2024年銀行業(yè)全渠道客戶旅程分析與精細(xì)化線上運(yùn)營(yíng)白皮書(shū)-火山引擎

全渠道客戶旅程分析與精細(xì)化線上運(yùn)營(yíng)火山引擎數(shù)據(jù)飛輪行業(yè)實(shí)踐系列白皮書(shū)·銀行業(yè)《火山引擎數(shù)據(jù)飛輪行業(yè)實(shí)踐系列白皮書(shū)·銀行業(yè)》專為金融銀行提供構(gòu)建數(shù)據(jù)飛輪的系列解決方案，當(dāng)前您即將閱讀的是——第三本白皮書(shū)《全渠道客戶旅程分析與精細(xì)化線上運(yùn)營(yíng)白皮書(shū)》CONTENTS前言011.銀行客戶旅程分析與線上運(yùn)營(yíng)痛點(diǎn)簡(jiǎn)述032.火山引擎新一代方案總覽053.銀行全渠道客戶旅程分析與線上運(yùn)營(yíng)典型場(chǎng)景073.1APP產(chǎn)品運(yùn)營(yíng)健康度監(jiān)測(cè)093.2客戶旅程可視化分析，賦能用戶體驗(yàn)優(yōu)化運(yùn)營(yíng)133.3多維度用戶轉(zhuǎn)化漏斗分析，聚焦轉(zhuǎn)化斷點(diǎn)識(shí)別，精準(zhǔn)定位問(wèn)題173.4用戶行為實(shí)時(shí)感知，實(shí)現(xiàn)秒級(jí)精準(zhǔn)營(yíng)銷(xiāo)，抓住客戶線上營(yíng)銷(xiāo)契機(jī)，做精流量變現(xiàn)193.5埋點(diǎn)數(shù)據(jù)實(shí)時(shí)、穩(wěn)定采集，助力線上貸款風(fēng)險(xiǎn)管理233.6商機(jī)識(shí)別，客群分層運(yùn)營(yíng)，實(shí)現(xiàn)線上線下聯(lián)動(dòng)營(yíng)銷(xiāo)253.7APP崩潰、版本監(jiān)測(cè)，推進(jìn)APP性能優(yōu)化管控273.8從客戶行為事件到高價(jià)值衍生標(biāo)簽，賦能精準(zhǔn)線上運(yùn)營(yíng)303.9視頻回溯用戶操作全流程畫(huà)面，全面優(yōu)化用戶使用體驗(yàn)344.保障新一代平臺(tái)架構(gòu)落地374.1新一代全渠道客戶旅程分析總體框架384.2歷史埋點(diǎn)數(shù)據(jù)遷移394.3手機(jī)銀行APP、公眾號(hào)、小程序、各類活動(dòng)頁(yè)的客戶行為事件如何采集404.4非線上渠道的客戶行為事件如何采集414.5超大數(shù)據(jù)量下的高性能保障與擴(kuò)展能力414.6搭載豆包大模型的AI智能分析助手425.通過(guò)數(shù)據(jù)開(kāi)放能力，便捷融入到銀行現(xiàn)有架構(gòu)體系465.1典型數(shù)據(jù)開(kāi)放與數(shù)據(jù)集成場(chǎng)景475.2通過(guò)配置化方式，快速實(shí)現(xiàn)數(shù)據(jù)集成476.配套保障機(jī)制構(gòu)建及火山引擎增值服務(wù)486.1新平臺(tái)上線后關(guān)鍵保障角色與能力培養(yǎng)496.2埋點(diǎn)治理保障機(jī)制與支持工具507.方案綜合優(yōu)勢(shì)528.典型案例548.1某頭部城商行：優(yōu)化埋點(diǎn)規(guī)范，建設(shè)用戶行為分析體系558.2某股份制銀行：自研埋點(diǎn)治理，完善埋點(diǎn)治理機(jī)制568.3某區(qū)域城商行：建立線上線下聯(lián)動(dòng)運(yùn)營(yíng)機(jī)制，打通埋點(diǎn)數(shù)據(jù)內(nèi)在行業(yè)系統(tǒng)共享578.4某省級(jí)農(nóng)信：全渠道行為數(shù)據(jù)采集，賦能零售、對(duì)公智能運(yùn)營(yíng)58VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI前言PREFACE數(shù)據(jù)飛輪是由火山引擎重磅提出的企業(yè)數(shù)智化升級(jí)新模式：它以數(shù)據(jù)消費(fèi)為核心驅(qū)動(dòng)力，實(shí)現(xiàn)“以數(shù)據(jù)消費(fèi)促資產(chǎn)建設(shè)，以數(shù)據(jù)消費(fèi)助業(yè)務(wù)發(fā)展(UtilizeDataMore,MoreDataIntelligence,MoreIntelligentBusinesses)”。這一新模式來(lái)自于字節(jié)跳動(dòng)十余年數(shù)據(jù)驅(qū)動(dòng)實(shí)踐經(jīng)驗(yàn)的提煉，其核心是倡導(dǎo)企業(yè)能通過(guò)數(shù)據(jù)消費(fèi)使數(shù)據(jù)流充分融入業(yè)務(wù)流，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)和業(yè)務(wù)應(yīng)用的飛輪效應(yīng)，從而激發(fā)員工創(chuàng)造力，增強(qiáng)業(yè)務(wù)戰(zhàn)斗力，提升組織生命力。BusinessDriveDataIntelligenceDataEnablingIntelligentBusiness業(yè)務(wù)驅(qū)動(dòng)數(shù)據(jù)提效數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)提升圍繞數(shù)據(jù)飛輪，火山引擎新一代企業(yè)級(jí)數(shù)據(jù)產(chǎn)品服務(wù)平臺(tái)——數(shù)智平臺(tái)VeDI，推出了一系列“端到端的數(shù)智產(chǎn)品”、“場(chǎng)景化的行業(yè)解決方案”和“專業(yè)的數(shù)智轉(zhuǎn)型咨詢”，讓企業(yè)收獲從數(shù)據(jù)基礎(chǔ)建設(shè)、數(shù)據(jù)引擎升級(jí)到數(shù)據(jù)智能應(yīng)用的全套數(shù)智能力，提供運(yùn)維降本、運(yùn)營(yíng)提效和業(yè)務(wù)增長(zhǎng)的行業(yè)數(shù)智解決方案，助力企業(yè)構(gòu)建數(shù)據(jù)飛輪，實(shí)現(xiàn)數(shù)智化轉(zhuǎn)型升級(jí)。BusinessDriveDataIntelligenceDataEnablingIntelligentBusiness業(yè)務(wù)驅(qū)動(dòng)數(shù)據(jù)提效數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)提升01在金融行業(yè)，火山引擎數(shù)據(jù)飛輪已經(jīng)積累了眾多實(shí)踐。一方面，通過(guò)領(lǐng)先的湖倉(cāng)一體技術(shù)、數(shù)據(jù)治理與數(shù)據(jù)BP咨詢等服務(wù)，幫助金融機(jī)構(gòu)實(shí)現(xiàn)數(shù)據(jù)基礎(chǔ)建設(shè)的升級(jí)，完成企業(yè)數(shù)據(jù)資產(chǎn)輪的構(gòu)建。另一方面，則通過(guò)九大數(shù)據(jù)賦能，助力金融機(jī)構(gòu)構(gòu)建業(yè)務(wù)應(yīng)用輪。以銀行業(yè)為例，做精細(xì)化線上用戶運(yùn)營(yíng)是各行普遍重視的場(chǎng)景之一，在數(shù)據(jù)飛輪的理論模式之下，借助火山引擎增長(zhǎng)分析DataFinder，各行可構(gòu)建可視化的全渠道客戶旅程分析，搭建客戶流量地圖，真正將數(shù)據(jù)與運(yùn)營(yíng)業(yè)務(wù)相結(jié)合，發(fā)揮數(shù)據(jù)的真正價(jià)值。本書(shū)將結(jié)合火山引擎在銀行業(yè)的諸多項(xiàng)目實(shí)踐，總結(jié)歸納銀行面臨的客戶旅程分析與線上流量運(yùn)營(yíng)面臨的關(guān)鍵問(wèn)題。全面分享當(dāng)下火山引擎數(shù)智平臺(tái)VeDI如何幫助銀行構(gòu)建全渠道客戶旅程可視化分析與精細(xì)線上運(yùn)營(yíng)，提升銀行業(yè)流量轉(zhuǎn)化。0201銀行客戶旅程分析在過(guò)去的三年里，近百家金融機(jī)構(gòu)與火山引擎就數(shù)字化客戶經(jīng)營(yíng)轉(zhuǎn)型升級(jí)、新一代全渠道客戶旅程分析與線上運(yùn)營(yíng)平臺(tái)建設(shè)展開(kāi)了深度合作。在項(xiàng)目實(shí)施過(guò)程中，線上運(yùn)營(yíng)部門(mén)與數(shù)據(jù)科技部門(mén)人員最常遇到下面的問(wèn)題：業(yè)務(wù)/運(yùn)營(yíng)部門(mén)數(shù)據(jù)部門(mén)研發(fā)部門(mén)業(yè)務(wù)/運(yùn)營(yíng)部門(mén)數(shù)據(jù)部門(mén)研發(fā)部門(mén)提取數(shù)據(jù)、查詢數(shù)據(jù)高度依賴數(shù)倉(cāng)，每次增加新指標(biāo)都需要要定開(kāi)，效率低化工具，只能看到單一環(huán)節(jié)的數(shù)據(jù)表現(xiàn)希望優(yōu)化用戶體驗(yàn)，難于不知道主要漏損環(huán)節(jié)在哪里，抓不到重點(diǎn)，錯(cuò)失營(yíng)銷(xiāo)最佳時(shí)機(jī)

缺乏敏捷高效的分析模型SQL隨著數(shù)據(jù)增長(zhǎng)，性能瓶頸難埋點(diǎn)口徑和數(shù)據(jù)格式不統(tǒng)一，

埋點(diǎn)缺乏統(tǒng)一采集工具,缺乏數(shù)據(jù)驗(yàn)證工具，埋點(diǎn)上線0402火山引擎新一代方案總覽分析模型事件分析|留存分析分析模型事件分析|留存分析|轉(zhuǎn)化分析|歸因分析|路徑分析|業(yè)務(wù)維度分析……BI/數(shù)倉(cāng)數(shù)據(jù)沉淀火山引擎基于字節(jié)跳動(dòng)內(nèi)部業(yè)務(wù)多年實(shí)踐，圍繞金融機(jī)構(gòu)場(chǎng)景輸出新一代銀行全渠道客戶旅程分析平臺(tái)，旨在深入、全面地理解和分析用戶在與金融機(jī)構(gòu)的產(chǎn)品、服務(wù)交互過(guò)程中的行為路徑和體驗(yàn)，具有以下四個(gè)關(guān)鍵特點(diǎn)和功能：全渠道數(shù)據(jù)整合能夠收集來(lái)自手機(jī)銀行、小程序、H5活動(dòng)落地頁(yè)、公眾號(hào)、客戶經(jīng)理電話營(yíng)銷(xiāo)等的全渠道數(shù)據(jù)，形成統(tǒng)一的流量視圖，全面了解用戶。全旅程分析視角以用戶全生命周期為基礎(chǔ)，通過(guò)全域流量可視化分析工具，深入洞察可能出現(xiàn)的漏損點(diǎn)。靈活的數(shù)據(jù)開(kāi)放與集成支持將采集到的行為數(shù)據(jù)、營(yíng)銷(xiāo)人群包、標(biāo)簽等數(shù)字資產(chǎn)開(kāi)放給自建數(shù)倉(cāng)、CRM或其他數(shù)據(jù)平臺(tái)，用于二次加工，打破數(shù)據(jù)壁壘。高性能/高可擴(kuò)展性增長(zhǎng)分析核心OLAP引擎基于先進(jìn)的開(kāi)源引擎ClickHouse進(jìn)行近萬(wàn)行代碼的二次開(kāi)發(fā)和優(yōu)化，能夠?qū)崟r(shí)獲取和處理用戶數(shù)據(jù)，查詢分析秒級(jí)響應(yīng)。在抖音集團(tuán)內(nèi)部，DataFinder平臺(tái)日增數(shù)據(jù)量級(jí)超過(guò)萬(wàn)億條，火山引擎產(chǎn)品由字節(jié)跳動(dòng)原生產(chǎn)研團(tuán)隊(duì)支持，產(chǎn)品及服務(wù)有充分保障。線上小程序公眾號(hào)渠道活動(dòng)頁(yè)業(yè)務(wù)場(chǎng)景業(yè)務(wù)指標(biāo)分析線上小程序公眾號(hào)渠道活動(dòng)頁(yè)業(yè)務(wù)場(chǎng)景業(yè)務(wù)指標(biāo)分析|活動(dòng)數(shù)據(jù)監(jiān)測(cè)|App性能穩(wěn)定性監(jiān)控|風(fēng)險(xiǎn)管理|渠道質(zhì)量CDP/CRM/GMP斷點(diǎn)營(yíng)銷(xiāo)全埋點(diǎn)開(kāi)放通道webhookkafka離線全渠道數(shù)字觸點(diǎn)全渠道數(shù)字觸點(diǎn)數(shù)據(jù)洞察與應(yīng)用數(shù)據(jù)開(kāi)放系統(tǒng)聯(lián)動(dòng)數(shù)據(jù)管理數(shù)據(jù)表元數(shù)據(jù)數(shù)據(jù)應(yīng)用 數(shù)據(jù)治理用戶表 事件管理 看板管理 埋點(diǎn)質(zhì)量事件表 屬性管理 分群管理 埋點(diǎn)消維度表 指標(biāo)管理 標(biāo)簽管理 埋點(diǎn)生數(shù)據(jù)管理數(shù)據(jù)表元數(shù)據(jù)數(shù)據(jù)應(yīng)用 數(shù)據(jù)治理用戶表 事件管理 看板管理 埋點(diǎn)質(zhì)量事件表 屬性管理 分群管理 埋點(diǎn)消維度表 指標(biāo)管理 標(biāo)簽管理 埋點(diǎn)生風(fēng)控引擎風(fēng)險(xiǎn)管理遠(yuǎn)程電話銀行線下智能柜臺(tái)取號(hào)機(jī)sdkandroidiosH5小程序其他APIKafka代碼埋點(diǎn)數(shù)據(jù)類型原始數(shù)據(jù)指標(biāo)數(shù)據(jù)人群包0303銀行全渠道客戶旅程分析與線上運(yùn)營(yíng)典型場(chǎng)景火山引擎在與金融機(jī)構(gòu)的項(xiàng)目合作中，沉淀了大量數(shù)據(jù)賦能全渠道客戶旅程分析及線上用戶運(yùn)營(yíng)的場(chǎng)景經(jīng)驗(yàn)，如網(wǎng)金部開(kāi)展線上用戶運(yùn)營(yíng)以及客戶旅程分析與優(yōu)化、APP團(tuán)隊(duì)開(kāi)展功能監(jiān)測(cè)與迭代、零售個(gè)金部門(mén)開(kāi)展線上活動(dòng)旅程分析與漏損歸因、客戶旅程斷點(diǎn)識(shí)別與線上線下聯(lián)動(dòng)營(yíng)銷(xiāo)，埋點(diǎn)實(shí)時(shí)采集與線上消費(fèi)貸秒批秒貸等。