轉地圖
用戶流轉地圖（如圖7所示）基於海盜(AARRR)模型，從用戶營銷全生命周期分為獲客、激活、留存、變現、推薦五個漸進維度將業務進行拆解，實現數據分析與營銷場景的有機結合，定製化提供精準分析模型，真正做到將數據分析應用到實際營銷活動中，通過各頁面轉化率、點擊量的數據變化，直觀體現用戶實際購買、完成交易情況，幫助業務人員了解用戶在哪一個頁面、哪一步操作放棄交易，從而優化購買邏輯，改變營銷策略。
用戶行為數據採集分析平台定製營銷主題集市，為業務營銷活動提供定製化用戶流轉地圖實時分析模型（如圖8所示），通過可視化關鍵節點流轉情況，基於頁面打開率、立即購買率、交易成功率、活動分析率等度量指標，建立以業務為導向、用戶全生命周期、可逐層拆解的基於全域化、平台化、精細化實現營銷場景內外循環和數據指標體系，以提高行內各渠道MAU作為戰略目標，為業務方提供高可信價值的數據參考以及有針對性的優化引流活動方案。
平台還提供7日、15日、30日留存分析，幫助各級管理員分析用戶特定始末行為的留存情況，判斷客戶的使用習慣及該行為的用戶黏性，輔助業務人員了解產品的核心功能，從而增強產品服務體驗。用戶體驗分析實時監控各應用渠道生產實際運行情況，及時捕捉客戶使用過程中發生的各類異常信息，進行聚合和詳細分析，幫助應用及時定位異常原因，從而快速解決異常現象，提升客戶體驗。
四、砥礪前行：行為數據分析應用展望
長風破浪會有時，直掛雲帆濟滄海。未來，用戶行為數據採集分析平台還將提供包括地域熱力圖、趨勢分析、用戶分群等複雜分析模型在內的多形式、多維度用戶數據分析功能，在保證百億級數據秒級查詢的基礎上，從解決業務痛點出發，從多角度剖析客戶行為，為業務營銷決策助力；使用實時大屏和傳統圖表展示相結合，以助力業務決策為根本，針對不同營銷場景，提供定製化營銷主題分析，真正將數據分析與業務決策結合起來，努力將用戶行為數據採集分析平台建設成「有用」「好用」「願意用」的數據分析平台，為業務人員提供最實時、最精準、最直觀的用戶數據分析服務，全面提升農業銀行用戶行為數據分析決策能力，促進數位化轉型，實現「打造客戶體驗一流的智慧銀行」的目標。
本文主要內容轉載（或原作者）出自我們的開心，僅供廣大讀者參考，如有侵犯您的智慧財產權或者權益，請聯繫我提供證據，我會予以刪除。
CXO聯盟（CXO union）是一家聚焦於CIO，CDO，cto，ciso，cfo，coo，chro，cpo，ceo等人群的平台組織，其中在CIO會議領域的領頭羊，目前舉辦了大量的CIO大會、CIO論壇、CIO活動、CIO會議、CIO峰會、CIO會展。如華東CIO會議、華南cio會議、華北cio會議、中國cio會議、西部CIO會議。在這裡，你可以參加大量的IT大會、IT行業會議、IT行業論壇、IT行業會展、數位化論壇、數位化轉型論壇，在這裡你可以認識很多的首席信息官、首席數字官、財務長、首席技術官、首席人力資源官、營運長、執行長、IT總監、財務總監、信息總監、運營總監、採購總監、供應鏈總監。
數位化轉型網（資訊媒體，是企業數位化轉型的必讀參考，在這裡你可以學習大量的知識，如財務數位化轉型、供應鏈數位化轉型、運營數位化轉型、生產數位化轉型、人力資源數位化轉型、市場營銷數位化轉型。通過關注我們的公眾號，你就知道如何實現企業數位化轉型？數位化轉型如何做？
【CXO UNION部分社群會員】泰永長征CFO、華夏航空CFO、潤建股份CFO、宏川智慧CFO、鋒龍股份CFO、明德生物CFO、新興裝備CFO、天奧電子CFO、鄭州銀行CFO、興瑞科技CFO、鵬鼎控股CFO、長城證券CFO、昂利康CFO、新疆交建CFO、新農股份CFO、宇晶股份CFO、華林證券CFO、新乳業CFO、恆銘達CFO、青島銀行CFO、華陽國際CFO、奧美醫療CFO、金時科技CFO、亞世光電CFO、日豐股份CFO、鴻合科技CFO、西麥食品CFO、科瑞技術CFO、青農商行CFO、小熊電器CFO、青鳥消防CFO、瑞達期貨CFO、五方光電CFO、豪爾賽CFO、祥鑫科技CFO、蘇州銀行CFO、廣電計量CFO、新大正CFO、嘉美包裝CFO、銳明技術CFO、和遠氣體CFO、科安達CFO、僑銀股份CFO、博傑股份CFO、瑞瑪工業CFO、天箭科技CFO、安寧股份CFO、雷賽智能CFO、華盛昌CFO、朝陽科技CFO、湘佳股份CFO、芯瑞達CFO等