火山引擎增長(zhǎng)分析DataFinder作為這些數(shù)智化場(chǎng)景中的主力支撐產(chǎn)品發(fā)揮著重要作用，其場(chǎng)景價(jià)值及關(guān)鍵收益如下：場(chǎng)景APP健康度監(jiān)測(cè)介紹包括對(duì)用戶注冊(cè)登錄、使用時(shí)長(zhǎng)和頻率等方面的監(jiān)測(cè)與評(píng)估，以及對(duì)關(guān)鍵指標(biāo)異動(dòng)的歸因分析，以賦能線上運(yùn)營(yíng)工作。關(guān)鍵收益數(shù)據(jù)更新周期從T+1升級(jí)到秒級(jí)查詢平均每張看板可節(jié)約5000元開(kāi)發(fā)成本用戶旅程可視化分析通過(guò)可視化的用戶流量流轉(zhuǎn)圖高效查看分析用戶在各個(gè)頁(yè)面中的行為分布，及時(shí)發(fā)現(xiàn)用戶流失節(jié)點(diǎn)或者流量聚集節(jié)點(diǎn)。即使發(fā)現(xiàn)客群表現(xiàn)差異分析實(shí)效提升，秒級(jí)獲取業(yè)務(wù)指標(biāo)轉(zhuǎn)化鏈路斷點(diǎn)識(shí)別產(chǎn)品購(gòu)買(mǎi)場(chǎng)景中，用戶轉(zhuǎn)化斷點(diǎn)識(shí)別，關(guān)鍵流失原因定位。理財(cái)交易成功轉(zhuǎn)化率提升10%數(shù)倉(cāng)開(kāi)發(fā)成本降低20%實(shí)時(shí)感知，實(shí)現(xiàn)秒級(jí)精準(zhǔn)營(yíng)銷(xiāo)對(duì)于線上消費(fèi)貸/零售用戶進(jìn)行實(shí)時(shí)的斷點(diǎn)營(yíng)銷(xiāo)，以實(shí)現(xiàn)高效的斷點(diǎn)營(yíng)銷(xiāo)，提升轉(zhuǎn)化。打通自動(dòng)化營(yíng)銷(xiāo)平臺(tái)，實(shí)現(xiàn)實(shí)時(shí)營(yíng)銷(xiāo)實(shí)時(shí)上報(bào)用戶行為事件埋點(diǎn)實(shí)時(shí)上報(bào)，助力線上貸款風(fēng)險(xiǎn)管理將用戶行為數(shù)據(jù)引入貸前信審、貸中監(jiān)控的作為特征變量，提升風(fēng)險(xiǎn)識(shí)別效果。客群分層運(yùn)營(yíng)，實(shí)現(xiàn)線上線下聯(lián)動(dòng)營(yíng)銷(xiāo)通過(guò)已經(jīng)建立的線上營(yíng)銷(xiāo)渠道，及時(shí)識(shí)別不同業(yè)務(wù)場(chǎng)景中的潛在商機(jī)，形成線上線下聯(lián)動(dòng)營(yíng)銷(xiāo)，從而促進(jìn)產(chǎn)品的最終轉(zhuǎn)化。斷點(diǎn)環(huán)節(jié)轉(zhuǎn)化率提升20%商機(jī)觸達(dá)率提升40%以上APP穩(wěn)定性監(jiān)控及性能優(yōu)化監(jiān)測(cè)手機(jī)銀行APP的性能問(wèn)題，并對(duì)每次版本升級(jí)效果和升級(jí)覆蓋率實(shí)現(xiàn)即時(shí)監(jiān)測(cè)。研發(fā)側(cè)0投入即可完成崩潰問(wèn)題監(jiān)控?cái)?shù)分鐘之內(nèi)即可獲取到最新用戶升級(jí)發(fā)進(jìn)度和升級(jí)問(wèn)題從客戶行為事件到高價(jià)值衍生標(biāo)簽構(gòu)建高價(jià)值行為標(biāo)簽體系，從產(chǎn)品搜索、購(gòu)買(mǎi)決策、產(chǎn)品購(gòu)買(mǎi)、客戶引入、客戶忠誠(chéng)度管理等環(huán)節(jié)，賦能線上運(yùn)營(yíng)?？s短行為數(shù)據(jù)衍生高價(jià)值標(biāo)簽的開(kāi)發(fā)周期，從過(guò)往的1-2周提升為分鐘級(jí)創(chuàng)建標(biāo)簽補(bǔ)充客戶偏好、需求等高價(jià)值標(biāo)簽，進(jìn)行人群的精準(zhǔn)圈選，針對(duì)特定興趣偏好或需求人群進(jìn)行活動(dòng)的策略設(shè)計(jì)和邀約視頻回溯用戶操作全流程畫(huà)面，全面優(yōu)化用戶使用體驗(yàn)通過(guò)引入錄屏技術(shù)（SessionReplay），真實(shí)還原用戶在頁(yè)面的原始操作視頻，幫助設(shè)計(jì)師快速定位漏損節(jié)點(diǎn)，優(yōu)化頁(yè)面設(shè)計(jì)方案。活動(dòng)頁(yè)留咨轉(zhuǎn)化提升18%活動(dòng)信息觸達(dá)率提升35%08VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIAPP產(chǎn)品運(yùn)營(yíng)健康度監(jiān)測(cè)場(chǎng)景簡(jiǎn)述●場(chǎng)景：該場(chǎng)景即對(duì)于●場(chǎng)景：該場(chǎng)景即對(duì)于APP產(chǎn)品運(yùn)營(yíng)的總體監(jiān)測(cè)，包括對(duì)對(duì)關(guān)鍵指標(biāo)異動(dòng)的歸因分析，以賦能線上運(yùn)營(yíng)工作●關(guān)聯(lián)部門(mén)：手機(jī)銀行App線上運(yùn)營(yíng)部門(mén)痛點(diǎn)聚焦實(shí)時(shí)查看難APP產(chǎn)品運(yùn)營(yíng)指標(biāo)需要T+1，無(wú)法獲取當(dāng)日實(shí)時(shí)數(shù)據(jù)異常監(jiān)測(cè)難實(shí)時(shí)查看難APP產(chǎn)品運(yùn)營(yíng)指標(biāo)需要T+1，無(wú)法獲取當(dāng)日實(shí)時(shí)數(shù)據(jù)異常監(jiān)測(cè)難許多時(shí)候是接到用戶投訴后進(jìn)行復(fù)盤(pán)才發(fā)現(xiàn)異常點(diǎn)歸因難發(fā)現(xiàn)指標(biāo)異常后，需要提需給開(kāi)發(fā)部門(mén)或者人工手動(dòng)按照業(yè)務(wù)經(jīng)驗(yàn)逐步分析，效率低新平臺(tái)上線后的運(yùn)營(yíng)方式Step1：配置常規(guī)化產(chǎn)品運(yùn)營(yíng)指標(biāo)集、構(gòu)建APP綜合運(yùn)營(yíng)看板基于近三年金融行業(yè)全渠道分析項(xiàng)目落地實(shí)踐，APP等線上平臺(tái)運(yùn)營(yíng)監(jiān)控指標(biāo)通常包括：指標(biāo)大類用戶規(guī)模數(shù)據(jù)-實(shí)時(shí)統(tǒng)計(jì)典型指標(biāo)當(dāng)日App活躍次數(shù)，當(dāng)日App活躍用戶數(shù)，當(dāng)日注冊(cè)用戶數(shù)，當(dāng)日登錄用戶數(shù)等。運(yùn)營(yíng)監(jiān)控用途查看App實(shí)時(shí)基礎(chǔ)指標(biāo)的變化，及時(shí)感知數(shù)據(jù)異常。用戶規(guī)模數(shù)據(jù)-整體趨勢(shì)近7日新增用戶數(shù)、近30日活躍用戶數(shù)，近30日人均訪問(wèn)時(shí)長(zhǎng)趨勢(shì)，7日留存率趨勢(shì)等。查看App基礎(chǔ)運(yùn)營(yíng)指標(biāo)的發(fā)展，判斷App的整體發(fā)展趨勢(shì)。App整體功能滲透功能的滲透率，功能的瀏覽次數(shù)，瀏覽用戶數(shù)，功能訪問(wèn)偏好等。資源位同理?！吧睢?、“信用卡”等不同模塊。資源位指首頁(yè)客戶生命周期活躍用戶結(jié)構(gòu)及趨勢(shì)：新用戶，留存用戶，回流用戶，流失用戶。流失用戶結(jié)構(gòu)及趨勢(shì)：流失新用戶，流失留存用戶，流失回流用戶。根據(jù)不同用戶群體的結(jié)構(gòu)和趨勢(shì)，合理分配營(yíng)銷(xiāo)、服務(wù)和研發(fā)資源。關(guān)注流失用戶的結(jié)構(gòu)和趨勢(shì)，及時(shí)發(fā)現(xiàn)潛在的流失風(fēng)險(xiǎn)群體。比如，對(duì)留存率較高的用戶群體，減少營(yíng)銷(xiāo)投入，而對(duì)流失風(fēng)險(xiǎn)較大的群體，增加服務(wù)和關(guān)懷。業(yè)務(wù)運(yùn)營(yíng)類（每種類型業(yè)務(wù)一個(gè)看板，包含理財(cái)、貸款等，以轉(zhuǎn)賬為例）轉(zhuǎn)賬支付用戶數(shù)，轉(zhuǎn)賬支付次數(shù)，轉(zhuǎn)賬支付金額，轉(zhuǎn)賬流出銀行分布，轉(zhuǎn)賬支付流程轉(zhuǎn)化漏斗，轉(zhuǎn)賬方式分布，轉(zhuǎn)賬失敗次數(shù)，不同轉(zhuǎn)賬失敗原因占比等。對(duì)這些轉(zhuǎn)賬支付相關(guān)指標(biāo)的關(guān)注和分析，有助于銀行提升服務(wù)水平、優(yōu)化業(yè)務(wù)流程、保障資金安全，并更好地滿足用戶需求和適應(yīng)市場(chǎng)變化。活動(dòng)效果數(shù)據(jù)活動(dòng)頁(yè)訪問(wèn)次數(shù)，活動(dòng)頁(yè)訪問(wèn)人數(shù)，活動(dòng)流程轉(zhuǎn)化率，活動(dòng)參與用戶渠道轉(zhuǎn)化率，活動(dòng)人群理財(cái)同比增長(zhǎng)率等。通過(guò)活動(dòng)效果數(shù)據(jù)的分析，及時(shí)感知活動(dòng)的參與度與轉(zhuǎn)化，并根據(jù)數(shù)據(jù)作出及時(shí)的策略調(diào)整。09實(shí)時(shí)查看數(shù)據(jù)最細(xì)粒度可到分鐘級(jí)，快速感知數(shù)據(jù)變化。通過(guò)DataFinder提供指標(biāo)可視化分析，支持快速配置運(yùn)營(yíng)監(jiān)控指標(biāo)，并生成常規(guī)化看板，不再依賴傳統(tǒng)的ETL開(kāi)發(fā)?？蛇M(jìn)行看板定時(shí)推送，常規(guī)推送至相關(guān)業(yè)務(wù)方，無(wú)需每天登錄系統(tǒng)來(lái)查看數(shù)據(jù)。用戶健康度看板配置看板訂閱及指標(biāo)監(jiān)控10VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIStep2：梳理與配置異常監(jiān)控任務(wù)，賦能運(yùn)營(yíng)人員及時(shí)發(fā)現(xiàn)APP運(yùn)行過(guò)程中的異常點(diǎn)通過(guò)DataFinder指標(biāo)監(jiān)測(cè)能力，可以基于歷史經(jīng)驗(yàn)配置告警規(guī)則，也可選智能監(jiān)控，依據(jù)歷史數(shù)據(jù)規(guī)律，實(shí)時(shí)預(yù)測(cè)指標(biāo)的數(shù)值區(qū)間，若實(shí)際數(shù)據(jù)值超出預(yù)測(cè)區(qū)間，則進(jìn)行告警。例如：轉(zhuǎn)賬失敗次數(shù)波動(dòng)超過(guò)10%則視為異常。Step3：異常數(shù)據(jù)歸因，快速定位問(wèn)題定位問(wèn)題可以遵從以下流程：第一步：可查看整體異常指標(biāo)的趨勢(shì)發(fā)現(xiàn)異常點(diǎn)。第二步：開(kāi)啟異常監(jiān)測(cè)。第三步：系統(tǒng)對(duì)該事件的維度進(jìn)行歸因分析，可查看某個(gè)銀行的轉(zhuǎn)賬接口失敗，導(dǎo)致大量轉(zhuǎn)出失敗，導(dǎo)致整體轉(zhuǎn)賬失敗次數(shù)的增加。整個(gè)過(guò)程只需要幾秒，即可快速歸因。1112VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI方案收益定量收益APP運(yùn)營(yíng)指標(biāo)看板查詢時(shí)間T+1>秒級(jí)定量收益APP運(yùn)營(yíng)指標(biāo)看板查詢時(shí)間T+1>秒級(jí)定性收益異常監(jiān)測(cè)從事后review升級(jí)為實(shí)時(shí)監(jiān)測(cè)節(jié)省看板搭建成本每張看板節(jié)省5000元發(fā)現(xiàn)異常后可通過(guò)內(nèi)置歸因模型快速定位客戶旅程可視化分析與用戶體驗(yàn)優(yōu)化場(chǎng)景簡(jiǎn)述●場(chǎng)景：在用戶行為分析中，需要記錄和分析目標(biāo)用戶在各●場(chǎng)景：在用戶行為分析中，需要記錄和分析目標(biāo)用戶在各高效查看分析用戶在各個(gè)頁(yè)面中的行為分布，有助于及時(shí)發(fā)現(xiàn)用戶流失節(jié)點(diǎn)或者流量聚集節(jié)點(diǎn)。●關(guān)聯(lián)部門(mén)：網(wǎng)金部，消費(fèi)貸等部門(mén)運(yùn)營(yíng)人員痛點(diǎn)聚焦無(wú)法掌握熱點(diǎn)功能和用戶訪問(wèn)路徑手機(jī)銀行功能眾多，不清楚哪些是用戶常用無(wú)法掌握熱點(diǎn)功能和用戶訪問(wèn)路徑手機(jī)銀行功能眾多，不清楚哪些是用戶常用功能不清楚用戶的主要訪問(wèn)路徑如何，哪些環(huán)節(jié)轉(zhuǎn)化高，哪些環(huán)節(jié)流失高無(wú)法快速識(shí)別，定位問(wèn)題時(shí)，很難識(shí)別是否出現(xiàn)使用問(wèn)題無(wú)法確認(rèn)業(yè)務(wù)流程是哪個(gè)環(huán)節(jié)對(duì)用的行為產(chǎn)生了影響13新平臺(tái)上線后的運(yùn)營(yíng)方式的人力與時(shí)間，特別是當(dāng)分析不能得出需要的結(jié)論時(shí)，需要反復(fù)導(dǎo)數(shù)、分析。暫且不論結(jié)果的有效性如何，僅從結(jié)論的時(shí)效性而言，就有可能錯(cuò)失運(yùn)營(yíng)良機(jī)。在使用DataFinder系統(tǒng)，并進(jìn)行合理的埋點(diǎn)實(shí)施以后，就可以利用“路徑分析”功能充分的明確用戶在手機(jī)銀行內(nèi)的流轉(zhuǎn)情況。以某銀行的手機(jī)銀行應(yīng)用分析為例，通過(guò)前期的應(yīng)用分析，我們發(fā)現(xiàn)用戶常用的功能包括：理財(cái)產(chǎn)品購(gòu)買(mǎi)、存款購(gòu)買(mǎi)、轉(zhuǎn)賬以及消費(fèi)貸申請(qǐng)等。但是不清楚的是，用戶使用這些功能的路徑是怎樣的，哪些功能是用戶流量的集中節(jié)點(diǎn)。因此可以通過(guò)“路徑分析”讓分析工具協(xié)助識(shí)別這些流量聚集點(diǎn)。不知道哪些節(jié)點(diǎn)是關(guān)鍵節(jié)點(diǎn)?不知道哪些節(jié)點(diǎn)不知道哪些節(jié)點(diǎn)是關(guān)鍵節(jié)點(diǎn)?不知道哪些節(jié)點(diǎn)在前?哪些節(jié)點(diǎn)在后?不知道是不是有交叉訪問(wèn)的情況?……不需要預(yù)先假設(shè)用戶路徑如何，只需要將關(guān)注的路徑節(jié)點(diǎn)直接添加至分析列表即可，數(shù)據(jù)會(huì)給出結(jié)論理財(cái)產(chǎn)品瀏覽 與購(gòu)買(mǎi)?存款產(chǎn)品瀏覽與購(gòu)買(mǎi)?用戶啟動(dòng)手機(jī)銀行貸款申請(qǐng)?轉(zhuǎn)賬?14VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI識(shí)別用戶關(guān)鍵路徑。在配置完分析節(jié)點(diǎn)以后，系統(tǒng)在幾秒鐘內(nèi)即可給出直觀的用戶流轉(zhuǎn)可視化結(jié)果。在實(shí)際的分析的分析案例中，通過(guò)“用戶路徑”分析，我們發(fā)現(xiàn)理財(cái)產(chǎn)品、轉(zhuǎn)賬等功能為用戶常用功能，尤其是轉(zhuǎn)賬業(yè)務(wù)，全體用戶使用都較為頻繁?！稗D(zhuǎn)賬”行為較多，一方面值得行方關(guān)注，需要進(jìn)一步分析用戶的轉(zhuǎn)賬行為究竟是行內(nèi)同名賬戶轉(zhuǎn)賬，還是跨行轉(zhuǎn)出等，從而采取對(duì)應(yīng)客戶挽留措施。另一方面，作為用戶體驗(yàn)提升的環(huán)節(jié)，需要了解到，用戶在進(jìn)行轉(zhuǎn)賬功能時(shí)是否使用順暢，是否存在阻礙性節(jié)點(diǎn)。轉(zhuǎn)化流程中是否存在問(wèn)題，如果有問(wèn)題，問(wèn)題在哪里？一般情況下，我們可以通過(guò)不同的“屬性分組”分析，來(lái)了解用戶哪些客戶出現(xiàn)了行為差異。15在設(shè)置完漏斗路徑后，系統(tǒng)即刻可以給出不同維度下的用轉(zhuǎn)化率。通過(guò)“轉(zhuǎn)化分析”，發(fā)現(xiàn)新老手機(jī)銀行用戶在轉(zhuǎn)賬業(yè)務(wù)的轉(zhuǎn)化鏈路上存在流失率差異，新用戶在某一節(jié)點(diǎn)流失率明顯高于老用戶，需要加強(qiáng)對(duì)新用戶的提前引導(dǎo)。得到分析結(jié)果后，行內(nèi)馬上制定了用戶體驗(yàn)優(yōu)化措施，提升新用戶使用體驗(yàn)。ROI定量收益分析實(shí)效性提升定量收益分析實(shí)效性提升幾天>秒級(jí)分鐘級(jí)定性收益原來(lái)不能分析的場(chǎng)景的現(xiàn)在可以分析了:原來(lái)不能進(jìn)行的分析，現(xiàn)在借助DataFinder可以實(shí)現(xiàn)了。通過(guò)路徑分析與頁(yè)面停留分析等功能準(zhǔn)確識(shí)別熱點(diǎn)功能，為用戶體驗(yàn)優(yōu)化找準(zhǔn)場(chǎng)景。分析耗費(fèi)人力減少運(yùn)營(yíng)、科技人員5-6人天>運(yùn)營(yíng)人員1-2小時(shí)及時(shí)識(shí)別與定位問(wèn)題:及時(shí)發(fā)現(xiàn)同一轉(zhuǎn)化鏈路在不同客群間的表現(xiàn)差異，識(shí)別出問(wèn)題;準(zhǔn)確定位問(wèn)題發(fā)生節(jié)點(diǎn)，減少定性排查的不準(zhǔn)確性與時(shí)間消耗。16VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI多維度用戶轉(zhuǎn)化漏斗分析識(shí)別轉(zhuǎn)化斷點(diǎn)場(chǎng)景簡(jiǎn)述●場(chǎng)景：產(chǎn)品購(gòu)買(mǎi)場(chǎng)景中，用戶轉(zhuǎn)化斷點(diǎn)識(shí)別，關(guān)鍵●場(chǎng)景：產(chǎn)品購(gòu)買(mǎi)場(chǎng)景中，用戶轉(zhuǎn)化斷點(diǎn)識(shí)別，關(guān)鍵流失原因定位●歸口部門(mén)：個(gè)金客戶運(yùn)營(yíng)團(tuán)隊(duì)、網(wǎng)金APP運(yùn)營(yíng)團(tuán)隊(duì)、零售運(yùn)營(yíng)團(tuán)隊(duì)痛點(diǎn)聚焦旅程不清晰業(yè)務(wù)功能入口較多、轉(zhuǎn)化路徑長(zhǎng)、客戶路徑旅程不清晰定位原因難業(yè)務(wù)活躍度高但最終轉(zhuǎn)化低流失節(jié)點(diǎn)無(wú)法準(zhǔn)確識(shí)別旅程不清晰業(yè)務(wù)功能入口較多、轉(zhuǎn)化路徑長(zhǎng)、客戶路徑旅程不清晰定位原因難業(yè)務(wù)活躍度高但最終轉(zhuǎn)化低流失節(jié)點(diǎn)無(wú)法準(zhǔn)確識(shí)別缺少數(shù)據(jù)支持客戶特征洞察缺失、營(yíng)銷(xiāo)精準(zhǔn)度低、產(chǎn)品優(yōu)化缺少有效數(shù)據(jù)支持分析時(shí)效低無(wú)靈活自主的分析的工具時(shí)效低，錯(cuò)失關(guān)鍵運(yùn)營(yíng)時(shí)機(jī)新平臺(tái)上線后的運(yùn)營(yíng)方式通過(guò)采集理財(cái)各節(jié)點(diǎn)核心數(shù)據(jù)后，運(yùn)營(yíng)人員發(fā)現(xiàn)從申購(gòu)點(diǎn)擊到申購(gòu)成功，存在斷崖式流失。通過(guò)多種數(shù)據(jù)分析方式及多維度數(shù)據(jù)支持，高效的完成了數(shù)據(jù)分析，進(jìn)行了線上運(yùn)行策略的迭代。創(chuàng)建客戶旅程，定位流失節(jié)點(diǎn)理財(cái)交易成功的的數(shù)據(jù)理財(cái)交易成功的的數(shù)據(jù)持續(xù)無(wú)增長(zhǎng)?17靈活分析工具，發(fā)現(xiàn)申購(gòu)點(diǎn)擊到申購(gòu)成功的斷崖式流失靈活分析工具，發(fā)現(xiàn)申購(gòu)點(diǎn)擊到申購(gòu)成功的斷崖式流失觀察流失趨勢(shì)，圈定流失的人群明顯數(shù)據(jù)波動(dòng)的日期受明顯數(shù)據(jù)波動(dòng)的日期受哪些因素影響?清晰定位節(jié)點(diǎn)，保存流失人群洞察多維度用戶特征，找到關(guān)鍵影響因素綜合分析結(jié)果，進(jìn)行運(yùn)營(yíng)策略或產(chǎn)品功能的迭代，助力新一代線上運(yùn)營(yíng)方式18數(shù)倉(cāng)開(kāi)發(fā)成本無(wú)需提需數(shù)倉(cāng)開(kāi)發(fā)降低數(shù)倉(cāng)人員開(kāi)發(fā)的成本數(shù)倉(cāng)開(kāi)發(fā)成本無(wú)需提需數(shù)倉(cāng)開(kāi)發(fā)降低數(shù)倉(cāng)人員開(kāi)發(fā)的成本20%VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI定性收益提供十多種靈活的分析工具由過(guò)去高度依賴報(bào)表開(kāi)發(fā)，到靈活的線上分析能力的轉(zhuǎn)化定量收益定性收益提供十多種靈活的分析工具由過(guò)去高度依賴報(bào)表開(kāi)發(fā)，到靈活的線上分析能力的轉(zhuǎn)化定量收益理財(cái)轉(zhuǎn)化率準(zhǔn)確定位流失節(jié)點(diǎn)交易成功的轉(zhuǎn)化率提升10%全面多端的數(shù)據(jù)采集能力，多種采集方式的支持，為產(chǎn)品及運(yùn)營(yíng)活動(dòng)的有效迭代，提供充分的數(shù)據(jù)支持?jǐn)?shù)據(jù)分析效率靈活自主分析全面多端的數(shù)據(jù)采集能力，多種采集方式的支持，為產(chǎn)品及運(yùn)營(yíng)活動(dòng)的有效迭代，提供充分的數(shù)據(jù)支持?jǐn)?shù)據(jù)分析效率靈活自主分析提升數(shù)據(jù)分析的效率30%場(chǎng)景簡(jiǎn)述●場(chǎng)景：對(duì)于線上消費(fèi)貸用戶進(jìn)行實(shí)時(shí)的斷點(diǎn)營(yíng)銷(xiāo)，以實(shí)現(xiàn)●場(chǎng)景：對(duì)于線上消費(fèi)貸用戶進(jìn)行實(shí)時(shí)的斷點(diǎn)營(yíng)銷(xiāo)，以實(shí)現(xiàn)高效的斷點(diǎn)營(yíng)銷(xiāo)，提升轉(zhuǎn)化?！耜P(guān)聯(lián)部門(mén)：網(wǎng)絡(luò)金融痛點(diǎn)聚焦無(wú)法有效識(shí)別營(yíng)銷(xiāo)斷點(diǎn)在沒(méi)有分析工具的情況下，無(wú)法有效監(jiān)測(cè)用戶在無(wú)法有效識(shí)別營(yíng)銷(xiāo)斷點(diǎn)在沒(méi)有分析工具的情況下，無(wú)法有效監(jiān)測(cè)用戶在產(chǎn)品購(gòu)買(mǎi)過(guò)程中的斷點(diǎn)，也無(wú)法進(jìn)一步根據(jù)斷點(diǎn)判斷用戶意愿強(qiáng)度無(wú)法基于斷點(diǎn)進(jìn)行實(shí)時(shí)自動(dòng)化營(yíng)銷(xiāo)因?yàn)闊o(wú)法及時(shí)獲取用戶的線上行為數(shù)據(jù)，就無(wú)法在用戶跳出時(shí)及時(shí)進(jìn)行挽回觸達(dá)19新平臺(tái)上線后的運(yùn)營(yíng)方式新的用戶行為分析平臺(tái)上線以后一般可以采用以下方法實(shí)現(xiàn)用戶旅程斷點(diǎn)進(jìn)行實(shí)施營(yíng)銷(xiāo)：第一步：根據(jù)不同的業(yè)務(wù)場(chǎng)景，梳理出對(duì)應(yīng)的用戶旅程，如產(chǎn)品購(gòu)買(mǎi)流程、活動(dòng)參與流程等；第二步：根據(jù)已經(jīng)梳理出來(lái)的業(yè)務(wù)流程進(jìn)行埋點(diǎn)開(kāi)發(fā)，并進(jìn)行用戶行為的采集；第三步：通過(guò)DataFinder中的用戶行為分析，找到容易產(chǎn)生用戶行為斷點(diǎn)的環(huán)節(jié)，或者是轉(zhuǎn)化不達(dá)預(yù)期的環(huán)節(jié)，設(shè)計(jì)對(duì)應(yīng)的營(yíng)銷(xiāo)措施，例如：發(fā)放權(quán)益、推薦專屬產(chǎn)品或者推送一線客戶經(jīng)理等，在此環(huán)節(jié)下，實(shí)時(shí)營(yíng)銷(xiāo)和非實(shí)時(shí)營(yíng)銷(xiāo)可以結(jié)合使用，以進(jìn)一步促進(jìn)用戶的轉(zhuǎn)化。以線上貸款申請(qǐng)流程為例，首先可以進(jìn)行轉(zhuǎn)化率分析。在實(shí)例中，首先在DataFinder中，我們利用“轉(zhuǎn)化分析”功能分析在線上貸款申請(qǐng)環(huán)節(jié)是否出現(xiàn)嚴(yán)重的轉(zhuǎn)化斷點(diǎn)或者轉(zhuǎn)化不符合預(yù)期的節(jié)點(diǎn)，同時(shí)，我們將“貸款類型”作為屬性分類進(jìn)行用戶客群的區(qū)分。在分析過(guò)程中，我們發(fā)現(xiàn)：整體轉(zhuǎn)化漏斗中，具體產(chǎn)品選擇環(huán)節(jié)（貸款入口點(diǎn)擊——〉線上貸款選擇）流失率比較高；再進(jìn)一步細(xì)分“消費(fèi)貸”和“經(jīng)營(yíng)貸”兩個(gè)產(chǎn)品的貸款申請(qǐng)流程，可以發(fā)現(xiàn)，“經(jīng)營(yíng)貸”的轉(zhuǎn)化率不足10%，而“消費(fèi)貸”的轉(zhuǎn)化率近30%，其中“經(jīng)營(yíng)貸”用戶進(jìn)行人臉識(shí)別這一環(huán)節(jié)的流失較大，近90%的用戶在這個(gè)環(huán)節(jié)離開(kāi)。而“消費(fèi)貸”產(chǎn)品在貸款提交等環(huán)節(jié)轉(zhuǎn)化率又不如“經(jīng)營(yíng)貸產(chǎn)品”線上貸款申請(qǐng)整體轉(zhuǎn)化漏斗線上貸款申請(qǐng)整體轉(zhuǎn)化漏斗貸款入口點(diǎn)擊線上貸款產(chǎn)品選擇人臉識(shí)別貸款產(chǎn)品申請(qǐng)頁(yè)曝光貸款產(chǎn)品申請(qǐng)?zhí)峤皇谛攀芾淼却缑娼?jīng)營(yíng)貸轉(zhuǎn)化漏斗消費(fèi)貸轉(zhuǎn)化漏斗線上貸款產(chǎn)品選擇 人臉識(shí)別 貸款產(chǎn)品申請(qǐng)頁(yè)曝光 貸款產(chǎn)品申請(qǐng)?zhí)峤?授信受理等待界面 線上貸款產(chǎn)品選擇 人臉識(shí)別 貸款產(chǎn)品申請(qǐng)頁(yè)曝光貸款產(chǎn)品申請(qǐng)?zhí)峤皇谛攀芾淼却缑孓D(zhuǎn)化率57％轉(zhuǎn)化率12％轉(zhuǎn)化率26％20VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI根據(jù)對(duì)應(yīng)的斷點(diǎn)設(shè)計(jì)對(duì)應(yīng)的自動(dòng)化營(yíng)銷(xiāo)策略，在GMP系統(tǒng)中引入DataFinder的圈選條件，例如“發(fā)起了申請(qǐng)流程但人臉識(shí)別未成功的用戶”、“多次瀏覽未發(fā)起申請(qǐng)的用戶”等；21最終，可以回到DataFinder中進(jìn)一步分析用戶轉(zhuǎn)化行為的變化以及營(yíng)銷(xiāo)效果等數(shù)據(jù)。定性收益精準(zhǔn)圈定用戶群:定量收益定性收益精準(zhǔn)圈定用戶群:定量收益快速識(shí)別流程中的交易行為轉(zhuǎn)化漏斗分析時(shí)間幾天>幾十秒重跑分析維度時(shí)間數(shù)秒內(nèi)根據(jù)用戶行為，實(shí)時(shí)進(jìn)行營(yíng)銷(xiāo)觸達(dá):數(shù)據(jù)可以輸出給自動(dòng)化營(yíng)銷(xiāo)平臺(tái)，作為實(shí)時(shí)自動(dòng)化營(yíng)銷(xiāo)的觸發(fā)點(diǎn);根據(jù)用戶行為，實(shí)時(shí)進(jìn)行營(yíng)銷(xiāo)觸達(dá):數(shù)據(jù)可以輸出給自動(dòng)化營(yíng)銷(xiāo)平臺(tái)，作為實(shí)時(shí)自動(dòng)化營(yíng)銷(xiāo)的觸發(fā)點(diǎn);在用戶行為出現(xiàn)斷點(diǎn)時(shí)，根據(jù)規(guī)則進(jìn)行實(shí)時(shí)營(yíng)銷(xiāo)觸達(dá)，減少客戶猶豫時(shí)間，提升轉(zhuǎn)化。VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI埋點(diǎn)數(shù)據(jù)實(shí)時(shí)、穩(wěn)定采集，助力線上貸款風(fēng)險(xiǎn)管理場(chǎng)景簡(jiǎn)述●場(chǎng)景：在線上貸款申請(qǐng)和使用場(chǎng)景中，用戶行為數(shù)據(jù)作為●場(chǎng)景：在線上貸款申請(qǐng)和使用場(chǎng)景中，用戶行為數(shù)據(jù)作為貸前信審、貸中監(jiān)控的重要特征變量已廣泛的應(yīng)用于各類金融機(jī)構(gòu)。●關(guān)聯(lián)部門(mén)：風(fēng)險(xiǎn)管理部痛點(diǎn)聚焦埋點(diǎn)開(kāi)發(fā)周期長(zhǎng)、成本高在傳統(tǒng)場(chǎng)景下，風(fēng)控部門(mén)的埋點(diǎn)需求需要經(jīng)過(guò)需求提出、評(píng)審、專項(xiàng)開(kāi)發(fā)、上線驗(yàn)證等流程，開(kāi)發(fā)周期往往需要幾周時(shí)間，難以滿足應(yīng)用時(shí)效性要求。埋點(diǎn)開(kāi)發(fā)周期長(zhǎng)、成本高在傳統(tǒng)場(chǎng)景下，風(fēng)控部門(mén)的埋點(diǎn)需求需要經(jīng)過(guò)需求提出、評(píng)審、專項(xiàng)開(kāi)發(fā)、上線驗(yàn)證等流程，開(kāi)發(fā)周期往往需要幾周時(shí)間，難以滿足應(yīng)用時(shí)效性要求。無(wú)法充分滿足信貸流程中的時(shí)效性、準(zhǔn)確性要求行為數(shù)據(jù)在整個(gè)信貸流程中前、中、后三個(gè)環(huán)節(jié)都起了很重要的要求行為數(shù)據(jù)能夠及時(shí)傳輸，傳統(tǒng)埋點(diǎn)方式面對(duì)較多埋點(diǎn)時(shí)，數(shù)據(jù)豐富度不足風(fēng)控場(chǎng)景下，策略團(tuán)隊(duì)不僅會(huì)還會(huì)不斷的進(jìn)行探索性分析。傳統(tǒng)埋點(diǎn)一般都是緊貼風(fēng)控所需的字段進(jìn)行開(kāi)發(fā)，不能充分使用貫穿整個(gè)用戶生命周期的行為數(shù)據(jù)。新平臺(tái)上線后的運(yùn)營(yíng)方式在線上貸款申請(qǐng)場(chǎng)景中，金融機(jī)構(gòu)在構(gòu)建風(fēng)控模型時(shí)，往往會(huì)引入用戶行為數(shù)據(jù)作為重要的特征變量。因此用戶行為數(shù)據(jù)采集的及時(shí)性、準(zhǔn)確性以及完整性會(huì)直接影響風(fēng)控模型的質(zhì)量。利用DataFinder進(jìn)行用戶行為數(shù)據(jù)采集，可以降低科技部門(mén)的開(kāi)發(fā)成本，縮短開(kāi)發(fā)時(shí)間，并實(shí)現(xiàn)數(shù)據(jù)采集的及時(shí)性、準(zhǔn)確性以及完整性?？蛻羰謾C(jī)APP客戶手機(jī)APP行為數(shù)據(jù)采集申請(qǐng)信息DataFinderAPP使用 行為信息風(fēng)控引擎征信數(shù)據(jù)三方征信數(shù)據(jù)歷史記錄/標(biāo)簽等其他系統(tǒng)23埋點(diǎn)數(shù)據(jù)復(fù)用度、豐富度提升:DataFinder可以將用戶相關(guān)行為數(shù)據(jù)通過(guò)OnelD進(jìn)行整合統(tǒng)一，免除行內(nèi)對(duì)應(yīng)開(kāi)發(fā)工作量;且無(wú)論是運(yùn)營(yíng)所需埋點(diǎn)，還是產(chǎn)品所需埋點(diǎn)，均可以直接開(kāi)放給風(fēng)控部門(mén)使用，復(fù)用性和豐富度都可以得到提升。埋點(diǎn)數(shù)據(jù)復(fù)用度、豐富度提升:DataFinder可以將用戶相關(guān)行為數(shù)據(jù)通過(guò)OnelD進(jìn)行整合統(tǒng)一，免除行內(nèi)對(duì)應(yīng)開(kāi)發(fā)工作量;且無(wú)論是運(yùn)營(yíng)所需埋點(diǎn)，還是產(chǎn)品所需埋點(diǎn)，均可以直接開(kāi)放給風(fēng)控部門(mén)使用，復(fù)用性和豐富度都可以得到提升。埋點(diǎn)實(shí)時(shí)采集在線上消費(fèi)貸申請(qǐng)頁(yè)面和相關(guān)流程中，部署了精細(xì)的埋點(diǎn)策略，實(shí)時(shí)采集行為數(shù)據(jù)，包括頁(yè)面訪問(wèn)路徑、停留時(shí)間、填寫(xiě)信息的速度和準(zhǔn)確性等。采集用戶的設(shè)備信息、網(wǎng)絡(luò)環(huán)境等技術(shù)數(shù)據(jù)，以及用戶貸中用信、貸后還款等的行為數(shù)據(jù)。對(duì)接風(fēng)控決策引擎采集到的實(shí)時(shí)數(shù)據(jù)被迅速傳輸至先進(jìn)的風(fēng)控決策引擎。風(fēng)控決策引擎運(yùn)用大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)算法和規(guī)則引擎，對(duì)用戶的信用風(fēng)險(xiǎn)進(jìn)行快速評(píng)估。定性收益實(shí)時(shí)采集數(shù)據(jù)，充分滿足信貸各環(huán)節(jié)需求:DataFinder提供的實(shí)時(shí)數(shù)據(jù)采集以及經(jīng)過(guò)充分驗(yàn)證的高穩(wěn)定性，既支持了授信秒批，也滿足了貸中、貸后的持續(xù)監(jiān)控需求。定量收益定性收益實(shí)時(shí)采集數(shù)據(jù)，充分滿足信貸各環(huán)節(jié)需求:DataFinder提供的實(shí)時(shí)數(shù)據(jù)采集以及經(jīng)過(guò)充分驗(yàn)證的高穩(wěn)定性，既支持了授信秒批，也滿足了貸中、貸后的持續(xù)監(jiān)控需求。定量收益埋點(diǎn)開(kāi)發(fā)時(shí)間短成本降低利用系統(tǒng)預(yù)置埋點(diǎn)獲取基礎(chǔ)信息開(kāi)發(fā)接近0成本利用系統(tǒng)預(yù)置屬性，事件可復(fù)用邊際成本接近0需求提交到驗(yàn)證上線僅需2-3天24VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI線上線下聯(lián)動(dòng)中的客群分層與商機(jī)識(shí)別場(chǎng)景簡(jiǎn)述●場(chǎng)景：客戶希望通過(guò)其已經(jīng)建立的線上營(yíng)銷(xiāo)渠道，及時(shí)識(shí)別●場(chǎng)景：客戶希望通過(guò)其已經(jīng)建立的線上營(yíng)銷(xiāo)渠道，及時(shí)識(shí)別不同業(yè)務(wù)場(chǎng)景中的潛在商機(jī)，對(duì)于重點(diǎn)客戶或者關(guān)鍵活動(dòng)，形成線上線下聯(lián)動(dòng)營(yíng)銷(xiāo)，從而促進(jìn)產(chǎn)品的最終轉(zhuǎn)化?！耜P(guān)聯(lián)部門(mén)：數(shù)字銀行、零售痛點(diǎn)聚焦無(wú)法識(shí)別關(guān)鍵客群手機(jī)銀行是理財(cái)產(chǎn)品和小額消費(fèi)貸類產(chǎn)品的主要轉(zhuǎn)化場(chǎng)景，無(wú)法有效識(shí)別哪些客群，在購(gòu)買(mǎi)哪些產(chǎn)品時(shí)，在哪些環(huán)節(jié)產(chǎn)生了流失無(wú)法識(shí)別關(guān)鍵客群手機(jī)銀行是理財(cái)產(chǎn)品和小額消費(fèi)貸類產(chǎn)品的主要轉(zhuǎn)化場(chǎng)景，無(wú)法有效識(shí)別哪些客群，在購(gòu)買(mǎi)哪些產(chǎn)品時(shí)，在哪些環(huán)節(jié)產(chǎn)生了流失轉(zhuǎn)化效果無(wú)法追蹤無(wú)法對(duì)營(yíng)銷(xiāo)后的鏈路數(shù)據(jù)進(jìn)行有效的分析，對(duì)應(yīng)的客群是否有響應(yīng)，是否產(chǎn)生了轉(zhuǎn)化、轉(zhuǎn)化了多少等，數(shù)據(jù)缺失線上客群無(wú)法轉(zhuǎn)化為有效的線下?tīng)I(yíng)銷(xiāo)商機(jī)當(dāng)線上客戶成為潛在營(yíng)銷(xiāo)客群后，無(wú)法有效的向行內(nèi)其他系統(tǒng)進(jìn)行傳導(dǎo)，無(wú)法使一線客戶經(jīng)理團(tuán)隊(duì)及時(shí)獲取商機(jī)并跟進(jìn)新平臺(tái)上線后的運(yùn)營(yíng)方式用戶潛力提升但普通用戶通過(guò)線上觸達(dá)通過(guò)DataFinder識(shí)別潛在用戶用戶潛力提升但普通用戶通過(guò)線上觸達(dá)通過(guò)DataFinder識(shí)別潛在用戶線上忠實(shí)客戶未建聯(lián)的，轉(zhuǎn)線下建聯(lián)中高凈值用戶轉(zhuǎn)線下觸達(dá)25通過(guò)DataFinder平臺(tái)進(jìn)行關(guān)鍵客群圈選，可以形成每日更新的人群包，這類人群包可以輸送給下游系統(tǒng)進(jìn)行實(shí)時(shí)自動(dòng)化營(yíng)銷(xiāo)或者由線下渠道進(jìn)行用戶觸達(dá)。人群包輸出系統(tǒng)互通，建立商機(jī)。每日開(kāi)展定時(shí)任務(wù)，由下游商機(jī)系統(tǒng)讀取DataFinder系統(tǒng)生成的人群包，并通過(guò)解析，形成商機(jī)推送給一線客戶經(jīng)理，由客戶經(jīng)理進(jìn)行跟進(jìn)觸達(dá)。如果行內(nèi)還沒(méi)有建立自動(dòng)化營(yíng)銷(xiāo)系統(tǒng)，也可以通過(guò)短信等渠道實(shí)現(xiàn)批量客戶觸達(dá)。26VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIROI定量收益部分產(chǎn)品斷點(diǎn)客戶線下觸達(dá)轉(zhuǎn)化率定量收益部分產(chǎn)品斷點(diǎn)客戶線下觸達(dá)轉(zhuǎn)化率提升20%定性收益實(shí)現(xiàn)線上線下運(yùn)營(yíng)聯(lián)動(dòng):通過(guò)DataFinder實(shí)現(xiàn)了關(guān)鍵客群(高意愿客群)的識(shí)別，并通過(guò)建立閉環(huán)運(yùn)營(yíng)機(jī)制、優(yōu)化營(yíng)銷(xiāo)方案、對(duì)接系統(tǒng)、培訓(xùn)一線營(yíng)銷(xiāo)人員等措施，將部分線上客戶轉(zhuǎn)化為線下?tīng)I(yíng)銷(xiāo)商機(jī)，實(shí)現(xiàn)了完整的線上線下?tīng)I(yíng)銷(xiāo)閉環(huán)，取得成效。一線商機(jī)觸達(dá)完成率提升40%一線商機(jī)觸達(dá)完成率提升40%優(yōu)秀支行觸達(dá)率達(dá)到80%打通DataFinder與行內(nèi)系統(tǒng)的數(shù)據(jù)應(yīng)用鏈路:與下游系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)聯(lián)通，包括:客群標(biāo)簽的識(shí)別與對(duì)接、基于用戶行為觸發(fā)的商機(jī)工單機(jī)制、商機(jī)工單功能整體優(yōu)化等;營(yíng)銷(xiāo)閉環(huán)搭建完成后，還可以通過(guò)DataFinder進(jìn)一步分析用戶的線上轉(zhuǎn)化行為，實(shí)現(xiàn)數(shù)據(jù)閉環(huán)。APP崩潰、版本監(jiān)測(cè)，推進(jìn)APP性能優(yōu)化管控場(chǎng)景簡(jiǎn)述●場(chǎng)景：用戶希望通過(guò)DataFinder進(jìn)一步監(jiān)測(cè)手機(jī)銀行本身●場(chǎng)景：用戶希望通過(guò)DataFinder進(jìn)一步監(jiān)測(cè)手機(jī)銀行本身的性能問(wèn)題，以及每次升級(jí)后，用戶是否都完成了重要更新版本的升級(jí)工作?！窳闶鄄客袋c(diǎn)聚焦無(wú)法監(jiān)控用戶版本以及系統(tǒng)分布情況銀行不定期會(huì)對(duì)手機(jī)銀行進(jìn)行重大功能更新，或是修復(fù)上一版本的重大缺陷，此時(shí)需要能夠主動(dòng)監(jiān)控用戶升級(jí)情況，以確保主要用戶都完成了重大版本的更新；無(wú)法監(jiān)控用戶版本以及系統(tǒng)分布情況銀行不定期會(huì)對(duì)手機(jī)銀行進(jìn)行重大功能更新，或是修復(fù)上一版本的重大缺陷，此時(shí)需要能夠主動(dòng)監(jiān)控用戶升級(jí)情況，以確保主要用戶都完成了重大版本的更新；當(dāng)前安卓、鴻蒙、IOS平臺(tái)對(duì)于應(yīng)用廠商對(duì)于客戶的觸達(dá)采取了不同的限制策略，銀行需要了解用戶的系統(tǒng)情況，以制定有針對(duì)性的營(yíng)銷(xiāo)策略。無(wú)法及時(shí)判斷應(yīng)用崩潰影響程度APP崩潰非常影響用戶體驗(yàn)，因此需要能夠監(jiān)控應(yīng)用崩潰情況，識(shí)別主要崩潰原因并跟進(jìn)解決。27新平臺(tái)上線后的運(yùn)營(yíng)方式在DataFinder內(nèi)部預(yù)置了移動(dòng)端的“應(yīng)用崩潰”事件采集，可以在一定程度上幫助應(yīng)用運(yùn)維團(tuán)隊(duì)盡早識(shí)別“手機(jī)銀行版本”、“手機(jī)品牌”等系統(tǒng)相關(guān)屬性進(jìn)行綜合判斷；一般情況下，可以通過(guò)以下步驟來(lái)進(jìn)行用戶版本升級(jí)以及應(yīng)用崩潰監(jiān)測(cè)。Step1：監(jiān)控關(guān)鍵參數(shù)。利用預(yù)置事件“應(yīng)用啟動(dòng)”，通過(guò)“屬性分組”功能中的“軟件版本”與“系統(tǒng)版本”兩個(gè)屬性，分別關(guān)注用戶手機(jī)銀行版本以及手機(jī)操作系統(tǒng)類型等。此類數(shù)據(jù)的監(jiān)控，主要用來(lái)幫助金融機(jī)構(gòu)監(jiān)控用戶是否及時(shí)進(jìn)行了客戶端升級(jí)、客戶機(jī)型分布、操作系統(tǒng)分布等情況，一方面識(shí)別升級(jí)等操作是否達(dá)到預(yù)期，一方面集中資源，在用戶分布較多的手機(jī)品牌、操作系統(tǒng)或者機(jī)型上進(jìn)行優(yōu)先適配；Step2：下應(yīng)用崩潰次數(shù)和影響用戶數(shù)，如圖：28VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI用戶影響分析用戶影響分析近30天手機(jī)銀行崩潰日均影響用戶人數(shù)崩潰用戶手機(jī)應(yīng)用版本分布Step3：如果出現(xiàn)崩潰次數(shù)或者影響用戶數(shù)較多，就需要對(duì)崩潰原因進(jìn)行進(jìn)一步探查，該步驟可以通過(guò)29ROI定量收益對(duì)于“應(yīng)用崩潰”，系統(tǒng)設(shè)置為預(yù)置事件定量收益對(duì)于“應(yīng)用崩潰”，系統(tǒng)設(shè)置為預(yù)置事件無(wú)需額外開(kāi)發(fā)人力實(shí)現(xiàn)零成本定性收益及時(shí)解決用戶使用手機(jī)銀行崩潰問(wèn)題:幫助科技部門(mén)及時(shí)了解手機(jī)銀行崩潰情況和涉及應(yīng)用版本，并初步定位崩潰原因。幫助科技及時(shí)修復(fù)影響嚴(yán)重的問(wèn)題，并發(fā)起了用戶升級(jí)引導(dǎo)活動(dòng)，近一步提升了用戶體驗(yàn)。對(duì)于“用戶版本升級(jí)”問(wèn)題，通過(guò)看板搭建零延遲獲取升級(jí)信息對(duì)于“用戶版本升級(jí)”問(wèn)題，通過(guò)看板搭建零延遲獲取升級(jí)信息正確反映用戶手機(jī)銀行使用情況:之前零售部門(mén)發(fā)現(xiàn)很多客戶無(wú)法及時(shí)收到營(yíng)銷(xiāo)推送，或者推送被攔截。通過(guò)分析用戶操作系統(tǒng)分分布情況，結(jié)合業(yè)務(wù)實(shí)踐，明確了部分操作系統(tǒng)對(duì)于營(yíng)銷(xiāo)觸達(dá)信息的約束，后續(xù)會(huì)制定更具有針對(duì)性的觸達(dá)策略。行為事件衍生為高價(jià)值標(biāo)簽場(chǎng)景簡(jiǎn)述借助埋點(diǎn)采集的線上瀏覽、搜索、收藏、購(gòu)買(mǎi)等數(shù)據(jù)，可以創(chuàng)新提煉出客群習(xí)慣、偏好、意愿等借助埋點(diǎn)采集的線上瀏覽、搜索、收藏、購(gòu)買(mǎi)等數(shù)據(jù)，可以創(chuàng)新提煉出客群習(xí)慣、偏好、意愿等高價(jià)值標(biāo)簽，賦能精準(zhǔn)的客群圈選。痛點(diǎn)聚焦高價(jià)值衍生標(biāo)簽較少當(dāng)前銀行標(biāo)簽多以客戶屬性和客戶業(yè)務(wù)辦理的事實(shí)性標(biāo)簽為主，而描繪客戶習(xí)慣、偏好、金融需求方面的標(biāo)簽較少，無(wú)法進(jìn)行精細(xì)化圈群高價(jià)值標(biāo)簽需求難以提出高價(jià)值衍生標(biāo)簽較少當(dāng)前銀行標(biāo)簽多以客戶屬性和客戶業(yè)務(wù)辦理的事實(shí)性標(biāo)簽為主，而描繪客戶習(xí)慣、偏好、金融需求方面的標(biāo)簽較少，無(wú)法進(jìn)行精細(xì)化圈群高價(jià)值標(biāo)簽需求難以提出業(yè)務(wù)運(yùn)營(yíng)人員不了解埋點(diǎn)體系，無(wú)法清晰提出高價(jià)值衍生標(biāo)簽的行為數(shù)據(jù)采集到標(biāo)簽衍生鏈路長(zhǎng)30VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI新平臺(tái)上線后的運(yùn)營(yíng)方式新平臺(tái)上線后，可以進(jìn)行高價(jià)值標(biāo)簽的快速分析與衍生配置Step1:構(gòu)建高價(jià)值行為標(biāo)簽體系業(yè)務(wù)人員希望在人群圈選中通過(guò)產(chǎn)品偏好、渠道偏好等方式精細(xì)化分群，因此提出高價(jià)值標(biāo)簽的需求，例如：標(biāo)簽名稱業(yè)務(wù)描述標(biāo)簽名稱業(yè)務(wù)描述理財(cái)產(chǎn)品偏好理財(cái)產(chǎn)品偏好權(quán)益敏感度通過(guò)客戶對(duì)營(yíng)銷(xiāo)權(quán)益的行為反饋，總結(jié)客戶對(duì)于立減金、優(yōu)惠券等權(quán)益的敏感度權(quán)益敏感度通過(guò)客戶對(duì)營(yíng)銷(xiāo)權(quán)益的行為反饋，總結(jié)客戶對(duì)于立減金、優(yōu)惠券等權(quán)益的敏感度觸達(dá)渠道偏好通過(guò)客戶對(duì)觸達(dá)方式的行為反饋，總結(jié)客戶對(duì)于營(yíng)銷(xiāo)渠道的偏好觸達(dá)渠道偏好通過(guò)客戶對(duì)觸達(dá)方式的行為反饋，總結(jié)客戶對(duì)于營(yíng)銷(xiāo)渠道的偏好金融辦理需求偏好通過(guò)對(duì)客戶瀏覽app的頻道或?qū)^(qū)，總結(jié)客戶在使用app過(guò)程中主要的金融業(yè)務(wù)辦理需求偏好金融辦理需求偏好通過(guò)對(duì)客戶瀏覽app的頻道或?qū)^(qū)，總結(jié)客戶在使用app過(guò)程中主要的金融業(yè)務(wù)辦理需求偏好Step2:分布分析查看頻次分布通過(guò)數(shù)據(jù)分析，對(duì)標(biāo)簽實(shí)現(xiàn)方式和取值邏輯的進(jìn)行設(shè)計(jì)31基于數(shù)據(jù)分析結(jié)果，完善標(biāo)簽的具體名稱和業(yè)務(wù)口徑標(biāo)簽名稱口徑說(shuō)明標(biāo)簽名稱口徑說(shuō)明理財(cái)產(chǎn)品購(gòu)買(mǎi)意向最近14天客戶在手機(jī)銀行上有過(guò)理財(cái)產(chǎn)品瀏覽行為高：瀏覽次數(shù)在4次及以上。理財(cái)產(chǎn)品購(gòu)買(mǎi)意向最近14天客戶在手機(jī)銀行上有過(guò)理財(cái)產(chǎn)品瀏覽行為高：瀏覽次數(shù)在4次及以上。中：瀏覽次數(shù)在2（含）-4次（不含）。低：瀏覽次數(shù)在1（含）-2次（不含）。理財(cái)產(chǎn)品類型偏好最近14天客戶在手機(jī)銀行上有過(guò)理財(cái)產(chǎn)品瀏覽行為，且瀏覽產(chǎn)品類型次數(shù)≥5次，認(rèn)為客戶具有此類產(chǎn)品的意向偏好。理財(cái)產(chǎn)品類型偏好最近14天客戶在手機(jī)銀行上有過(guò)理財(cái)產(chǎn)品瀏覽行為，且瀏覽產(chǎn)品類型次數(shù)≥5次，認(rèn)為客戶具有此類產(chǎn)品的意向偏好。枚舉值包含：貨幣型、固收型、混合型、權(quán)益型觸達(dá)渠道偏好最近3個(gè)月通過(guò)手機(jī)銀行彈窗、push、短信等點(diǎn)擊情況分析，大于5次表示對(duì)此渠道的偏好。觸達(dá)渠道偏好最近3個(gè)月通過(guò)手機(jī)銀行彈窗、push、短信等點(diǎn)擊情況分析，大于5次表示對(duì)此渠道的偏好。枚舉值包含：彈窗、Push、短信……權(quán)益敏感度最近3個(gè)月根據(jù)客戶領(lǐng)取相關(guān)權(quán)益的行為進(jìn)行統(tǒng)計(jì)，大于10次表示對(duì)此渠道的偏好。權(quán)益敏感度最近3個(gè)月根據(jù)客戶領(lǐng)取相關(guān)權(quán)益的行為進(jìn)行統(tǒng)計(jì)，大于10次表示對(duì)此渠道的偏好。枚舉值包含：積分、微信立減金、商城優(yōu)惠券、飲食優(yōu)惠券、信用卡還款金、出行券……金融辦理需求基于用戶最近1個(gè)月瀏覽各頻道的次數(shù)，大于10次，或相關(guān)頻道內(nèi)容每次停留時(shí)長(zhǎng)超過(guò)2分鐘的。金融辦理需求基于用戶最近1個(gè)月瀏覽各頻道的次數(shù)，大于10次，或相關(guān)頻道內(nèi)容每次停留時(shí)長(zhǎng)超過(guò)2分鐘的。枚舉值包含：理財(cái)辦理需求、基金辦理需求、信貸辦理需求、信用卡辦理需求、存款辦理需求、養(yǎng)老金融辦理需求……Step3:通過(guò)可視化的用戶標(biāo)簽功能快速配置衍生標(biāo)簽利用行為數(shù)據(jù)構(gòu)建【理財(cái)產(chǎn)品購(gòu)買(mǎi)意向】標(biāo)簽32VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI利用行為數(shù)據(jù)構(gòu)建【理財(cái)產(chǎn)品類型偏好】標(biāo)簽建立好的標(biāo)簽示例定性收益補(bǔ)充客戶偏好、需求等高價(jià)值標(biāo)簽，進(jìn)行人群的精準(zhǔn)圈選，針對(duì)特定興趣偏好或需求人群進(jìn)行活動(dòng)的策略設(shè)計(jì)和邀約定量收益行為數(shù)據(jù)衍生定性收益補(bǔ)充客戶偏好、需求等高價(jià)值標(biāo)簽，進(jìn)行人群的精準(zhǔn)圈選，針對(duì)特定興趣偏好或需求人群進(jìn)行活動(dòng)的策略設(shè)計(jì)和邀約定量收益行為數(shù)據(jù)衍生高價(jià)值創(chuàng)建標(biāo)簽時(shí)間 1-2周>分鐘級(jí)(從需求到開(kāi)發(fā))高價(jià)值標(biāo)簽作為個(gè)性化推薦等算法模型的特征變量，有效提升推薦模型的效果33高價(jià)值標(biāo)簽作為個(gè)性化推薦等算法模型的特征變量，有效提升推薦模型的效果視頻回溯用戶操作全流程畫(huà)面，全面優(yōu)化用戶使用體驗(yàn)場(chǎng)景簡(jiǎn)述●場(chǎng)景：過(guò)往的行為分析中，業(yè)務(wù)人員只能拿到埋點(diǎn)數(shù)據(jù)和●場(chǎng)景：過(guò)往的行為分析中，業(yè)務(wù)人員只能拿到埋點(diǎn)數(shù)據(jù)和相關(guān)看板，理解門(mén)檻高，需要熟悉埋點(diǎn)數(shù)據(jù)結(jié)構(gòu)和業(yè)務(wù)含義。為了進(jìn)一步提升用戶在手機(jī)銀行的用戶體驗(yàn)，幫助運(yùn)營(yíng)部門(mén)優(yōu)化活動(dòng)設(shè)計(jì)，結(jié)合國(guó)內(nèi)外的前沿技術(shù)和實(shí)施經(jīng)驗(yàn)，通過(guò)引入錄屏技術(shù)（SessionReplay），真實(shí)還原用戶在網(wǎng)頁(yè)上的原始操作視頻，更好的優(yōu)化業(yè)務(wù)流程?！耜P(guān)聯(lián)部門(mén)：數(shù)據(jù)運(yùn)營(yíng)部、產(chǎn)品部痛點(diǎn)聚焦希望提升活動(dòng)頁(yè)的留咨轉(zhuǎn)化率。通過(guò)轉(zhuǎn)化分析雖然可以計(jì)算出每一步驟的流失百分比&數(shù)值，但無(wú)法感知每個(gè)步驟中具體哪個(gè)操作造成的流失，難以讓UI設(shè)計(jì)師快速定位到優(yōu)化方向。希望提升活動(dòng)頁(yè)的留咨轉(zhuǎn)化率。通過(guò)轉(zhuǎn)化分析雖然可以計(jì)算出每一步驟的流失百分比&數(shù)值，但無(wú)法感知每個(gè)步驟中具體哪個(gè)操作造成的流失，難以讓UI設(shè)計(jì)師快速定位到優(yōu)化方向。新平臺(tái)上線后的運(yùn)營(yíng)方式Step1：通過(guò)會(huì)話回放列表頁(yè)中的高級(jí)篩選，篩選出在活動(dòng)頁(yè)留咨步驟中流失的用戶群體（從進(jìn)入表單頁(yè)填寫(xiě)到點(diǎn)擊提交按鈕這部分流失的人群）。34VeDIVOLCANOENGINEDATAINTELLIGENCEVeDIStep2：分別查看該群體用戶的行為視頻，如該用戶在表單詳情頁(yè)輸入信息時(shí)，認(rèn)真填寫(xiě)了聯(lián)系人/Step3：進(jìn)行進(jìn)一步下鉆分析剖析輸入內(nèi)容->瀏覽選項(xiàng)->停留->關(guān)閉頁(yè)面的動(dòng)作后，可以猜測(cè)：可能該下拉選項(xiàng)中沒(méi)有目標(biāo)選項(xiàng)&用戶不理解全部選項(xiàng)的含義，無(wú)法自行添加選項(xiàng)，后放棄咨詢關(guān)閉頁(yè)面；若此流失群體中多位用戶行為相似，可判斷該選項(xiàng)交互體驗(yàn)較差，可通過(guò)進(jìn)一步用戶訪談進(jìn)行優(yōu)化方向的確認(rèn)，明確優(yōu)化內(nèi)容；通過(guò)熱力圖分析用戶的關(guān)注點(diǎn)和可能疑惑的信息點(diǎn);35ROI定量ROI活動(dòng)頁(yè)面-業(yè)務(wù)咨詢轉(zhuǎn)化 定量ROI活動(dòng)頁(yè)面-業(yè)務(wù)咨詢轉(zhuǎn)化 提升18%定性ROI通過(guò)查看用戶錄屏，全面掌握從數(shù)據(jù)’到“具象”的全方位洞察。活動(dòng)信息觸達(dá)效率 提升35%

設(shè)計(jì)師無(wú)需單獨(dú)安排用戶線下產(chǎn)品試用，耗費(fèi)大量時(shí)間逐一訪談，工具可自動(dòng)捕獲用戶原始行為錄屏。36保障新一代平臺(tái)架構(gòu)落地OLAP引擎數(shù)據(jù)導(dǎo)出推薦系統(tǒng)畫(huà)像平臺(tái)報(bào)表系統(tǒng)規(guī)則引擎系統(tǒng)對(duì)接數(shù)據(jù)開(kāi)放數(shù)據(jù)分析新一代全渠道客戶旅程分析總體框架OLAP引擎數(shù)據(jù)導(dǎo)出推薦系統(tǒng)畫(huà)像平臺(tái)報(bào)表系統(tǒng)規(guī)則引擎系統(tǒng)對(duì)接數(shù)據(jù)開(kāi)放數(shù)據(jù)分析Kafka訂閱OpenKafka訂閱OpenAPI預(yù)設(shè)業(yè)務(wù)看板預(yù)設(shè)業(yè)務(wù)看板|自定義看板|場(chǎng)景看板（財(cái)富管理、信用卡、活動(dòng)營(yíng)銷(xiāo)...）用戶分析行為分析特色分析用戶分群 用戶細(xì)查事件分析 留存分析 轉(zhuǎn)化分析 用戶路徑多維表格 融合分析用戶標(biāo)簽 成分分析歸因分析 熱圖分析 歸因分析......會(huì)話回放AI分析AppSDK WebSDK AppSDK WebSDK 小程序SDK 外呼平臺(tái)微信公眾號(hào) 服務(wù)端API 數(shù)據(jù)導(dǎo)入工具用戶標(biāo)簽數(shù)據(jù)行為數(shù)據(jù)明細(xì)數(shù)據(jù)機(jī)構(gòu)/賬戶/用戶/設(shè)備...數(shù)據(jù)采集數(shù)據(jù)融合分析視角：打破傳統(tǒng)工具對(duì)于“應(yīng)用”這一單一分析視角的傳統(tǒng)架構(gòu)，實(shí)現(xiàn)全鏈路分析的模式躍升，支持跨平臺(tái)、跨端、跨域的全鏈路分析，實(shí)現(xiàn)營(yíng)銷(xiāo)分析的視角升級(jí)通過(guò)豆包大模型能力，在數(shù)據(jù)采集管理、數(shù)據(jù)查詢分析、數(shù)據(jù)洞察決策環(huán)節(jié)融入智能化工具，自動(dòng)化完成數(shù)據(jù)質(zhì)量巡檢，對(duì)指標(biāo)結(jié)果針對(duì)性提關(guān)鍵洞見(jiàn)，幫助機(jī)構(gòu)提升數(shù)據(jù)使用效率，降低數(shù)據(jù)使用門(mén)檻。SeesionReplay點(diǎn)擊、混亂操作等異常動(dòng)作，幫助設(shè)計(jì)團(tuán)隊(duì)真實(shí)了解用戶使用體驗(yàn)，完成針對(duì)性排查和優(yōu)化。38VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI歷史埋點(diǎn)數(shù)據(jù)遷移基于過(guò)去近百家銀行全渠道客戶旅程分析與線上運(yùn)營(yíng)平臺(tái)落地實(shí)施實(shí)踐，火山引擎總結(jié)歸納歷史埋點(diǎn)數(shù)據(jù)遷移是一項(xiàng)必須的關(guān)鍵實(shí)施事項(xiàng)，核心需要考慮以下兩點(diǎn)：歷史埋點(diǎn)數(shù)據(jù)源評(píng)估與數(shù)據(jù)遷移新平臺(tái)元數(shù)據(jù)遷移任務(wù)離線數(shù)據(jù)遷移任務(wù)歷史埋點(diǎn)數(shù)據(jù)遷移元數(shù)據(jù)遷移任務(wù)離線數(shù)據(jù)遷移任務(wù)歷史埋點(diǎn)數(shù)據(jù)遷移實(shí)時(shí)數(shù)據(jù)遷移任務(wù)看板數(shù)據(jù)遷移任務(wù)MySQL外部數(shù)據(jù)庫(kù)ClickHouseClickHouse外部大數(shù)據(jù)存儲(chǔ)kafka外部MQ輸入kafka外部MQMySQL外部數(shù)據(jù)庫(kù)數(shù)據(jù)同步MySQL外部數(shù)據(jù)庫(kù)歷史埋點(diǎn)數(shù)據(jù)源簡(jiǎn)介火山支持的遷移方式銀行采用的歷史埋點(diǎn)數(shù)據(jù)源通常包括：歷史埋點(diǎn)數(shù)據(jù)源簡(jiǎn)介火山支持的遷移方式HDFS/CK存儲(chǔ)歷史埋點(diǎn)、用戶數(shù)據(jù)標(biāo)準(zhǔn)化遷移工具+ETL遷移HDFS/CK存儲(chǔ)歷史埋點(diǎn)、用戶數(shù)據(jù)標(biāo)準(zhǔn)化遷移工具+ETL遷移Mysql/Oracle等存儲(chǔ)事件元數(shù)據(jù)、看板數(shù)據(jù)產(chǎn)品化、模板化遷移Mysql/Oracle等存儲(chǔ)事件元數(shù)據(jù)、看板數(shù)據(jù)產(chǎn)品化、模板化遷移Kafka/其他MQ實(shí)時(shí)上報(bào)數(shù)據(jù)流支持SDK雙寫(xiě)+逐步驗(yàn)證替換的遷移方案Kafka/其他MQ實(shí)時(shí)上報(bào)數(shù)據(jù)流支持SDK雙寫(xiě)+逐步驗(yàn)證替換的遷移方案存量數(shù)據(jù)可做到一鍵數(shù)據(jù)遷移，低成本快速落地。其他埋點(diǎn)平臺(tái)的元數(shù)據(jù)、歷史數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)遷移，DataFinder已具備成熟的標(biāo)準(zhǔn)化遷移方案，已在多家股份銀行、城商行、券商等金融客戶驗(yàn)證。39數(shù)據(jù)遷移過(guò)程中的埋點(diǎn)治理與質(zhì)量提升除數(shù)據(jù)遷移外，可引入分析團(tuán)隊(duì)針對(duì)歷史埋點(diǎn)進(jìn)行埋點(diǎn)治理，去除重復(fù)埋點(diǎn)、廢棄埋點(diǎn)，提升埋點(diǎn)價(jià)值，已在多個(gè)金融客戶落地實(shí)施。識(shí)別方式：1）從口徑判斷是否是重復(fù)埋點(diǎn)。2）從場(chǎng)景判斷是否為臨時(shí)埋點(diǎn)或過(guò)期埋點(diǎn)，例如短期活動(dòng)上線的埋點(diǎn)，活動(dòng)已下線。3）從質(zhì)量判斷埋點(diǎn)采集的數(shù)據(jù)是否存在上報(bào)時(shí)機(jī)不準(zhǔn)確，采集內(nèi)容不可用的問(wèn)題，可廢棄。手機(jī)銀行APP客戶行為事件如何采集如何采集行為數(shù)據(jù)手機(jī)銀行APP行為數(shù)據(jù)手機(jī)銀行APPlOSAndroidSDK公眾號(hào)授權(quán)接入公眾號(hào)HTTPAPI公眾號(hào)

數(shù)據(jù)處理數(shù)據(jù)處理數(shù)據(jù)整合數(shù)據(jù)處理數(shù)據(jù)整合數(shù)據(jù)處理埋點(diǎn)設(shè)計(jì)埋點(diǎn)驗(yàn)收數(shù)據(jù)存儲(chǔ)數(shù)據(jù)清理元數(shù)據(jù)管理元數(shù)據(jù)管理///采集接入WEB|H5UserprofileAPl

可在線創(chuàng)建埋點(diǎn)，保存前驗(yàn)收埋點(diǎn)，創(chuàng)建新的虛擬事件或虛擬屬性，以及總體評(píng)價(jià)系統(tǒng)內(nèi)的數(shù)據(jù)質(zhì)量及查看有問(wèn)題的埋點(diǎn)明細(xì)。數(shù)據(jù)存儲(chǔ)數(shù)據(jù)存儲(chǔ)智能終端產(chǎn)品定期清理無(wú)效埋點(diǎn)智能終端產(chǎn)品用戶注銷(xiāo)時(shí)可刪除賬號(hào)下所有數(shù)據(jù)40VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI非線上渠道的客戶行為事件如何采集場(chǎng)景一：用戶在線下網(wǎng)點(diǎn)、智慧柜臺(tái)、遠(yuǎn)程銀行、取號(hào)機(jī)等設(shè)備和營(yíng)業(yè)廳發(fā)生的交互事件線下場(chǎng)景中的用戶洞察：用戶通過(guò)銀行線下網(wǎng)店訪問(wèn)智能柜臺(tái)或移動(dòng)營(yíng)銷(xiāo)，從客戶的業(yè)務(wù)辦理類型、交易金額、辦理時(shí)間等數(shù)據(jù)中推斷其行為和需求。線上線下聯(lián)動(dòng)洞察用戶畫(huà)像：通過(guò)實(shí)時(shí)上報(bào)的線下訪問(wèn)行為查詢用戶畫(huà)像、標(biāo)簽等屬性信息。線上自動(dòng)化觸達(dá)柜臺(tái)經(jīng)理：通過(guò)上報(bào)行為和ID實(shí)時(shí)進(jìn)行IDmapping，并將實(shí)時(shí)查詢到的用戶屬性/偏好標(biāo)簽推送至對(duì)應(yīng)的管戶經(jīng)理或柜臺(tái)經(jīng)理，實(shí)現(xiàn)線上線下的打通和聯(lián)動(dòng)。場(chǎng)景二：通過(guò)DataFinder外部數(shù)據(jù)源接入能力對(duì)接發(fā)卡環(huán)節(jié)的領(lǐng)卡、審批等事件線下用戶行為：客戶線上申請(qǐng)辦理信用卡，線上只覆蓋了瀏覽辦卡頁(yè)->申卡，后續(xù)的審批節(jié)點(diǎn)和開(kāi)卡、綁卡節(jié)點(diǎn)等，都不在線上埋點(diǎn)采集范圍，從業(yè)務(wù)整體視角出發(fā)，需要跟蹤分析整個(gè)辦卡到首刷全旅程。全渠道數(shù)據(jù)打通：通過(guò)信用卡審批系統(tǒng)后臺(tái)數(shù)據(jù)回流，或數(shù)據(jù)中臺(tái)直接上報(bào)到DataFinder，補(bǔ)齊非線上旅程埋點(diǎn)。超大數(shù)據(jù)量下的高性能保障與擴(kuò)展能力DataFinder在抖音集團(tuán)內(nèi)部場(chǎng)景下已實(shí)現(xiàn)日事件量萬(wàn)億級(jí)的行為數(shù)據(jù)采集分析，私有化部署已支撐百億級(jí)日事件量客戶的平穩(wěn)運(yùn)行，目前已有數(shù)十家金融機(jī)構(gòu)投入使用，滿足金融場(chǎng)景客戶億級(jí)日事件量的實(shí)時(shí)行為分析能力。商業(yè)化場(chǎng)景的性能、穩(wěn)定性已得到充分驗(yàn)證。DataFinder對(duì)外服務(wù)一鍵擴(kuò)容DataFinder對(duì)外服務(wù)一鍵擴(kuò)容服務(wù)A(pod) 服務(wù)A(pod) 規(guī)劃擴(kuò)容有狀態(tài)存儲(chǔ)一鍵擴(kuò)容服務(wù)A(pod)有狀態(tài)存儲(chǔ)運(yùn)維監(jiān)控規(guī)劃擴(kuò)容有狀態(tài)存儲(chǔ)無(wú)狀態(tài)服務(wù)底座(基于K8S)火山引擎私有化底座(基于K8s)服務(wù)器A服務(wù)器B服務(wù)器C服務(wù)器...服務(wù)器N41智能治理與監(jiān)控ChatBl智能治理與監(jiān)控ChatBl搭載豆包大模型的AI智能分析助手通過(guò)豆包大模型能力，幫助用戶更輕松、更高效地進(jìn)行數(shù)據(jù)分析。在數(shù)據(jù)采集管理、數(shù)據(jù)發(fā)現(xiàn)使用、數(shù)據(jù)洞察決策融入智能化能力，幫助機(jī)構(gòu)提高數(shù)據(jù)使用效率、降低使用門(mén)檻。事件/屬性自動(dòng)定義錯(cuò)誤檢測(cè)與糾正圖表解讀圖表生成與探索大模型帶來(lái)了什么DataFinder智能分析助手，提供端到端的AI能力，提高效率、降低門(mén)檻、AI輔助讓數(shù)據(jù)分析不再是少數(shù)專業(yè)人士的專屬。隨著數(shù)據(jù)分析使用與普及，使他們?cè)谌粘Q策中自然而然地運(yùn)用數(shù)據(jù)分析思維。使數(shù)據(jù)驅(qū)動(dòng)在一線業(yè)務(wù)場(chǎng)景中進(jìn)一步落地。事件/屬性自動(dòng)定義錯(cuò)誤檢測(cè)與糾正圖表解讀圖表生成與探索埋點(diǎn)規(guī)劃建議數(shù)據(jù)供給提效數(shù)據(jù)開(kāi)發(fā)人員IT工程師數(shù)據(jù)分析師埋點(diǎn)規(guī)劃建議數(shù)據(jù)供給提效數(shù)據(jù)開(kāi)發(fā)人員IT工程師數(shù)據(jù)分析師數(shù)據(jù)消費(fèi)擴(kuò)大數(shù)據(jù)分析師業(yè)務(wù)使用者企業(yè)管理者自然語(yǔ)言分析大模型擅長(zhǎng)什么大模型擅長(zhǎng)什么知識(shí)搜索與生成語(yǔ)義理解與翻譯歸納總結(jié)提供分析思路數(shù)據(jù)解讀與文本生成埋點(diǎn)事件智能檢測(cè)過(guò)去：異常埋點(diǎn)發(fā)現(xiàn)難現(xiàn)在：AI能力支持即時(shí)發(fā)現(xiàn)異常異常發(fā)現(xiàn)難：在數(shù)據(jù)分析和處理過(guò)程中，數(shù)據(jù)質(zhì)量異常的發(fā)現(xiàn)是極為困難的。時(shí)常由于異常數(shù)據(jù)影響數(shù)據(jù)的準(zhǔn)確性和可靠性，還可能導(dǎo)致分析結(jié)果出現(xiàn)偏差，在過(guò)去只能在使用數(shù)據(jù)分析時(shí)才能發(fā)現(xiàn)。即時(shí)發(fā)現(xiàn)：通過(guò)AI能力在不提供預(yù)置埋點(diǎn)異常檢測(cè)人工規(guī)則條件的前提下，可借助大模型能力基于客戶已有數(shù)據(jù)埋點(diǎn)，智能的、及時(shí)的給出可能的異常埋點(diǎn)待排查清單。過(guò)去：異常埋點(diǎn)發(fā)現(xiàn)難現(xiàn)在：AI能力支持即時(shí)發(fā)現(xiàn)異常異常發(fā)現(xiàn)難：在數(shù)據(jù)分析和處理過(guò)程中，數(shù)據(jù)質(zhì)量異常的發(fā)現(xiàn)是極為困難的。時(shí)常由于異常數(shù)據(jù)影響數(shù)據(jù)的準(zhǔn)確性和可靠性，還可能導(dǎo)致分析結(jié)果出現(xiàn)偏差，在過(guò)去只能在使用數(shù)據(jù)分析時(shí)才能發(fā)現(xiàn)。即時(shí)發(fā)現(xiàn)：通過(guò)AI能力在不提供預(yù)置埋點(diǎn)異常檢測(cè)人工規(guī)則條件的前提下，可借助大模型能力基于客戶已有數(shù)據(jù)埋點(diǎn)，智能的、及時(shí)的給出可能的異常埋點(diǎn)待排查清單。42VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI功能簡(jiǎn)介無(wú)需人工配置數(shù)據(jù)入庫(kù)校驗(yàn)規(guī)則，將埋點(diǎn)上報(bào)事件輸入給豆包大模型。豆包大模型具備強(qiáng)大的自然語(yǔ)言處理能力和深度學(xué)習(xí)算法，能夠深入理解事件上報(bào)的含義。它會(huì)自動(dòng)對(duì)上報(bào)的Json進(jìn)行全面解讀，通過(guò)復(fù)雜的分析和計(jì)算，給出是否異常的準(zhǔn)確判斷。不僅如此，豆包大模型還會(huì)進(jìn)一步推測(cè)錯(cuò)誤的可能原因，為后續(xù)的問(wèn)題排查和修復(fù)提供有力的支持和指導(dǎo)。這種智能化的處理方式極大地提高了數(shù)據(jù)處理的效率和準(zhǔn)確性，降低了人工干預(yù)的成本和風(fēng)險(xiǎn)。AI能夠自動(dòng)生成一個(gè)可能的異常埋點(diǎn)待排查清單給出異常原因與優(yōu)化建議AI能夠自動(dòng)生成一個(gè)可能的異常埋點(diǎn)待排查清單給出異常原因與優(yōu)化建議AI配置助手過(guò)去：配置復(fù)雜，門(mén)檻高現(xiàn)在：AI加持下的用戶自助分析配置條件復(fù)雜，普通用戶難以自行配置，需要專業(yè)人士協(xié)助，這使得數(shù)據(jù)工具在企業(yè)過(guò)去：配置復(fù)雜，門(mén)檻高現(xiàn)在：AI加持下的用戶自助分析配置條件復(fù)雜，普通用戶難以自行配置，需要專業(yè)人士協(xié)助，這使得數(shù)據(jù)工具在企業(yè)在DataFinder中，利用豆包模型通過(guò)項(xiàng)目中歷史數(shù)據(jù)配置條件，可以推薦合適的埋點(diǎn)數(shù)據(jù)與查詢條件配置。幫助助業(yè)務(wù)使用者，快速應(yīng)用關(guān)鍵的用戶行為數(shù)據(jù)，使普通用戶可自助使用分析功能即時(shí)查詢數(shù)據(jù)。43功能簡(jiǎn)介在DataFinder中，利用豆包大模型通過(guò)項(xiàng)目中歷史數(shù)據(jù)配置條件，可以推薦合適的埋點(diǎn)數(shù)據(jù)與查詢條件配置，幫助業(yè)務(wù)使用者，快速應(yīng)用關(guān)鍵的用戶行為數(shù)據(jù)，減少查找時(shí)間。AI搜索:AI的搜索能力可以大幅擴(kuò)展用戶的搜索范圍，通過(guò)自然語(yǔ)言處理技術(shù)，AI能夠理解用戶的查詢意圖，并匹配到相關(guān)的事件或指標(biāo)。這種能力使得用戶不需先學(xué)習(xí)埋點(diǎn)文檔或是詢問(wèn)埋點(diǎn)名稱，大大提升尋找數(shù)據(jù)的效率。圖表配置:利用AI的信息匯總和理解能力，可以將現(xiàn)有的圖表?xiàng)l件轉(zhuǎn)化為AI推薦的選項(xiàng)。用戶可以直接使用這些推薦的已有選項(xiàng)，這大大降低了新手用戶的使用難度，使得圖表配置變得更加直觀和簡(jiǎn)單。關(guān)聯(lián)指標(biāo)推薦：當(dāng)用戶選擇某個(gè)事件指標(biāo)時(shí)，AI能夠基于項(xiàng)目中的歷史分析記錄和數(shù)據(jù)含義，推薦與之相關(guān)聯(lián)的其他事件和指標(biāo)。這種推薦機(jī)制幫助用戶發(fā)現(xiàn)潛在的指標(biāo)關(guān)聯(lián)性，幫助使用者明確需要一同分析的指標(biāo)。界面展示44VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI數(shù)據(jù)圖表解讀過(guò)去：數(shù)據(jù)圖表理解門(mén)檻高現(xiàn)在：AI智能分析和趨勢(shì)解讀，提升效率理解門(mén)檻高：對(duì)于大多數(shù)普通用戶來(lái)說(shuō)，數(shù)據(jù)復(fù)雜性和多變性是一道難以逾越的障礙。想做好基礎(chǔ)圖表得理解，需要去被很多的數(shù)據(jù)分析知識(shí)，往往只能從宏觀上直覺(jué)的感知變化趨勢(shì)，而難以深入洞察數(shù)據(jù)背后的深層變化。提高效率：數(shù)據(jù)解讀能夠智能分析和總結(jié)數(shù)據(jù)情況，幫助普通用戶快速理解數(shù)據(jù)的含義。同時(shí)，自動(dòng)識(shí)別數(shù)據(jù)中的趨勢(shì)和異常情況，并以簡(jiǎn)潔明了的方式呈現(xiàn)給用戶。用戶不再需要花費(fèi)大量時(shí)間去解讀復(fù)雜的數(shù)據(jù)圖表。AI的智能分析和總結(jié)功能可以快速提供數(shù)據(jù)的核心見(jiàn)解，極大地提升了數(shù)據(jù)處理和分析的效率。過(guò)去：數(shù)據(jù)圖表理解門(mén)檻高現(xiàn)在：AI智能分析和趨勢(shì)解讀，提升效率理解門(mén)檻高：對(duì)于大多數(shù)普通用戶來(lái)說(shuō)，數(shù)據(jù)復(fù)雜性和多變性是一道難以逾越的障礙。想做好基礎(chǔ)圖表得理解，需要去被很多的數(shù)據(jù)分析知識(shí)，往往只能從宏觀上直覺(jué)的感知變化趨勢(shì)，而難以深入洞察數(shù)據(jù)背后的深層變化。提高效率：數(shù)據(jù)解讀能夠智能分析和總結(jié)數(shù)據(jù)情況，幫助普通用戶快速理解數(shù)據(jù)的含義。同時(shí)，自動(dòng)識(shí)別數(shù)據(jù)中的趨勢(shì)和異常情況，并以簡(jiǎn)潔明了的方式呈現(xiàn)給用戶。用戶不再需要花費(fèi)大量時(shí)間去解讀復(fù)雜的數(shù)據(jù)圖表。AI的智能分析和總結(jié)功能可以快速提供數(shù)據(jù)的核心見(jiàn)解，極大地提升了數(shù)據(jù)處理和分析的效率。功能簡(jiǎn)介全面、自動(dòng)化且用戶友好的數(shù)據(jù)解讀，它通過(guò)基礎(chǔ)度量、對(duì)比性度量、變異性度量、連續(xù)性趨勢(shì)分析、波峰波谷識(shí)別、綜合指標(biāo)描述、周期性分析、關(guān)鍵信息自動(dòng)總結(jié)以及趨勢(shì)和模式識(shí)別，幫助普通用戶可以更低成本的提煉出數(shù)據(jù)關(guān)鍵信息。界面展示450505通過(guò)數(shù)據(jù)開(kāi)放能力，便捷融入到銀行現(xiàn)有架構(gòu)體系VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI典型數(shù)據(jù)開(kāi)放與數(shù)據(jù)集成場(chǎng)景通過(guò)埋點(diǎn)數(shù)據(jù)分發(fā)和客群、元數(shù)據(jù)對(duì)接能力，可快速實(shí)現(xiàn)與銀行現(xiàn)有架構(gòu)與應(yīng)用之間實(shí)現(xiàn)數(shù)據(jù)集成：與標(biāo)簽平臺(tái)之間數(shù)據(jù)集成：支持以【實(shí)時(shí)方式】，將用戶行為埋點(diǎn)事件，開(kāi)放給標(biāo)簽平臺(tái)應(yīng)用，以支持標(biāo)簽平臺(tái)內(nèi)部基于用戶行為埋點(diǎn)事件構(gòu)建用戶行為標(biāo)簽，或者用于斷點(diǎn)營(yíng)銷(xiāo)人群圈選。與營(yíng)銷(xiāo)運(yùn)營(yíng)平臺(tái)之間數(shù)據(jù)集成：支持以【實(shí)時(shí)方式】，將用戶行為埋點(diǎn)事件，開(kāi)放給行內(nèi)營(yíng)銷(xiāo)運(yùn)營(yíng)平臺(tái)，以支持事件觸發(fā)的營(yíng)銷(xiāo)場(chǎng)景，如APP開(kāi)屏彈窗營(yíng)銷(xiāo)場(chǎng)景等。與數(shù)倉(cāng)/數(shù)據(jù)平臺(tái)之間數(shù)據(jù)集成：支持以【離線批量方式】，將用戶行為埋點(diǎn)事件，開(kāi)放給數(shù)倉(cāng)/數(shù)據(jù)平臺(tái)，以支持在數(shù)倉(cāng)中進(jìn)行行為埋點(diǎn)與業(yè)務(wù)數(shù)據(jù)的深度融合加工，服務(wù)更多應(yīng)用場(chǎng)景。與風(fēng)控決策引擎的數(shù)據(jù)集成：支持以【實(shí)時(shí)方式】，將選定范圍的用戶行為埋點(diǎn)事件，開(kāi)放風(fēng)控決策引擎，實(shí)現(xiàn)用戶申卡/申貸場(chǎng)景，將用戶行為埋點(diǎn)納入風(fēng)控決策場(chǎng)景，如【基于用戶設(shè)備指紋的欺詐偵測(cè)】等場(chǎng)景。通過(guò)配置化方式，快速實(shí)現(xiàn)數(shù)據(jù)集成DataFinder平臺(tái)，支持通過(guò)參數(shù)化配置方式，配置實(shí)時(shí)、離線批量數(shù)據(jù)開(kāi)放集成任務(wù)，將數(shù)據(jù)高效開(kāi)放給下游應(yīng)用。470606配套保障機(jī)制構(gòu)建VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI新平臺(tái)上線后關(guān)鍵保障角色與能力培養(yǎng)銀行現(xiàn)狀火山引擎增值服務(wù)銀行現(xiàn)狀火山引擎增值服務(wù)關(guān)鍵角色通常設(shè)置在哪個(gè)部門(mén)主要職責(zé)需求提出人APP項(xiàng)目組（存款、理財(cái)、分期、信貸等）/私域項(xiàng)目組（小程序、公眾號(hào)等）等業(yè)務(wù)部門(mén)對(duì)業(yè)務(wù)：負(fù)責(zé)業(yè)務(wù)指標(biāo)梳理、統(tǒng)籌埋點(diǎn)需求；埋點(diǎn)收口人對(duì)科技：負(fù)責(zé)埋點(diǎn)規(guī)范設(shè)計(jì)、埋點(diǎn)質(zhì)量驗(yàn)收埋點(diǎn)開(kāi)發(fā) 科技部 埋點(diǎn)測(cè)試科技部埋點(diǎn)測(cè)試在出現(xiàn)埋點(diǎn)質(zhì)量問(wèn)題（埋點(diǎn)錯(cuò)漏、埋點(diǎn)不好用、找不到從哪里找埋點(diǎn)、不敢與行方共同梳理和定位「埋點(diǎn)收口人」的職責(zé)后，火山引擎也會(huì)提供對(duì)應(yīng)的分析師陪跑服務(wù)，保障各角色共同遵循埋點(diǎn)需求流程規(guī)范并通過(guò)埋點(diǎn)平臺(tái)執(zhí)行到位：火山引擎分析師陪跑服務(wù)專業(yè)埋點(diǎn)人員培訓(xùn)精細(xì)化分析啟迪典型場(chǎng)景共創(chuàng)平臺(tái)配置落地帶做核心目的:通過(guò)典型場(chǎng)景培訓(xùn)行內(nèi)平臺(tái)大數(shù)據(jù)部/數(shù)據(jù)金部/數(shù)據(jù)管理部等數(shù)據(jù)運(yùn)營(yíng)部門(mén)，掌握指標(biāo)體系搭建和埋點(diǎn)設(shè)計(jì)能力，并能快速基于DataFinder完成埋點(diǎn)錄入和行為分析，賦能業(yè)務(wù)精細(xì)化分析，促進(jìn)業(yè)務(wù)增長(zhǎng)。專業(yè)埋點(diǎn)人員培訓(xùn)精細(xì)化分析啟迪典型場(chǎng)景共創(chuàng)平臺(tái)配置落地帶做埋點(diǎn)收口人作為業(yè)務(wù)需求方和埋點(diǎn)技術(shù)團(tuán)隊(duì)的接口人至關(guān)重要，手把手培訓(xùn)其關(guān)于理解業(yè)務(wù)目標(biāo)及需求梳理規(guī)范、埋點(diǎn)設(shè)計(jì)規(guī)范等，幫助其順利landing火山引擎實(shí)施過(guò)多家股針對(duì)典型場(chǎng)景開(kāi)展同業(yè)指標(biāo)體系搭建實(shí)踐深度埋點(diǎn)收口人作為業(yè)務(wù)需求方和埋點(diǎn)技術(shù)團(tuán)隊(duì)的接口人至關(guān)重要，手把手培訓(xùn)其關(guān)于理解業(yè)務(wù)目標(biāo)及需求梳理規(guī)范、埋點(diǎn)設(shè)計(jì)規(guī)范等，幫助其順利landing火山引擎實(shí)施過(guò)多家股針對(duì)典型場(chǎng)景開(kāi)展同業(yè)指標(biāo)體系搭建實(shí)踐深度選取典型業(yè)務(wù)場(chǎng)景，如理財(cái)/信貸/存款/分期等業(yè)務(wù)場(chǎng)景，基于業(yè)務(wù)目標(biāo)進(jìn)行指標(biāo)體系及埋點(diǎn)采集方案的共創(chuàng)約定真實(shí)的需求場(chǎng)景進(jìn)行全流程實(shí)戰(zhàn)，客戶方主實(shí)施，火山引擎以指導(dǎo)答疑形式配合落地，讓業(yè)務(wù)和數(shù)據(jù)部門(mén)均能遭循規(guī)范并通過(guò)平臺(tái)執(zhí)行到位49埋點(diǎn)治理保障機(jī)制與支持工具埋點(diǎn)治理通常面臨的典型問(wèn)題銀行客戶面臨的埋點(diǎn)治理問(wèn)題我行存量埋點(diǎn)有幾十萬(wàn)+，我行存量埋點(diǎn)有幾十萬(wàn)+，怎么跟新一代平臺(tái)結(jié)合來(lái)用?每次要用數(shù)要分析的時(shí)候就發(fā)現(xiàn)埋點(diǎn)數(shù)據(jù)不對(duì)或根本沒(méi)埋...特別大，新一代平臺(tái)能否提供有效降本增效的方式?業(yè)務(wù)提需“應(yīng)埋盡埋”,怎么過(guò)正確規(guī)范業(yè)務(wù)提需?埋點(diǎn)有問(wèn)題了不知道找誰(shuí)?去哪里可以查得到我行有哪些埋點(diǎn)?火山引擎DataFinder將如何結(jié)合各大銀行客戶實(shí)際情況提出可落地、可執(zhí)行并且可持續(xù)有效推進(jìn)的埋點(diǎn)治理解決方案呢?構(gòu)建埋點(diǎn)治理全流程，保障數(shù)據(jù)高質(zhì)量可用埋點(diǎn)治理絕非單獨(dú)某個(gè)人的職責(zé)所在，而是以「埋點(diǎn)收口人」為核心驅(qū)動(dòng)力，構(gòu)建起多角色協(xié)同聯(lián)動(dòng)的完整全流程。唯有如此，方能高效保障埋點(diǎn)數(shù)據(jù)的準(zhǔn)確性、完整性和可用性：PM/需求申請(qǐng)人DA/埋點(diǎn)收口人RA/開(kāi)發(fā)負(fù)責(zé)人QA/測(cè)試負(fù)責(zé)人PM/需求申請(qǐng)人DA/埋點(diǎn)收口人RA/開(kāi)發(fā)負(fù)責(zé)人QA/測(cè)試負(fù)責(zé)人埋點(diǎn)需求 埋點(diǎn)需求 拆解需求盡量與產(chǎn)品需求一起 產(chǎn)品平臺(tái)中設(shè)計(jì)方發(fā)起聯(lián)合評(píng)審聯(lián)合評(píng)審(所有角色)發(fā)起埋點(diǎn)埋點(diǎn)開(kāi)發(fā)埋點(diǎn)測(cè)試需求驗(yàn)收埋點(diǎn)驗(yàn)收埋點(diǎn)管理流程規(guī)范最佳實(shí)踐參考產(chǎn)品化 線下流程50VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI埋點(diǎn)治理支撐工具，提升治理流程線上化與效率埋點(diǎn)治理是一個(gè)長(zhǎng)期而持續(xù)的工作，需要不斷地投入精力和資源?；鹕揭嫣峁〥ataGoverner埋點(diǎn)管理平臺(tái)助力銀行實(shí)現(xiàn)全線上管理一站式服務(wù)。增量埋點(diǎn)：火山引擎可提供配套銀行定制化的流程與機(jī)制，確保各部門(mén)之間能夠高效地合作，共同保障埋點(diǎn)質(zhì)量存量埋點(diǎn)：火山引擎可提供存量埋點(diǎn)治理建議，協(xié)助行方識(shí)別出無(wú)用埋點(diǎn)并做下線處理，同時(shí)借助平臺(tái)上埋點(diǎn)白名單、埋點(diǎn)分級(jí)、例行無(wú)用埋點(diǎn)的治理功能助力行方數(shù)據(jù)管理員owner實(shí)現(xiàn)自主化的治理規(guī)劃通過(guò)產(chǎn)品能力升級(jí)和流程機(jī)制完善，助力行方實(shí)現(xiàn)真正的降本增效：火山引擎埋點(diǎn)治理保障機(jī)制與支持工具可持續(xù)的治理路徑可持續(xù)的治理路徑埋點(diǎn)全線上管理埋點(diǎn)全線上管理看的見(jiàn)埋點(diǎn)管理埋點(diǎn)需求 埋點(diǎn)開(kāi)發(fā)與測(cè)試埋點(diǎn)治理 埋點(diǎn)分析與監(jiān)控流程與流程與規(guī)范 機(jī)制理得清流程階段 ＋ 角色(責(zé)任人) ＋ 職責(zé) ＋產(chǎn)出(含交付標(biāo)準(zhǔn))及動(dòng)作埋點(diǎn)白名單埋點(diǎn)白名單埋點(diǎn)分級(jí)例行無(wú)用埋點(diǎn)治理改得準(zhǔn)賦能更多業(yè)務(wù)元數(shù)據(jù)質(zhì)量治理，打破信息孤島廣泛應(yīng)用、驅(qū)動(dòng)業(yè)務(wù)埋點(diǎn)交付質(zhì)量治理DA按需求驗(yàn)證埋點(diǎn)、RD按需求自測(cè)產(chǎn)品化自測(cè)&驗(yàn)收流程，量化交付質(zhì)量產(chǎn)品能力升級(jí)注：DataFinder新一代平臺(tái)產(chǎn)品能力510707方案綜合優(yōu)勢(shì)VeDIVOLCANOENGINEDATAINTELLIGENCEVeDI對(duì)比項(xiàng)總體火山引擎新一代全渠道旅程分析自開(kāi)發(fā)埋點(diǎn)系統(tǒng)/mpass先沉淀至數(shù)倉(cāng)再由人工提取加工，分析效率低，數(shù)據(jù)時(shí)效性獨(dú)立第三方埋點(diǎn)工具埋點(diǎn)采集范圍相對(duì)自研系統(tǒng)更廣，可提供部分預(yù)置看板，但數(shù)據(jù)結(jié)構(gòu)不開(kāi)放，難以支持二次開(kāi)發(fā)，只能獨(dú)立應(yīng)用無(wú)法與上下游系統(tǒng)拉通。產(chǎn)品由抖音集團(tuán)內(nèi)部業(yè)務(wù)孵化，覆蓋全場(chǎng)景數(shù)據(jù)采集和10余種內(nèi)置分析模型，查詢性能極高，能夠低成本實(shí)現(xiàn)與行內(nèi)系統(tǒng)的數(shù)據(jù)交換，實(shí)現(xiàn)全渠道數(shù)據(jù)拉通。數(shù)據(jù)采集支持覆蓋常見(jiàn)SDK和業(yè)務(wù)數(shù)據(jù)導(dǎo)入工具，可滿足代碼埋點(diǎn)和全埋點(diǎn)場(chǎng)景，更提供便捷的埋點(diǎn)開(kāi)發(fā)工具，提升埋點(diǎn)開(kāi)發(fā)效率。支持弱性相對(duì)較低，無(wú)法關(guān)聯(lián)線下業(yè)務(wù)數(shù)據(jù)。支持前后端采集能力相對(duì)齊全，但SDK層提供的開(kāi)發(fā)工具較少。數(shù)據(jù)加工支持?jǐn)?shù)據(jù)資產(chǎn)可供二次開(kāi)發(fā)，配備標(biāo)準(zhǔn)化離線、實(shí)時(shí)數(shù)據(jù)分發(fā)能力。支持?jǐn)?shù)據(jù)可回流到數(shù)倉(cāng)，數(shù)據(jù)提取依賴人工處理，效率低。支持弱底層數(shù)據(jù)不透明，二次開(kāi)發(fā)需要服務(wù)商收費(fèi)定制開(kāi)發(fā)。埋點(diǎn)治理支持可配套專業(yè)埋點(diǎn)治理工具及字節(jié)內(nèi)部埋點(diǎn)治理方法論。支持弱不支持專業(yè)治理工具。部分支持分析模型領(lǐng)先打破傳統(tǒng)工具對(duì)于“應(yīng)用”這一單一分析支持弱分析模式缺失，只能滿足基礎(chǔ)統(tǒng)計(jì)查詢，不具備算法模型。支持弱單一主體（受到底層模型限制，未來(lái)也很難擴(kuò)展）不支持?jǐn)?shù)據(jù)跨項(xiàng)目分析。計(jì)算性能高性能使用最新一代OLAP引擎ByteHouse，計(jì)算性能極高，數(shù)據(jù)上報(bào)、處理到可用僅無(wú)優(yōu)勢(shì)